【python数据处理】numpy

最新推荐文章于 2023-06-20 10:39:56 发布

姚尔摩斯

最新推荐文章于 2023-06-20 10:39:56 发布

阅读量483

点赞数

分类专栏： Python 数据处理

本文链接：https://blog.csdn.net/yt627306293/article/details/84568103

版权

本文介绍了numpy库在数据处理中的优势，如通过数组操作避免for循环，以及其强大的统计功能，包括计算平均数np.mean()、排序np.sort()、中位数np.median()、百分位数np.percentile()、标准差np.std()、生成正态分布数组np.random.normal()和二项分布数组np.random.binomial()等。此外，还讨论了numpy在处理异常值和随机抽样上的应用。

摘要由CSDN通过智能技术生成

numpy

array与 python list很像

1.第一种创建方式可用np.array方法将list转化成numpy array

import numpy as np
test_1=np.array([92, 94, 88, 91, 87])

my_list = [1, 2, 3, 4, 5, 6]
my_array = np.array(my_list)

第二种创建方式将csv导入成array


test_2 = np.genfromtxt('test_2.csv', delimiter=',')

2.array相对于list的优越性

通过在阵列本身上执行操作，可以对阵列中的每个元素执行操作（例如添加）。

元素的加减乘除幂开方不需要for循环可以直接进行

# With a list
l = [1, 2, 3, 4, 5]
l_plus_3 = []
for i in range(len(l)):
    l_plus_3.append(l[i] + 3)
# With an array
a = np.array(l)
a_plus_3 = a + 3

具有相同元素的array之间的相加可以直接进行，不是拼接，是每一个元素的相加这种，

import numpy as np

test_1 = np.array([92, 94, 88, 91, 87])
test_2 = np.array([79, 100, 86, 93, 91])
test_3 = np.array([87, 85, 72, 90, 92])
test_3_fixed = test_3 + 2
total_grade=test_1+test_2+test_3_fixed
final_grade&#