numpy

最新推荐文章于 2024-04-17 16:11:26 发布
最新推荐文章于 2024-04-17 16:11:26 发布
阅读量596 收藏 1
点赞数 1
分类专栏： 数据分析 文章标签： python numpy 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ytraister/article/details/108184374
版权

什么是numpy？

》一个在python中做科学计算的基础库，重在数值计算，也是大部分python科学计算库的基础库，多用于大型、多维数组上执行数值运算

一、数组（numpy）的创建和基本使用

》代码讲解

import numpy as np
import random

# numpy创建数组     都是该类型：<class 'numpy.ndarray'>
t1 = np.array([1, 2, 3])    # [1 2 3]
t2 = np.array(range(10))    # [0 1 2 3 4 5 6 7 8 9]
t3 = np.arange(10)          # [0 1 2 3 4 5 6 7 8 9]

# dtype用于查看数组中的数据类型
print(t3.dtype)     # int32

# 给数组指定数据类型（以下两种写法皆可）
t4 = np.array(range(1, 4), dtype=float)         # [1. 2. 3.]
t41 = np.array(range(1, 4), dtype="float")      # [1. 2. 3.]

# numpy中的bool类型
t5 = np.array([1, 1, 0, 0, 1], dtype=bool)      # [ True  True False False  True]

# 调整数据类型
t6 = t5.astype("int8")
print(t6)        # [1 1 0 0 1]
print(t6.dtype)  # int8

# numpy中的小数
t7 = np.array([random.random() for i in range(4)])
print(t7)           # [0.5571627  0.1623156  0.40395393 0.34839485]
print(t7.dtype)     # float64

# numpy将小数保留为2位小数
t8 = np.round(t7, 2)
print(t8)           # [0.98 0.98 0.82 0.83]

》numpy中常见的更多数据类型
在这里插入图片描述

二、数组(numpy)的形状

1、查看数组的形状：shape

在这里插入图片描述
》如第8行，(2, 3)即二维数组。第一个值表示行数，第二个值表示列数
》怎么区分几维数组，就看shape属性返回的值的个数。只有一个值时，那么就为一维数组；有两个值时，那么为二维数组…

2、 修改数组的形状：reshape()

在这里插入图片描述
》如第17行，(2, 3, 4)即三维数组。第一个值表示2块，第二值表示每块有3行，第三值表示每块有4列
》通常处理二维数组数据较多（或者多维数组转为二维数组使用的情况）

3、 其他：

》flatten() 表示：将数组展开并返回一个一维数组
在这里插入图片描述

三、数组(numpy)计算

1. 数组和数的计算

在这里插入图片描述
》可以进行 加减乘除的运算，这是numpy的“广播机制”造成的，加减乘除的值被广播到所有的元素上面
》如第36行，数组除0不会报错，只是报警告，依然有返回结果
》nan表示：不是一个数(not a number)；inf表示：无穷大(infinite)

2. 数组和数组的计算

》相同数组间运算
在这里插入图片描述
》不同数组间运算（当数组之间的某一维度上相同【行维度/列维度】）
在这里插入图片描述
》不同数组间运算（当数组之间的某一维度上不相同【行维度/列维度】）【报错！！！】
在这里插入图片描述

四、轴(axis)的概念

》在numpy中可以理解为 方向。用0，1，2…数字表示，对于一个一维数组，只有一个0轴，对于二维数组(shape(2,2))，有0轴和1轴，对于三维数组(shape(2,2,3))，有0、1、2轴
》如：np.arange(0,10).reshape((2,5))，reshape中2表示0轴长度，1轴长度为5，2x5一共10个数据

》具体显示如下图：
在这里插入图片描述
》axis= 0 对a的 横轴（行） 进行操作，在运算的过程中其运算的方向表现为纵向（列）运算
》axis= 1 对a的 纵轴（列） 进行操作，在运算的过程中其运算的方向表现为横向（行）运算

》案例如下：

a = [[0,1,3],[1,2,2]]
n = np.array(a)
print(n.sum(axis=0))  # 即对横轴（行）进行操作，运算方向为纵轴方向（列），对每一列进行求和
print(n.sum(axis=1))  # 即对纵轴（列）进行操作，运算方向为横轴方向（行），对每一行进行求和
 
print(n.max(axis=0))
print(n.max(axis=1))

'''
运行结果为：
[1 3 5]
[4 5]
[1 2 3]
[3 2]
'''

五、numpy读取数据

》简单了解即可，以csv文件格式为例。（后续读取文件用pandas，功能更强大）

介绍一下 csv：
CSV：Comma-Separated Value，逗号分隔值文件
显示：表格状态
源文件：换行和逗号分隔行列的格式化文本，每一行的数据表示一条记录
【由于csv便于展示、读取和写入，所以很多地方也是用csv的格式存储和传输中小型的数据】

》用该代码读取文件：np.loadtxt(frame,dtype=np.float,delimiter=None,skiprows=0,usecols=None,unpack=False)

参数解释
frame文件、字符串或产生器，可以是.gz或bz2压缩文件
dtype数据类型，可选，CSV的字符串以什么数据类型读入数组中，默认：np.float，也可简写：float
delimiter分隔字符串，默认是任何空格，CSV中需要改为：逗号
skiprows跳过前x行，一般跳过第一行表头
usecols读取指定的列，索引，元组类型
unpack如果True，读入属性将分别写入不同数组变量，False读入数据只写入一个数组变量，默认False【一般该参数用于转置（下面案例会提及）】

》详细看如下代码：（该csv文件在此链接：us_video.csv）

import numpy as np

# 导入需要处理的csv文件
file_name = "./us_video.csv"

# numpy读取csv文件的一般写法（文件名，分隔符(逗号)，数据类型）
t1 = np.loadtxt(file_name, delimiter=",", dtype=int)
print(t1)
'''
[[4394029  320053    5931   46245]
 [7860119  185853   26679       0]
 [5845909  576597   39774  170708]
 ...
 [1338533   69687     678    5643]
 [1056891   29943     878    4046]]
'''

# 在上面的读取文件方法添加参数：unpack，将数据进行转置【即每一列的数据转到每一行上】（如下代码结果，也就是将t1的返回值以对角线进行翻转）
t2 = np.loadtxt(file_name, delimiter=",", dtype=int, unpack=True)
print(t2)
'''
[[4394029 7860119 5845909 ... 1338533 1056891]
 [320053  185853  576597   ...   69687 29943]
 [5931   26679   39774    ...  678 878]
 [46245       0  170708   ...  5643 4046]]
'''

1、关于numpy的转置

在这里插入图片描述

2、numpy索引和切片

》详细看如下代码：（该csv文件在此链接：us_video.csv）

import numpy as np

# 导入需要处理的csv文件
file_name = "./us_video.csv"

# numpy读取csv文件的一般写法（文件名，分隔符(逗号)，数据类型）
t1 = np.loadtxt(file_name, delimiter=",", dtype=int)
# print(t1)
'''
[[4394029  320053    5931   46245]
 [7860119  185853   26679       0]
 [5845909  576597   39774  170708]
 [2642103   24975    4542   12829]
 [1168130   96666     568    6666]
 [1311445   34507     544    3040]
 [ 666169    8895     289    1071]
 [1728614   74062    2180   15297]
 [1338533   69687     678    5643]
 [1056891   29943     878    4046]]
'''

# 》取行————
# 写法一：
# 取单行
print(t1[2])                # [5845909  576597   39774  170708]
# 取连续多行
print(t1[8:])               # 取索引为8及后面的多行数据
# 取不连续的多行
print(t1[[2, 7, 8]])        # 取2、7、8行

# 写法二：（以逗号为分节点"[,]"； ","左边为行， ","右边为列）
print(t1[2, :])             # 取单行
print(t1[8:, :])            # 取连续多行
print(t1[[2, 7, 8], :])     # 取不连续的多行

# 》取列————
#（以逗号为分节点"[,]"； ","左边为行， ","右边为列）
print(t1[:, 2:])            # 取连续多列
print(t1[:, [0, 2]])        # 取不连续多列

# 》取值————
#（以逗号为分节点"[,]"； ","左边为行， ","右边为列）
print(t1[2, 3])             # 取第三行，第四列的值（取行和列的值）
print(t1[2:5, 1:4])         # 取第三行到第五行，第二列到第四列的值（取多行和多列的值）【取的是行和列交叉点的位置】
# 取多个不相邻的点
print(t1[[0, 2, 2], [0, 1, 3]])   # 选取出来的点是：(0,0)、(2,1)、(2,3)

# 》切片————
# (加上 ":" 切片操作即可)
print(t1[:, 2::2])      # 在38行代码的基础上修改(加上 ":" 切片操作)，最终取到第三列隔两列取值
print(t1[2:5, 1:4:2])   # 在44行代码的基础上修改(加上 ":" 切片操作)，最终取到第三行到第五行的第二列和第四列中隔两列取值

3、numpy中数值的修改

》直接赋值即可
如：t[: , 2: 4] = 0 将数组中第三列到第四列的数值全部赋值为0

4、numpy中布尔索引

》需求：把数组中小于10的数字替换为3
在这里插入图片描述

5、numpy中三元运算符

》常见的python三元运算格式：a = 3 if 3>2 else 4
》需求：把数组中小于3的数字替换为100，把大于3的替换为300【用np.where()方法】
在这里插入图片描述

6、numpy中的clip(裁剪)

》需求：把数组中小于10的数字替换为10，把大于18的替换为18
在这里插入图片描述
》上图的nan即 “not a number”，它是如下操作进行赋值的：
在这里插入图片描述

六、numpy中的nan和inf

  • nan(NAN,Nan)：not a number 表示不是一个数字
  • inf(-inf,inf)：infinity inf表示正无穷、-inf表示负无穷

》nan 和 inf 都是浮点类型(float)

》什么时候numpy会出现nan：

  1. 当读取本地的文件为float的时候，如果有缺失，就会出现nan
  2. 当做了一个不合适的计算的时候（如：无穷大减去无穷大、0除以0等）

》什么时候会出现inf：(包括：-inf、inf)

  1. 比如一个数字除以0，（python中直接会报错，numpy中是一个inf或者-inf）

nan的注意点：

  1. 两个nan是不相等的
  2. 用count_nonzero()方法计算nan的个数
    。np.count_nonzero(t2!=t2)
    。np.count_nonzero(np.isnan(t2))【用np.isnan(t2)来判断是否有nan值】
  3. nan和任何值计算都为nan
    在这里插入图片描述在这里插入图片描述
    》np.isnan(t2) 和 t2!=t2一样，返回的结果都是 布尔型 数组，其中值为nan的返回True，值不为nan的返回False
    在这里插入图片描述在这里插入图片描述

有关nan的问题：

问： 在一组数据中单纯的把nan替换为0，合适吗？会带来什么样的影响？
答： 比如，全部替换为0后，替换之前的平均值如果大于0，替换后的均值肯定会变小，所以一般的方式是把缺失的数值替换为 均值（中值） 或者是 直接删除有缺失值的一行
》所以下面介绍以下如何计算一组数据的中值或者是均值、还有如何删除有缺失数据的那一行/列（在pandas中会介绍）

numpy中常用统计函数

在这里插入图片描述

案例

》结合上面所讲的知识进行串联！！！
》案例：将第2行第3、4列的值为nan，计算每一列的均值，再把均值赋值给nan值的位置上

import numpy as np

t1 = np.arange(12).reshape(3, 4).astype("float")    # 二维数组(3行4列)，类型为浮点型
t1[1, 2:] = np.nan       # 让第2行第3、4列的值为nan
print("未做改变的数组：")
print(t1)
print("="*20)

for i in range(t1.shape[1]):    # t1.shape 获取到数组的形状为二维数组(3,4)。t1.shape[1] 获取到二维数组的列，即4
    # 遍历每一列
    temp_col = t1[:, i]  # 获取当前一列
    nan_num = np.nonzero(temp_col != temp_col)  # 获取到当前一列的nan个数
    if nan_num != 0:     # 如果不为0，则表示当前这一列中有nan值
        # 【temp_col != temp_col 可以获取到为nan的值，反之temp_col == temp_col 获取到不为nan的值】
        temp_not_nan = temp_col[temp_col == temp_col]   # 获取到当前一列不为nan值的数组

        # temp_not_nan.mean()：计算不为nan值的数组的均值
        # np.isnan(temp_col)和temp_col != temp_col方法一样，获取到为nan的值
        temp_col[np.isnan(temp_col)] = temp_not_nan.mean()  # 将求到的均值赋值给原本的nan值的位置

print("做改变后的数组：")
print(t1)

'''
输出结果为：
								注：❗
未做改变的数组：					》temp_col == temp_col 返回的结果如下：返回布尔型的数组（根据True和False可以判断出：True为非nan值，False为nan值）
[[ 0.  1.  2.  3.]				[ True  True  True]						
 [ 4.  5. nan nan]				[ True  True  True]
 [ 8.  9. 10. 11.]]				[ True False  True]
====================			[ True False  True]
做改变后的数组：
[[ 0.  1.  2.  3.]				》根据上面的布尔型数组，得出temp_not_nan 数组返回的结果如下：（获取到当前不为nan值的数组）
 [ 4.  5.  6.  7.]				[0. 4. 8.]
 [ 8.  9. 10. 11.]]				[1. 5. 9.]
 								[ 2. 10.]
 								[ 3. 11.]
'''

七、数组的拼接

》数组的拼接

在这里插入图片描述

》数组的行列交换

在这里插入图片描述

八、numpy的其他方法

  1. 获取最大值、最小值的位置
    -》np.argmax(t, axis=)
    -》np.argmin(t, axis=)
  2. 创建一个全0的数组：np.zeros((3, 4)) # 创建一个3行4列全为0的数组
  3. 创建一个全1的数组：np.ones((3, 4)) # 创建一个3行4列全为1的数组
  4. 创建一个对角线为1的正方形数组（方阵）：np.eye(3) # 创建一个3行3列的数组，对角值都为1
  5. numpy生成随机数，如下图所示：
    在这里插入图片描述
  6. numpy的注意点！！！ copy 和 view
    - a=b 完全不复制，a和b相互影响 【类似浅拷贝】
    - a=b[:]，视图 的操作，一种切片，会 创建新的对象a，但是a的数据完全由b保管，他们两个的数据变化是一致的 【类似浅拷贝】
    - a=b.copy()，复制，a和b互不影响 【类似深拷贝】
    - 还有另一种写法：a=a[:]，即直接在a中进行赋值，不用考虑上面的拷贝问题
ytraister
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
prioqueue：ES6的优先级队列
02-05
优先队列 ES6的优先级队列 描述 ES6实现具有TypeScript支持的优先级队列数据结构。 请访问以了解更多有关如何将此文档翻译成更多语言的信息。 内容 安装 纱 yarn add prioqueue NPM npm install prioqueue 深入 优先级队列是一种抽象队列类型，类似于常规队列或堆栈数据结构，但是其中每个项目都具有与其关联的priority 。 在优先级队列中，优先级高的项先于优先级低的项。 为了提高性能，Prioqueue优先级队列使用数组实现的二进制堆作为其骨干，从而为插入和删除提供O(log n)性能。 用法 Prioqueue公开了可链接的API，可
使用ES6的方式求数组中的最大值
Lipn_的博客
10-27 448
js求数组中的最大值最小值
科学计算库Numpy的详细使用方法【很全面】
最新发布
不懂哦的博客
04-17 1176
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。NumPy 的前身 Numeric 最早是由 Jim Hugunin 与其它协作者共同开发，2005 年，Travis Oliphant 在 Numeric 中结合了另一个同性质的程序库 Numarray 的特色，并加入了其它扩展而开发了 NumPy。NumPy 为开放源代码并且由许多协作者共同维护开发。
ES6栈方法和队列方法
百度一下 猎人社区
05-02 1472
以上就是 ES6 中数组的栈方法和队列方法的介绍。虽然 JavaScript 中没有专门的栈和队列对象，但我们可以通过使用数组来模拟这些数据结构。在实际编程中，我们应当选择最适合自己的数据结构来完成相应的任务。
扩展运算符【 求最大值】ES6
weixin_59519449的博客
12-16 596
思路： 总共使用三种方法 1. for 循环 遍历数组的下标 2.利用Math 取最大值 3.利用 Math.max.apply(null,arr) let arr = [34, 78, 20, 99, 0, 2] //如何求最大值 let max = arr[0] //设置一个默认项 for (let index = 0; index < arr.length; index++) { ...
JavaScript(ES6)数据结构与算法之队列
bfbshs_ddd的博客
11-21 114
队列也是一种受限的线性结构，只能一端移除一端插入，且FIFO先入先出
numpy-1.16.6.zip
07-07
《numpy-1.16.6.zip：Python数据分析的核心库Numpy详解》 在Python的世界里，数据分析是一项至关重要的任务，而Numpy则是这个领域中的基石。Numpy，全称Numerical Python，是Python编程语言的一个开源库，专门用于...
NumPy中文文档
03-03
NumPy是Python编程语言中的一个核心库，专为科学计算设计，特别是在数据分析、图像处理以及机器学习等领域有着广泛的应用。这个“NumPy中文文档”包含了关于这个库的详细信息，帮助用户更好地理解和使用NumPy的功能...
python获取二位数组行列数
weixin_43883907的博客
05-08 3813
import numpy as np x = np.array([[1,2,5],[2,3,5],[3,4,5],[2,3,6]]) # 输出数组的行和列数 print x.shape # (4, 3) # 只输出行数 print x.shape[0] # 4 # 只输出列数 print x.shape[1] # 3 ...
es6 数组找最大值_JavaScript（es6）数组常用的方法
weixin_42375011的博客
02-01 2219
常用方法 1.forEach() var data = [1,2,3,4,5]; var sum = 0;//求和 data.forEach((item)=>{sum+=item}) //给原数组的每个值加1 data.forEach((value,index,data)=>{data[index] = value + 1}) 2.concat() //合并多个数组，返回合并后...
ES6快速求出数组中的最大值和最小值
weixin_45966674的博客
11-25 5464
现阶段开发基本不考虑IE，ES6的简便语法也可以被大规模使用，可喜可贺 假定我们现在有一更纯数字数组 let Arrp = [1,2,3,4,5,6] 我们可以通过ES6语法快速的获取到他的最大最小值 let MaxArrp = Math.max(...Arrp) let MinArrp = Math.min(...Arrp) console.log(MaxArrp) console.log(MinArrp) ...
.net 遍历数组找重复值写入一个新数组_自学Java笔记_day04_第四章 数组
weixin_39636717的博客
11-23 139
4.1 数组的相关概念和名词(了解)1、数组(array)：​ 一组具有相同数据类型的数据的按照一定顺序排列的集合。​ 把有限的几个相同类型的变量使用一个名称来进行统一管理。2、数组名：​ (1)这个数组名，代表的是一组数​ (2)这个数组名中存储的整个数组的“首地址”3、下标(index)：​ 我们使用编号、索引、下标来区别表示一组数当中某一个。​ 范围：[0,数组长度-1]​ 例如：for(i...
ES6获取数组中的最大值
热门推荐
kerryqpw的博客
07-11 1万+
ES6获取数组中的最大值 var arr = [323,442,34,34,123,12,31,233,323,34,657,534,234,23,4]; var max = arr.reduce(function(a , b){ return b > a ? b : a; }); console.log(max);
es6 数组找最大值_28 遍历数组练习
weixin_27885313的博客
12-11 531
遍历数组练习求数组[2,6,1,7,4]里面所有元素的和以及平均值。var arr = [2, 6, 1, 7, 4]; var sum = 0; for(var i=0; i<arr.length; i++){ sum = sum + arr[i]; } var average = sum/arr.le...
JavaScript获取数组中最大最小值(es6好NB)
高晨辉的博客
09-27 688
取出数组中最大值或最小值是开发中常见的需求，今天继续讲解如何获取javascript数组中最大和最小值。 1.排序法 首先我们给数组进行排序，可以按照从小到大的顺序来排，排序之后的数组中第一个和最后一个就是我们想要获取的最小值和最大值。 排序我们会用到数组的 sort 方法。 var arr = [12,56,25,5,82,51,22]; arr.sort(function (a, b) { return a-b; }); // [5,12,22,25,51,56] var min ..
Python数据分析(六) —— numpy创建数组的基本操作
涵涵啦啦啦的博客
11-26 1684
这篇文章主要写了一些numpy的基本操作，包括数组的生成(一维、多维)，同时讲解了不同维度数组的 转化，以及不同类型数组的转化，让大家对数组有个整体直观的认识。
numpy-user官方使用手册
10-23
"numpy-user官方使用手册" NumPy是Python科学计算的核心库，它为Python提供了一个多维数组对象，以及各种派生对象（如掩码数组和矩阵），并包含了一系列用于快速操作的算法。这个官方用户手册是NumPy 1.21.0版本的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值