資料分析常用庫 numpy

乙個在python中做科學計算的基礎庫，重在數值計算，也是大部分python科學計算庫的基礎庫,常用於大型、多維陣列上執行數值計算。

numpy中的軸（axis）：

簡單理解為方向，使用0,1,2…數字表示，對於一位陣列，只有乙個0軸，對於二維陣列，有0軸和1軸，對於三維陣列有0,1,2軸。

如果兩個陣列的後緣維度（即從末尾開始算起的維度）的軸長度相符或者其中一方的長度為1，則認為它們是廣播相容的，廣播會在缺失和（或）長度為1的維度上進行。

值得一提的是：numpy陣列的廣播機制，在計算過程中，加減乘除的值會被廣播到所有的元素上面

建立：a = np.array([1,2,3,4,5]) / a = np.array(range(1,6)) / a = np.arange(1,6)：型別為ndarray陣列

指定常見資料型別dtype、修改陣列的資料型別astype

a = np.array([1,0,1,0], dtype=np.fool)

檢視陣列的形狀：a.shape

修改陣列的形狀：a.reshape(返回的輸出值，原陣列不變)

把陣列轉化為一維度陣列：a.flatten() 不能用a.reshape(1,12):嘗試一下發現並非一維陣列

csv：逗號分隔值檔案/顯示：**狀態原始檔：換行和逗號分隔行列的格式化文字，每一行的資料表示一條記錄

對於txt檔案：np.loadtxt(fname,dtype=np.float,delimiter=none,skiprows=0,usecols=none,unpack=false)

dtype：預設情況下對於較大的資料會將其變為科學技術的方式 delimiter：分隔字串，預設是任何空格，改為逗號（指定邊界符號是什麼，不指定將會導致每行資料為乙個整體的字串而報錯） skiprows：跳過前x行們一般跳過第一行表頭 usecols：讀取指定的行列，索引，元組型別 unpack：若true，讀入屬性將分別寫入不同陣列變數，false讀入資料值寫入乙個陣列變數，預設為 false（效果例項：預設是false(0)，預設情況下有多少條資料就會有多少行，為true(1)的情況下，每一列資料會組成一行，原始資料有多少列，載入出來的資料就會有多少行，相當於轉置的效果numpy中轉置的處理方t.transpose()/t.swapaxes(1,0)/t.t）

取行/列：a[1]:取一行 a[:,2]:取一列 a[1:3]:取多行 a[:,2:4]:取多列
a[[1,3],:] / a[:,[2,4]]:取特定行列

三元運算子：np.where(t<10,0,10):小於10替換為0，其餘替換為10
clip(裁剪):t.clip(10,18)：小於10替換為10，大於18替換為18，nan不會被替換

當讀取本地的檔案為float時，若有缺失，就會出現nan（或者做了不合適計算） inf表示正無窮、-inf表示負無窮注意：兩個nan是不相等的判斷nan的個數：np.count_nanzero(t!=t)/判斷是否為nan：np.isnan(t) nan和任何值計算都為nan

求和：t.sum(axis=none)

均值：t.mean(a,axis=none) 受離群點的影響較大

中值：np.median(t,axis=none)

最大值：t.max(axis=none)

最小值：t.min(axis=none)

極值：np.ptp(t,axis=none) 即最大值和最小值只差

標準差：t.std(axis=none)

獲取最大值最小值的位置

np.argmax(t,axis=0)

np.argmin(t,axis=1)

建立乙個全0的陣列: np.zeros((3,4))

建立乙個全1的陣列:np.ones((3,4))

建立乙個對角線為1的正方形陣列(方陣)：np.eye(3)

處理缺失值，用pandas庫更方便

numpy中複製用函式a=b.copy()

資料拼接：np.vstack((t1,t2)):豎直拼接 / np.hstack((t1,t2)):水平拼接

行列交換：t[[1,2],:]=t[[2,1],:]:行交換 / t[:,[0,2]]=t[:,[2,0]]:列交換

資料分析常用庫 numpy

資料分析之numpy庫

numpy資料分析

資料分析 Numpy

資料分析常用庫 numpy

資料分析之numpy庫

numpy資料分析

資料分析 Numpy

相關推薦