python 資料分析 （4）numpy陣列的運算

陣列的運算:對應元素的運算,結構完全相同

import numpy as np

arr1 = np.arange(1,
17).reshape((4
,4))
# print(arr1)
arr2 = np.diag([2
,3,1
,5])
# 建立乙個對角陣列
# print(arr2)
arr3 = arr1 * arr2  # 乘法
# print(arr3)
arr4 = arr2 / arr1  # 除法  被除數不能為0
# print(arr4)
arr5 = arr1**arr2  # 冪運算  後乙個陣列為前乙個陣列的指數
# print(arr5)
arr6 = arr2%arr1  # 取餘
# print(arr6)

[[0 0 0 0]

[0 3 0 0]
[0 0 1 0]
[0 0 0 5]]

print

(arr1 > arr2)
# 對應元素的比較,成立為true,不成立為false

[[false  true  true  true]

[ true  true  true  true]
[ true  true  true  true]
[ true  true  true  true]]

# 將 arr1中大於8的值取出

mask = arr1 >
8print
(mask)
print
(arr1[mask]
)# 可以使用相同結構的mask對陣列進行取值

[[false false false false]

[false false false false]
[ true  true  true  true]
[ true  true  true  true]]
[0 0 1 0 0 0 0 5]

# 邏輯與運算:all(布林陣列)  全為true才為true

np.all
(mask)
# false
# 邏輯或運算:any(布林陣列)  有true就為true
np.any
(mask)

true

arr7 = np.array([[

1],[
0],[
1],[
0]])
# 列向量
arr8 = np.array([1
,0,1
,0])
# 行向量
arr9 = arr1+arr7  # 二維陣列和類向量進行運算
arr10 = arr1+arr8  # 二維陣列和行向量進行運算
arr11 = arr1+np.array([1
])# 二維和單個數的陣列也能進行廣播
# print(arr11)

[[ 2  3  4  5]

[ 6  7  8  9]
[10 11 12 13]
[14 15 16 17]]

sort 會修改原陣列,沒有返回值

# sort 會修改原陣列,沒有返回值

arr12 = np.array([21
,10,20
,8,15
,1])
# arr12.sort()
# print(arr12)  # [ 1  8 10 15 20 21]

進行排序,有返回值,返回值對應為元素在排序前的索引

# argsort  進行排序,有返回值,返回值對應為元素在排序前的索引

print
(arr12.argsort())
# [5 3 1 4 2 0]對應元素在排序前的索引
print
(arr12)

[5 3 1 4 2 0]

[21 10 20  8 15  1]

# 二維陣列的排序 sort 

# 引數說明
# axis : 指定對應的軸進行排序 預設是axis=-1 是最後乙個軸進行排序
# kind: 是排序的使用的方法
arr13 = np.array([[
12,2,
3,45,
4],[
12,34,
345,
567,56]
])# arr13.sort(axis=0)
# int(arr13)

# argsort 有返回值,返回值為排序前的索引

print
(arr13.argsort(
))

[[1 2 4 0 3]

[0 1 4 2 3]]

利用python進行資料分析 02 numpy基礎

ndarray 多維陣列物件 ndarray是乙個通用的同構資料多維容器，每個陣列均有乙個shape 表示維度大小 和dtype 說明陣列資料型別的物件 eg data.shape 2,3 data.dtype dtype float64 1 建立ndarray data1建立arr1的ndarra...

python資料分析4

為啥要用python中的pandas庫進行資料分析，用excel不可以嗎？不可以，excel處理上萬條資料時通常會宕機或者出錯，python不會有這種問題。相信鯉魚學長，在學習乃至日後工作中，pandas庫將會風靡相當長一段時間。在資料處理中我們經常用到視覺化，視覺化可以直觀地識別資料中的趨勢。我們...

資料分析（4）

資料質量分析 主要針對缺失值 異常值 不一致的值 重複資料以及含有特殊符號 異常值的查明箱型圖統計 利用箱型圖對資料異常值進行查明 import os path os.path.abspath 當前所處資料夾的絕對路徑 import pandas as pd catering sale data c...