数据分析相关学习 -1 numpy

╰半夏微凉° 2021-11-26 11:10 322阅读 0赞

**前情提要:**

**　　数据分析:把一些看似杂乱无章的数据背后的信息提炼出来,总结出所研究**

**对象的内在规律**

**　　数据分析的三剑客: numpy,pandas,matplotlb**

**　　**

**　　numpy是python语言的一个扩展程序库,支持大量的维度数组与矩阵的运算**

**　,此外,也针对数组的运算,提供了大量的数学函数库**

**一: 创建ndarray**

**导包**

import numpy as np

**1: 创建数组 np.array()**

**　　1=>1: 创建一个一维数组**

np.array([1,2,3,4,5])
    
    
    输出:
    array([1, 2, 3, 4, 5])

**　　1=>2:创建一个二维数组**

in:
    np.array([[1,2,3],[4,'a',6],[6,7,8]])
    
    out:
    array([['1', '2', '3'],
           ['4', 'a', '6'],
           ['6', '7', '8']], dtype='<U11')

**　　　　　注意: numpy的默认的ndarray的所有数据元素的类型是相同的.**

**　　　　　　　　如果传进ladies列表中包含不同的类型,则统一为统一类型**

**　　　　　　优先级:**

**　　　　　　　　str>float>int**

**　　　2:使用np的routines函数创建**

**　　　　包含以下常见创建方法:**

**　　　　　　2=>1:**

**　　　　　　np.ones(shape,dtype=None,order='c') 创建纯一的数组**

**　　**

in:
    np.ones(shape=(3,3))
    out:
    
    Out[9]:
    array([[1., 1., 1.],
           [1., 1., 1.],
           [1., 1., 1.]])

**　　　　　　2=>2:**

**　　　　　　np.zeros(shape,dtpye=None,order='c') 创建一个纯0的数组**

in:
    np.zeros(shape=(3,3))
    
    out
    array([[0., 0., 0.],
           [0., 0., 0.],
           [0., 0., 0.]])

**　　　　　2=>3:**

**　　　　　　np.full(shape,fill\_value,dtype=None,order='c') 创建一个所有数字都一样的列表**

in:
    np.full(shape=(3,3),fill_value=100)
    out:
    array([[100, 100, 100],
           [100, 100, 100],
           [100, 100, 100]])

**　　　2=>4:**

**　　　　　　np.lispace(start,stop,num=50,endpoint=True. retstep=False, dtype=None)**

**　　　　　　等差数列**

**　　　　**

np.linspace(1,100,num=20)

**Out\[19\]:**

array([  1.        ,   6.21052632,  11.42105263,  16.63157895,
            21.84210526,  27.05263158,  32.26315789,  37.47368421,
            42.68421053,  47.89473684,  53.10526316,  58.31578947,
            63.52631579,  68.73684211,  73.94736842,  79.15789474,
            84.36842105,  89.57894737,  94.78947368, 100.        ])

**　　　2=>5:**

**　　　　np.arange(0,100,step=2)**

**　![1140100-20190616205020263-396285032.png][]**

**　　2=>6: 产生随机的整数**

**　　np.random.randint(low,high=None,size=None,dtype='l')**

**　　![1140100-20190616205659895-1147961172.png][]**

**　　2=>7: 标准正太分布**

**![1140100-20190616205837295-52854494.png][]**

**　　二: ndarray的属性**

**　 4个必计参数:ndim ; 维度 shape :形状 (各维度的长度) size :总长度**

**　　dtype :元素类型**

**　　　　　　ndim 维度**

**　　![1140100-20190616210100865-238931183.png][]**

**　　　　size :总长度**

**![1140100-20190616210343474-409028950.png][]**

**　　　dtype 数据类型**

**![1140100-20190616210513972-2120834515.png][]**

**三: ndarray的基本操作**

**1 :索引**

**一维与列表完全一致 多维时同理**

**![1140100-20190616210821528-750175106.png][]**

**根据索引修改数据**

**![1140100-20190616211022486-2045426287.png][]**

**2 切片**

**一维与列表完全一致 多维时同理**

**　　　　　　样本数据**

**![1140100-20190616211405087-1120528041.png][]**

**2=>1: 获取前两行**

**![1140100-20190616211503144-902432579.png][]**

**2=>2: 获取前两列**

**![1140100-20190616211630556-2070558608.png][]**

**2=>3:获取前两列的前两行**

**![1140100-20190616211707134-1245152063.png][]**

**2=>4: 行倒序**

**![1140100-20190616212409921-102390707.png][]**

**2:=>5: 列倒序**

**![1140100-20190616212519446-950518609.png][]**

**2=>6: 全部倒序**

**![1140100-20190616212600651-1564010778.png][]**

**3 变形**

**使用arr.reshape(),注意参数是一个元组**

**基本使用**

**　　1.将一维数组变成多维数组,或多维数组变成以为数组**

**1=>1 :一变多**

**![1140100-20190620204637376-345452237.png][]**

**1=>2:多变一:**

**![1140100-20190620204729744-1921793347.png][]**

**4: 级联**

**np.concatenate()**

**注意: axis=0 轴像**

**0 表示 竖直方向,**

**1 表示水平方向**

**相同轴像的数据维度要相同**

**![1140100-20190620205238695-1853755997.png][]**

**5 切分:**

**与级联类似,三个函数完成切分工作:**

**np.split(arr,行/列号,轴):参数2是一个列表类型**

**![1140100-20190620205854271-219462572.png][]**

**注意: axis=1 的时候为竖着切 ,0为横着切**

**![1140100-20190620205918006-1249407841.png][]**

**四: ndarray的聚合操作**

**![1140100-20190620210150818-1480179164.png][]**

**![1140100-20190620210202097-188863021.png][]**

五 广播机制

ndarray广播机制的三条规则:缺失维度的数组将维度补充为进行运算的数组的维度。缺失的数组元素使用已有元素进行补充。

*  规则一：为缺失的维度补1(进行运算的两个数组之间的维度只能相差一个维度)
 *  规则二：缺失元素用已有值填充
 *  规则三：缺失维度的数组只能有一行或者一列

例子1 :

转载于:https://www.cnblogs.com/baili-luoyun/p/11013897.html

[1140100-20190616205020263-396285032.png]: /images/20211126/6409406837694e29933b0ce6ebf87eef.png
[1140100-20190616205659895-1147961172.png]: /images/20211126/388de092496a415bb7da8771e5025450.png
[1140100-20190616205837295-52854494.png]: /images/20211126/b377745a9b804539944e3cbb3235cdff.png
[1140100-20190616210100865-238931183.png]: /images/20211126/c2e09a52c6b744afa30f9aa59f3b8d56.png
[1140100-20190616210343474-409028950.png]: /images/20211126/b5b97ed696e64e9185a33b556b9fcc1d.png
[1140100-20190616210513972-2120834515.png]: /images/20211126/11fb301b1a134f4381fd2a5ea0c6b294.png
[1140100-20190616210821528-750175106.png]: /images/20211126/8a8b47485479430abe6568e43b83b187.png
[1140100-20190616211022486-2045426287.png]: /images/20211126/bcce0064af444e60925670077554fd0f.png
[1140100-20190616211405087-1120528041.png]: /images/20211126/36481f0de0414cc9adf26abe053a1f8d.png
[1140100-20190616211503144-902432579.png]: /images/20211126/bac97e8b08d948e3a25bb0f1049feb02.png
[1140100-20190616211630556-2070558608.png]: /images/20211126/34bf8268a0e44b3ea7dcc463bf468107.png
[1140100-20190616211707134-1245152063.png]: /images/20211126/de925d4078004c788b99c1399b1b1f64.png
[1140100-20190616212409921-102390707.png]: /images/20211126/b423eb16214b43ef9aa1c1167320ae03.png
[1140100-20190616212519446-950518609.png]: /images/20211126/c6837be0d3324165a2b1c1a01bbe612f.png
[1140100-20190616212600651-1564010778.png]: /images/20211126/9f313ac725f14215a4e1e01e432f0e45.png
[1140100-20190620204637376-345452237.png]: /images/20211126/3cc0cb6330b84dd6b47426d54c1818ab.png
[1140100-20190620204729744-1921793347.png]: /images/20211126/cfd29b70233445bd93325d1c9d02258b.png
[1140100-20190620205238695-1853755997.png]: /images/20211126/488b67e0776340c48a01b12ba8c33679.png
[1140100-20190620205854271-219462572.png]: /images/20211126/a899d497a6fb4df2be2ed9d443872b46.png
[1140100-20190620205918006-1249407841.png]: /images/20211126/fb46755780e64c489f670915bc0d48f7.png
[1140100-20190620210150818-1480179164.png]: /images/20211126/df829eb416a4435ebe2819ab0980b715.png
[1140100-20190620210202097-188863021.png]: /images/20211126/af0ecd575dae418a9d8e2b5878710c31.png