数据分析之numpy篇

灰太狼 2022-09-14 03:00 318阅读 0赞

## 数据分析之numpy篇 ##

### 文章目录 ###

*   *  数据分析之numpy篇
     *   *  numpy简介
         *  数据类型相关
         *  数组的形状
         *  数组的计算
         *  numpy转置
         *  numpy索引和切片
         *  数值修改和bool索引
         *  三元运算符where
         *  裁剪clip
         *  数组的拼接
         *  数组的行列交换
         *  最值、全0/1数组、I/E
         *  numpy生成随机数
         *  numpy的copy和view
         *  numpy中的nan和inf
         *  nan的\`注意点\`
         *  numpy中的常用统计函数
         *  小练习：将nan赋值为mean()
         *  总结

### numpy简介 ###

设么是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，多用在大型、多维数组上执行数值运算。

### 数据类型相关 ###

import numpy as np
    import random
    
    #使用numpy生成数组，得到ndarray的类型
    t1 = np.array([1, 2, 3])
    print(t1)
    print(type(t1))
    
    t2 = np.array(range(10))
    print(t2)
    print(type(t2))
    
    t3 = np.arange(4, 18, 3)
    print(t3)
    print(type(t3))
    print(t3.dtype)
    
    #numpy中的数据类型
    t4 = np.array(range(1, 4), dtype="float32")
    print(t4)
    print(t4.dtype)
    
    #numpy中的bool类型
    t5 = np.array([1, 0, 1, 0, 0, 0, 1, 1, 1], dtype=bool)
    print(t5)
    print(t5.dtype)
    
    #调整数据类型
    t6 = t5.astype("int8")
    print(t6)
    print(t6.dtype)
    
    #numpy中的小数类型
    t7 = np.array([random.random() for i in range(6)])
    print(t7)
    print(t7.dtype)
    
    t8 = np.round(t7, 3)
    print(t8)

--------------------

### 数组的形状 ###

import numpy as np
    
    #查看数组的形状 shape
    t1 = np.arange(12)
    print(t1)
    print(t1.shape)
    
    t2 = np.array([[1, 2, 3], [4, 5, 6]])
    print(t2)
    print(t2.shape)
    print("行", t2.shape[0])
    print("列", t2.shape[1])
    
    t3 = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [2, 9, 0]]])
    print(t3)
    print(t3.shape)
    
    #修改数组的形状 reshape()
    t4 = np.arange(24)
    print(t4)
    
    t5 = t4.reshape((4, 6))
    print(t5)
    print(t5.shape)
    
    t6 = t4.reshape((3, 2, 4))
    print(t6)
    print(t6.shape)
    
    #按行展开 .flatten()
    t7 = t6.flatten()
    print(t7)
    print(t7.shape)

--------------------

### 数组的计算 ###

数组与数组之间进行加减乘除运算时，满足以下原则：

**广播原则**：如果两个数组的后缘维度（trailing dimension，即从末尾开始算起的维度）的轴长度相符或其中一方的长度为1，则认为它们是广播兼容的。广播会在确实和（或）长度为1的维度上进行。

简单来说，就是两个数组的`shape后几位`必须相符合。

import numpy as np
    
    t1 = np.arange(10, 34).reshape(4, 6)
    print(t1)
    
    #加k
    t2 = t1 + 2
    print(t2)
    
    t3 = np.arange(100, 124).reshape(4, 6)
    #加减乘除相同形状大小矩阵
    t4 = t1 + t3
    print(t4)
    t5 = t1 - t3
    print(t5)
    t6 = t1 * t3
    print(t6)
    t7 = t1 / t3
    print(t7)
    t8 = t3 // t1
    print(t8)
    t9 = np.arange(0, 6) ** 2
    print(t9)
    
    #与相同行或者列数组进行运算（每一组都将参与运算）
    a1 = np.arange(10, 34).reshape(4, 6)
    a2 = np.arange(0, 6)
    a3 = np.arange(4).reshape(4, 1)
    a5 = a1 - a2
    print(a5)
    a6 = a1 - a3
    print(a6)

--------------------

### numpy转置 ###

**轴（axis）**：在numpy中可以理解为方向，使用0,1,2…数字表示，对于一个一维数组，只有一个0轴，对于2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。

`transpose 或 T 或 交换轴`

t1 = np.arange(12).reshape(3, 4)
    #矩阵的转置 transpose 或 T 或 交换轴
    t2 = t1.transpose()
    t3 = t1.T
    t4 = t1.swapaxes(1, 0)

### numpy索引和切片 ###

a1 = np.arange(48).reshape(6, 8)
    print(a1)
    #取行
    print(a1[2])
    #取连续的多行
    print(a1[4:])
    #取不连续的多行
    print(a1[2::2])
    print(a1[[0, 3, 4]])
    
    #取列
    print("取列: ", a1[:,1])
    print("取3列及其以后列元素：\n", a1[:,2:])
    print("取3,5,6列：\n", a1[:,[2, 4, 5]])
    
    #取多行多列, 取第3行，第4列的值
    print(a1[2, 3])
    print(type(a1[2,3]))  #<class 'numpy.int32'>
    
    #取多行多列， 取第3行到地5行， 第2列到第4列的元素(交叉元素)
    print(a1[2:5, 1:4])
    
    #取多个不相邻的点(0, 0) (2, 1), (4, 5)
    b = a1[[0,2,4], [0,1,5]]
    print(b)

--------------------

### 数值修改和bool索引 ###

在对应索引切片处赋值即可

import numpy as np
    
    a = np.arange(48).reshape(6, 8)
    print(a)
    b1 = a < 10
    print(b1)
    a[a < 10] = 123
    print(a)
    a[[2, 3, 4],[0, 1, 3]] = 1
    print(a)
    
    b2 = a
    b2[b2 < 10] = 0
    b2[b2 > 10] = 10
    print(b2)

--------------------

### 三元运算符where ###

a = np.arange(48).reshape(6, 8)
    print(a)
    b = a
    b[b < 20] = 0
    b[b >= 20] = 100
    print(b)
    #即将小于20赋值为0， 大于等于20 赋值为100
    #使用  三元运算符 等价于
    c = a
    np.where(c < 20, 0, 100)
    print(c)

### 裁剪clip ###

a = np.arange(48).reshape(6, 8)
    print(a)
    #将小于15的替换为15，大于30的替换为30
    b = a.clip(15, 30)
    print(b)

### 数组的拼接 ###

*  `np.vstack((t1, t2))` \#竖直拼接
 *  `np.hstack((t1, t2))` \#水平拼接

t1 = np.arange(12).reshape(2, 6)
    t2 = np.arange(24, 36).reshape(2, 6)
    print("t1\n{}".format(t1))
    print("t2\n{}".format(t2))
    t3 = np.vstack((t1, t2))  #竖直拼接
    t4 = np.hstack((t1, t2))  #水平拼接
    print("t1 和 t2 竖直拼接\n {}".format(t3))
    print("t1 和 t2 水平拼接\n {}".format(t4))

分割时方向恰恰与拼接相反

### 数组的行列交换 ###

索引赋值即可

a = np.arange(48).reshape(6, 8)
    print(a)
    #行交换
    a1 = a
    a1[[1, 2],:] = a1[[2, 1],:]
    print(a1)
    #列交换
    a2 = a
    a2[:,[3, 7]] = a2[:,[7, 3]]
    print(a2)

### 最值、全0/1数组、I/E ###

*  获取最大值和最小值的**位置**
    
    1.  `np.argmax(t.axis=0)`
    2.  `np.argmin(t.axis=1)`
 *  创建一个全0的数组：`np.zeros((3,4))`
 *  创建一个全1的数组：`np.ones((3,4))`
 *  创建一个对角线为1的正方形数组(方阵)：`np.eys(3)`

import numpy as np
    import random
    
    a = np.array([random.randint(0, 100) for i in range(32)]).reshape(4, 8)
    print(a)
    a1 = np.argmax(a, axis=0)
    print("行最大值位置：\n{}".format(a1))
    a2 = np.argmax(a, axis=1)
    print("列最大值位置：\n{}".format(a2))
    
    #创建全0数组
    a3 = np.zeros((3, 4))
    print("全0数组：\n {}".format(a3))
    
    #创建全1数组
    a4 = np.ones((3, 4))
    print("全1数组：\n {}".format(a4))
    
    #创建一个对角线为1的正方形数组（方阵）
    a5 = np.eye(6)
    print("单位矩阵：\n {}".format(a5))
    
    a6 = a5 * (-1)
    print(a6)

### numpy生成随机数 ###

<table> 
 <thead> 
  <tr> 
   <th>参数</th> 
   <th>解释</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td><code>.rand(d0,d1,..dn)</code></td> 
   <td>创建d0-dn维度的均匀分布的随机数数组，浮点数，范围从0-1</td> 
  </tr> 
  <tr> 
   <td><code>.rand(d0,d1,..,dn)</code></td> 
   <td>创建d0-dn维度的标准正态分布随机数，浮点数，平均数0，标准差1</td> 
  </tr> 
  <tr> 
   <td><code>.randint(low，high，(shape))</code></td> 
   <td>从给定上下限范围选取随机数整数，范围是low,high, 形状是shape</td> 
  </tr> 
  <tr> 
   <td><code>.uniform(low，high，(size))</code></td> 
   <td>产生具有随机分布的数组，low起始值，high结束值，size形状</td> 
  </tr> 
  <tr> 
   <td><code>.normal(loc，scale，(size))</code></td> 
   <td>从指定正态分布中随机抽取样本，分布中心是loc（概率分布的均值），标准差是scale，形状是size</td> 
  </tr> 
  <tr> 
   <td><code>.seed(s)</code></td> 
   <td>随机数种子，s是给定的种子值。因为计算机生成的是伪随机数，所以通过设定相同的随机数种子，可以每次生成相同的随机数</td> 
  </tr> 
 </tbody> 
</table>

--------------------

### numpy的copy和view ###

*  `a = b`完全不复制，a和b相互影响
 *  `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，它们的数据变化是一致的
 *  `a = b.copy()`，复制，a和b互不影响

import numpy as np
    
    np.random.seed(10)
    a = np.random.randint(10, 20, (5, 8))
    print(a)
    
    b = a[3:, 3:]
    print("b = a[3:]\n", b)
    b += 1000
    print("a的变化: \n", a)
    print("b的变化：\n", b)
    
    c = a.copy()
    c -= 1000
    print("c = a.copy() - 1000: \n", c)
    print("a的值：\n", a)

### numpy中的nan和inf ###

`nan(NAN,Nan):not a number 表示不是一个数组`

什么时候numpy中会出现nan:

*  当我们读取本地文件为float的时候，如果有缺失，就会出现nan
 *  当做了一个不合适的计算的时候（比如无穷大（inf）减去无穷大）

`inf(-inf.inf):infinity, inf表示正无穷， -inf表示负无穷`

什么时候会出现inf包括（-inf，+inf）

*  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）

如何制定一个nan或者inf：

d = np.inf
    print(type(d))
    e = np.nan
    print(type(e))

### nan的`注意点` ###

*  两个nan是不相等的
    
    `np.nan != np.nan` (True)
 *  可以利用以上特性，判断数组中nan的个数
    
    `np.count_nonzero`(t != t)
 *  如何判断一个数字是否是nan呢，通过`np.isnan(a)`来判断，返回bool类型，比如希望吧nan替换为0
    
    t\[np.isnan(t)\] = 0
 *  nan和任何值计算都为nan

print(np.nan != np.nan)
    f = np.array([[1.9, 2.7, np.nan], [np.nan, np.nan, 4.9]])
    print(f)
    nan_counts = np.count_nonzero(f != f)
    print(nan_counts)
    
    f1 = f.copy()
    f1[np.isnan(f1)] = 0
    print(f1)
    
    f2 = f.copy()
    f2 -= np.nan
    print(f2)

### numpy中的常用统计函数 ###

<table> 
 <thead> 
  <tr> 
   <th>作用</th> 
   <th>函数</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>求和</td> 
   <td>t.sum(axis=Node)</td> 
  </tr> 
  <tr> 
   <td>均值</td> 
   <td>t.mean(axis=None)受离群点的影响较大</td> 
  </tr> 
  <tr> 
   <td>中值</td> 
   <td>np.median(t.axis=None)</td> 
  </tr> 
  <tr> 
   <td>最大值</td> 
   <td>t.max(axis=None)</td> 
  </tr> 
  <tr> 
   <td>最小值</td> 
   <td>t.min(axis=None)</td> 
  </tr> 
  <tr> 
   <td>极差</td> 
   <td>np.ptp(t.axis=None)即最大值和最小值的差</td> 
  </tr> 
  <tr> 
   <td>标准差</td> 
   <td>t.tsd(axis=None)</td> 
  </tr> 
 </tbody> 
</table>

默认返回多维数组的全部统计结果，如果指定axis，则返回一个当前轴上的结果

import numpy as np
    
    a = np.arange(24).reshape(4, 6)
    print(a)
    print("求和：\n", a.sum(axis=0))
    print("求均值: \n", a.mean())
    print(a.mean(axis=1))
    print("中值：\n", np.median(a, axis=1))
    print("最大值：\n", a.max())
    print("最小值：\n", a.min(axis=0))
    print("极差：\n", np.ptp(a, axis=1))
    print("标准差: \n", a.std())

### 小练习：将nan赋值为mean() ###

import numpy as np
    
    def fill_ndarray(a):
        for i in range(a.shape[1]):
            temp_col = a[:, i]
            nan_num = np.count_nonzero(temp_col != temp_col)
            if nan_num != 0:   #不为0， 说明当前这一列中有nan
                temp_not_nan_clo =  temp_col[temp_col == temp_col]
                #选中当前为nan的位置，并将其赋值为不是nan的均值
                temp_col[temp_col != temp_col] = temp_not_nan_clo.mean()
        return a
    
    if __name__ == '__main__':
        a = np.arange(24).reshape(4, 6).astype("float")
        print(a)
        a[1:3, 2:5] = np.nan
        print(a)
        a = fill_ndarray(a)
        print("赋值nan为列均值: \n", a)

--------------------

### 总结 ###

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA55m96bOv_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center]

--------------------

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA55m96bOv_size_20_color_FFFFFF_t_70_g_se_x_16_pic_center]: /images/20220828/3bca4bcfc48445dca404a541576636d7.png