Python之数据分析（星期均值、星期汇总、Numpy的take与where方法、apply_along_axis函数）

比眉伴天荒 2023-02-28 01:27 12阅读 0赞

### 文章目录 ###

*   *   *  一、处理星期数据
         *  二、apply\_along\_axis函数的用法
         *  三、星期汇总案例

### 一、处理星期数据 ###

**1、datetime对象的weekday()方法**  
该方法将会用0到6这七个数字表示周一到周日

**2、计算周一到周五数据平均值的三种方法**

*  数组\[关系表达式\]：关系表达式的值是一个布尔型数组，其中为True的元素是数组中满足关系表达式的元素。以上下标运算的值就是从数组拣选与布尔数组中为True的元素相对于的元素。
 *  np.where(关系表达式)：数组中满足关系表达式的元素的下标数组
 *  np.take(数组, 下标数组)：数组中由下标数组所表示的元素的集合

**3、按星期求均值案例**

import numpy as np
    import datetime as dt
    
    # 将日期转换成天数
    def dmy2week(dmy):
        dmy = str(dmy, encoding='utf-8')
        date = dt.datetime.strptime(dmy, '%d-%m-%Y').date()
        wdays = date.weekday()  # 将日期变成星期的格式
        return wdays
    
    # 解包取出日期、收盘价
    wdays, closing_prices = np.loadtxt(
        '0=数据源/beer_price.csv', delimiter=',',
        usecols=(0, 4), unpack=True,
        converters={ 0: dmy2week}
    )
    
    # print(wdays)
    
    
    # 计算周一到周五的平均值
    ave_closing_prices = np.zeros(7)
    for wday in range(ave_closing_prices.size):
        # 方法一：用掩码的方法
        # ave_closing_prices[wday] = \
        # closing_prices[wdays == wday].mean()
    
        # 方法二：用下标序列直接获取对应元素的均值
        # ave_closing_prices[wday] = \
        # closing_prices[np.where(wdays == wday)].mean()
    
        # 方法三：take方法，一参是被提取数组，二参是下标数组
        ave_closing_prices[wday] = \
            np.take(closing_prices, np.where(wdays == wday)).mean()
    
    for wday, ave_closing_price in zip(
            ['Mon','Tue','Wed','Thu','Fri','Sta','Sun'],
            ave_closing_prices):
        print(wday, np.round(ave_closing_price, 2))  # 保留两位小数

![11][]

### 二、apply\_along\_axis函数的用法 ###

**1、格式**  
Y = numpy.apply\_along\_axis(函数, 轴向, 高维数组)

**2、作用**  
再高维数组中沿着指向的轴向，提出低维子数组，作为参数传递给函数中，并将返回值按照同样的轴向组成新的数组返回给调用者。

**3、轴向**  
二维：0是行方向，1是列方向  
三维：0是页方向，1是行方向，2是列方向

**4、练习**

import numpy as np
    
    def Func(x):
        return x ** 2
    # X = [10, 11, 12]
    X = np.array([
        [1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]
    ])
    Y1 = np.apply_along_axis(Func, 0, X)
    print(Y1)
    Y2 = np.apply_along_axis(Func, 1, X)
    print(Y2)
    # 将X沿着二参所指向的轴向来降维传入一参的函数中进行处理
    # 此处的0表示沿着行方向降维，即纵向，则分别传入[1, 2, 3]、[4, 5, 6]、[7, 8, 9]
    # 若是1则是沿着列方向降维，即横向，则分别传入[1, 4, 7]、[2, 5, 8]、[3, 6, 9]

### 三、星期汇总案例 ###

**1、目的**  
对每一个星期的数据进行汇总，将每个星期的星期一开盘价作为开盘价，每个星期的星期五的收盘价作为收盘价，整个星期的所有最高价中的最高价作为最高价，最低价作为最低价。这样就是将一个星期作为一个整体，分别求出各个星期整体的开盘价，最高价，最低价，收盘价了。

**2、参考代码**

import datetime as dt
    import numpy as np
    
    def dmy2wday(dmy):
        dmy = str(dmy, encoding='utf-8')  # 转码dmy日期
        date = dt.datetime.strptime(dmy, '%d-%m-%Y').date()  # 获取时间对象
        wday = date.weekday()  # 转换成星期的格式
        return wday
    wdays, opening_prices, highest_prices, lowest_prices, closing_prices = np.loadtxt(
        '0=数据源/beer_price.csv', delimiter=',',
        usecols=(0, 1, 2, 3, 4), unpack=True,
        converters={ 0: dmy2wday}
    )
    
    # 只取前16个数据，索引是0到15，正好是4*4
    wdays = wdays[:16]
    opening_prices = opening_prices[:16]
    highest_prices = highest_prices[:16]
    lowest_prices = lowest_prices[:16]
    closing_prices = closing_prices[:16]
    
    # print(np.where(wdays == 0)) # 所有为0的下标，即所有星期一的日期
    # 获取第一个星期一的下标
    first_monday = np.where(wdays == 0)[0][0]
    # 获取最后一个星期五的下标
    last_sunday = np.where(wdays == 4)[0][-1]
    # 取所有的日期：所有的日期都应该在第一个星期一到最后一个星期五之间
    indices = np.arange(first_monday, last_sunday + 1)
    indices = np.split(indices, 3)  # 分成三份，三个星期
    # print(indices)
    
    # 按照每一个星期来处理每个星期的数据
    # 汇总每个星期的数据，传入的indices是每周的下标
    def week_summary(indices):
        opening_price = opening_prices[indices[0]]  # 第一周第一天的开盘价
        highest_price = np.max(np.take(highest_prices, indices))  # 所有最高价中与idices下标相对应的数据，再取最大值，就是本周的最高价
        lowest_price = np.min(np.take(lowest_prices, indices))  # 本周最低价中的最小值
        closing_price = closing_prices[indices[-1]]  # 最后一个及交易日的收盘价
        return opening_price, highest_price,\
            lowest_price, closing_price
    
    # 让每周的数据做汇总，传入汇总函数与对应的下标，因为是二维数组，1表示列方向即水平方向
    summaries = np.apply_along_axis(
        week_summary, 1, indices
    )
    print(summaries)

**3、参考结果**  
![22][]

[11]: /images/20230209/fe67ceb98dc7499ab3f497fcf008267e.png
[22]: /images/20230209/7fba61a97f694ca2a540c1e2c656e408.png