Python数据分析（numpy） python

numpy创建数组(矩阵) 创建数组

import numpy as np a = np.array([1, 2, 3, 4, 5]) b = np.array(range(1, 6)) c = np.arange(1, 6)# np.arange用法：arange(start,stop,step,dtype=None)

数组的类名和数据的类型

In [1]: type（a） Out[1]: numpy.ndarray In [2]: a.dtype Out[2]: dtype('int64') # 常见类型有int,uint(8,16,32,64),float(16,32,64,128),complex(64,128,256),bool

数据类型的操作

a = np.array([1,0,1,0], dtype=np.bool) # 创建数组时指定数据类型 a.astype(np.int8)# 修改数组的数据类型 b = np.array([0.0485,0.2689,1.8567,0.8754]) np.round(b, 2)# 修改浮点型小数位数

数组的形状

a.shape# 查看数组形状 a.reshape(2,2) # 修改数组形状 a.flatten（）# 把多维数组转化为一维数组

数组的计算数组和数的计算

a = np.array([1, 2, 3, 4, 5]) b = a + 1# 按位相加 c = a * 3# 按位相乘

数组与数组的计算

a = np.array([[1, 2, 3, 4], [5, 6, 7, 8]]) b = np.array([[1, 1, 1, 1], [1, 1, 1, 1]]) c = np.array([1, 1, 1, 1]) d = np.array([[1], [1]]) O1 = a + b# 形状相同按位相加 O2 = a + c O3 = a + d# 形状不同，只有满足广播原则才可计算，O1=O2=O3

数组的转置

a.transpose() a.swapaxes(1,0) a.T

以上的三种方法都可以实现二维数组的转置的效果，转置和交换轴的效果一样。
numpy索引和切片

a[1,:]# 取一行，可简写为a[1] a[:,2]# 取一列 a[1:3,:]# 取连续多行，可简写为a[1：3] a[:,2:4]# 取连续多列 a[[1,3],:]# 取离散多行，可简写为a[[1,3]] a[:,[2,4]]# 取离散多行 a[a<2]# bool索引 np.where(a<2,0,4)# 三元运算符,满足条件1替换为0，不满足替换为4 a.clip(2,3)# 裁剪，大于3替换为3，小于2替换为2

numpy中的nan和inf

nan(NAN,Nan):not a number，表示不是一个数字，type类型为float。（两个nan是不相等的）
inf:infinity，inf表示正无穷，-inf表示负无穷，type类型为float

np.count_nonzero(a!=a)# 判断a中nan个数 np.isnan(a)# 判断是否为nan，返回bool类型 a[np.isnan(a)] = 0 # nan 替换为0

numpy中常用统计函数求和：t.sum(axis=None)
均值：t.mean(axis=None)
中值：np.median(t,axis=None)
最大值：t.max(axis=None)
最小值：t.min(axis=None)
极值：np.ptp(t,axis=None) 即最大值和最小值之差
标准差：t.std(axis=None)
默认返回多维数组的全部的统计结果,如果指定axis则返回一个当前轴上的结果
数组的拼接

np.vstack(a,b) # 竖直拼接 np.hstack(a,b) # 水平拼接

数组的行列交换

a[[1,2],:] = a[[2,1],:] # 行交换 a[:,[0,2]] = a[:,[2,0]] # 列交换

其他实用方法 1.获取最大值最小值的位置
np.argmax(t,axis=0)
【Python数据分析（numpy）】np.argmin(t,axis=1)
2.创建一个全0的数组: np.zeros((3,4))
3.创建一个全1的数组:np.ones((3,4))
4.创建一个对角线为1的正方形数组(方阵)：np.eye(3)
5.numpy生成随机数