Python数据分析与展示（二）Numpy数据存取与函数

1、数据的CSV文件存取

# 存储
np.savetxt(fname, array, fmt='%.18e', delimiter=None)

• fname：文件、字符串或生成器，可以是.gz或.bz2的压缩文件
• array：存入文件的数组
• fmt：写入文件的格式，例如：%d %.2f %.18e
• delimiter：分割字符串，默认是任何空格

a = np.arange(100).reshape(5, 20)
np.savetxt('a.csv', a, fmt='%d', delimiter=',')

# 读取
np.loadtx(fname, dtype=np.float, delimiter=None, unpack=False)

• fname：文件、字符串或生成器，可以是.gz或.bz2的压缩文件
• dtype：数据类型，可选
• delimiter：分割字符串，默认是任何空格
• unpack：如果True，读入属性将分别写入不同变量

b = np.loadtxt('a.csv', delimiter=',')

CSV只能有效存储一维和二维数组

2、多维数据的存取

# 存储
a.tofile(fname, sep='', format='%s')

• fname：文件、字符串
• sep：数据分割字符串，如果是空串，写入文件为二进制
• format：写入数据的格式

a = np.arange(100).reshape(5, 20)
a.tofile("b.dat", sep=",", format='%d')

# 读取
np.fromfile(fname, dtype=float, count=-1, sep='')

• fname：文件、字符串
• dtype：读取的数据类型
• count：读入元素个数，-1表示读入整个文件
• sep：数据分割字符串，如果是空串，写入文件为二进制

c = np.fromfile("b.dat", dtype=np.int, sep=",")

该方法需要读取时知道存入文件时的维度和元素类型
a.tofile()和np.fromfile()需要配合使用
可以通过元数据文件来存储额外信息

Numpy的便捷文件存取

# 存储
np.save(fname, array)

np.savez(fname, array)

• fname：文件名，以.npy为扩展名，压缩扩展名为.npz
• array：数组变量

# 读取
np.load(fname)

• fname：文件名，以.npy为扩展名，压缩扩展名为.npz

3、Numpy的随机数函数

Numpy的随机数子库——random子库

np.random.*
np.random.randn()
np.random.rand()
np.random.randint()

np.random的随机数函数

函数	说明
rand(d0,d1,...,dn)	根据d0-dn创建随机数数组，浮点数，[0, 1)，均匀分布
randn(d0,d1,...,dn)	根据d0-dn创建随机数数组，标准正态分布
randint(low[,high,shape])	根据shape创建随机数数组，范围是[low, high)
seed(s)	随机数种子，s是给定的种子值
shuffle(a)	根据数组a的第1轴进行随排列，改变数组a
permutation(a)	根据数组a的第1轴产生一个新的乱序数组，不改变数组a
choice(a[,size,replace,p])	从一维数组a中以概率p抽取元素，形成size形状新数组，replace表示是否可以重用元素，默认为False
uniform(low,high,size)	产生具有均匀分布的数组，low起始值，high结束值，size形状
normal(loc,scale,size)	产生具有正态分布的数组，loc均值，scale标准差，size形状
poisson(lam,size)	产生具有泊松分布的数组，lam随机事件发生率，size形状

4、Numpy的统计函数

Numpy直接提供的统计类函数

np.*
np.std()
np.var()
np.average()

np.random的统计函数

函数	说明
sum(a,axis=None)	根据给定轴axis计算数组a相关元素之和，axis整数或元祖
mean(a,axis=None)	根据给定轴axis计算数组a相关元素的期望，axis整数或元祖
average(a,axis=None,weights=None)	根据给定轴axis计算数组a相关元素的加权平均值，weights是权值
std(a,axis=None)	根据给定轴axis计算数组a相关元素的标准差
var(a,axis=None)	根据给定轴axis计算数组a相关元素方差
min(a) max(a)	计算数组a中元素的最小值、最大值
argmin(a) argmax(a)	计算数组a中元素的最小值、最大值的降一维后下标
unravel_index(index,shape)	根据shape将一维下标index转换为多维下标
ptp(a)	计算数组a中元素最大值与最小值的查
median(a)	计算数组a中元素的中位数

a = np.arange(15).reshape(3, 5)
np.sum(a)
np.sum(a, axis=1)
np.mean(a, axis=0)
np.average(a, axis=0, weights=[10, 5, 1])
np.std(a)
np.var(a)

b = np.arange(15, 0, -1).reshape(3, 5)
np.max(b)
np.argmax(b)
np.unravel_index(np.argmax(b), b.shape)
np.ptp(b)
np.median(b)

5、Numpy的梯度函数

函数	说明
np.gradient(f)	计算数组f中元素的梯度，当f为多维时，返回每个维度梯度

梯度：连续值之间的变化率，即斜率

本文章总结于中国大学MOOC网的Python数据分析于展示课程，北京理工大学计算机学院的嵩天副教授讲授。
此总结在CSDN上分章发表，合集将会发布在我的博客上。