数据分析学习笔记2020/7/22——numpy

numpy创建数组(矩阵)

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) #[1 2 3]
print(type(t1))  #

t2 = np.array(range(10))  #[0 1 2 3 4 5 6 7 8 9]
print(t2)#[0 1 2 3 4 5 6 7 8 9]
print(type(t2)) #


t3 = np.arange(10)
print(t3)#[0 1 2 3 4 5 6 7 8 9]
print(t3.dtype)#int32

t4 = np.arange(4,10,2)
print(t4)#[4 6 8]
print(t4.dtype)#int32
print("*"*100)


#numpy中的数据类型

t5 = np.array(range(1,4),dtype="i1")
print(t5)#[1 2 3]
print(t5.dtype)#int8

#numpy中的bool类型
t6 = np.array([1,1,0,1,0,0],dtype=bool)
print(t6)#[ True  True False  True False False]
print(t6.dtype)#bool

#调整数据类型
t7 = t6.astype("int8")
print(t7)#[1 1 0 1 0 0]
print(t7.dtype)#int8


#numpy中的小数
t8 = np.array([random.random() for i in range(10)])
print(t8)#[0.22559017 0.27421865 0.22064019 0.3896223  0.22720133 0.79740277 0.86879759 0.74115348 0.79854583 0.31500414]
print(t8.dtype)#float64
#取两位小数  round(random.random(),2) 
t9 = np.round(t8,2)
print(t9)#[0.23 0.27 0.22 0.39 0.23 0.8  0.87 0.74 0.8  0.32]

shape[0]就是读取矩阵第一维度的长度。

# coding=utf-8
import numpy as np

us_file_path = "./youtube_video_data/US_video_data_numbers.csv"
uk_file_path = "./youtube_video_data/GB_video_data_numbers.csv"

# t1 = np.loadtxt(us_file_path,delimiter=",",dtype="int",unpack=True)
t2 = np.loadtxt(us_file_path,delimiter=",",dtype="int")

# print(t1)
print(t2)

print("*"*100)

#取行
# print(t2[2])

#取连续的多行
# print(t2[2:])

#取不连续的多行；注意方括号的使用
# print(t2[[2,8,10]])

# print(t2[1,:])
# print(t2[2:,:])
# print(t2[[2,10,3],:])

#取列
# print(t2[:,0])

#取连续的多列
# print(t2[:,2:])

#取不连续的多列
# print(t2[:,[0,2]])

#取行和列，取第3行，第四列的值
# a = t2[2,3]   
# print(a)          #170708
# print(type(a))    #

#取多行和多列，取第3行到第五行，第2列到第4列的结果
#取的是行和列交叉点的位置
b = t2[2:5,1:4]
# print(b)

#取多个不相邻的点  此处应该注意
#选出来的结果是（0，0） （2，1） （2，3）
c = t2[[0,2,2],[0,1,3]]
print(c)

import numpy as np

def fill_ndarray(t1):
    for i in range(t1.shape[1]):  #遍历每一列
        temp_col = t1[:,i]  #当前的一列
        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_col = temp_col[temp_col==temp_col] #当前一列不为nan的array

            #选中当前为nan的位置，把值赋值为不为nan的均值
            temp_col[np.isnan(temp_col)] = temp_not_nan_col.mean()
    return t1

if __name__ == '__main__':
    t1 = np.arange(12).reshape((3, 4)).astype("float")
    t1[1, 2:] = np.nan
    print(t1)
    t1 = fill_ndarray(t1)
    print(t1)

题目一：

import numpy as np
from matplotlib import pyplot as  plt


us_file_path = "./youtube_video_data/US_video_data_numbers.csv"
uk_file_path = "./youtube_video_data/GB_video_data_numbers.csv"

#t1 = np.loadtxt(us_file_path,delimiter=",",dtype="int",unpack=True)
t_us = np.loadtxt(us_file_path,delimiter=",",dtype="int")

#取评论的数据
t_us_comments = t_us[:,-1]

#选择比5000小的数据
t_us_comments = t_us_comments[t_us_comments<=5000]


print(t_us_comments.max(),t_us_comments.min())

d = 250

bin_nums = (t_us_comments.max()-t_us_comments.min())//d

#绘图
plt.figure(figsize=(20,8),dpi=80)

plt.hist(t_us_comments,bin_nums)

plt.show()

题目二：

import numpy as np
from matplotlib import pyplot as  plt


us_file_path = "./youtube_video_data/US_video_data_numbers.csv"
uk_file_path = "./youtube_video_data/GB_video_data_numbers.csv"

#t1 = np.loadtxt(us_file_path,delimiter=",",dtype="int",unpack=True)
t_uk = np.loadtxt(uk_file_path,delimiter=",",dtype="int")

#选择喜欢书比50万小的数据
t_uk = t_uk[t_uk[:,1]<=500000]


t_uk_comment = t_uk[:,-1]
t_uk_like = t_uk[:,1]

#绘图
plt.figure(figsize=(20,8),dpi=80)

plt.scatter(t_uk_like,t_uk_comment)

plt.show()

import numpy as np
us_data = "./youtube_video_data/US_video_data_numbers.csv"

uk_data = "./youtube_video_data/GB_video_data_numbers.csv"

#加载国家数据
us_data = np.loadtxt(us_data,delimiter=",",dtype=int)
uk_data = np.loadtxt(uk_data,delimiter=",",dtype=int)

#添加国家信息
#构造全为零的数据
zeros_data = np.zeros((us_data.shape[0],1)).astype(int)
ones_data = np.ones((uk_data.shape[0],1)).astype(int)


#分别添加一列全为0，1的数组
us_data = np.hstack((us_data,zeros_data))
uk_data = np.hstack((uk_data,ones_data))

#拼接两组数据
final_data= np.vstack((us_data,uk_data))
print(final_data)