Numpy数据分析csv文件的应用

1.数据存取与函数

1.1.数据的CSV文件存取

CSV(Comma-Separated Value,逗号分隔值) CSV是一种常见的文件格式，用来存储批量数据

 np.savetxt(frame, array, fmt=‘%.18e’, delimiter=None)
复制代码

frame : 文件、字符串或产生器，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(20,5)
np.savetxt('C:/Users/12079/Desktop/python/CSV/a.csv',a,fmt='%d',delimiter=',')
复制代码

np.loadtxt(frame,dtype=np.float,delimiter=None,unpack=False)
复制代码

frame:文件、字符串或产生器，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('C:/Users/12079/Desktop/python/CSV/a.csv',delimiter=',')
b
复制代码

CSV只能有效存储一维和二维数组np.savetxt() np.loadtxt()只能有效存取一维和二维数组

1.2.多维数据的存取

任意维度数据如何存取呢？

a.tofile(frame,sep=’ ‘,format=’%s’)
复制代码

frame :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

dat我打不开啊兄弟们，回头我看看怎么打开。

np.fromfile(frame,dtype=float,count=-1,sep=’ ')
复制代码

frame :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

a=np.arange(400).reshape(5,20,4)
a.tofile('C:/Users/12079/Desktop/python/CSV/a.dat',sep=',',format='%d')
c=np.fromfile('C:/Users/12079/Desktop/python/CSV/a.dat',dtype=np.int,sep=',').reshape(50,4,2)
c
复制代码

需要注意：该方法需要读取时知道存入文件时数组的维度和元素类型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

1.3.Numpy的便捷文件存取

np.save(fname,array) 或 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 np.load(fname) fname:文件名，以.npy为扩展名，压缩扩展名为.npz

1.4.Numpy的随机数函数子库

Numpy的random子库：

np.random.*
np.random.rand()
np.random.randn()
np.random.randint()
复制代码

1.5.Numpy的统计函数

Numpy直接提供的统计类函数

np.*
np.std()
np.var()
np.average()
复制代码

1.6.Numpy的梯度函数

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 xy坐标轴连续三个x坐标对应的y轴值:a,b,c其中，b的梯度是:(c-a)/2