应用Numpy实现对数据的处理

创建简单的数组

主要使用np.array()函数，语法如下

import numpy as np
np.array(object,dtype=None,copy=True,order='K',subok=False,ndmin=0)

主要参数：

• Object：任何具有数组接口方法的对象

• dtype：数据类型

• ndmin:指定生成数组的最小维数

# 创建一个指定长度为二维数组，数据并没有初始化，值随机
n1 = np.empty([2,3],dtype=int)
print(n1)
​
# 指定二维数组的维度并对值进行填充，全部初始化为0
n1 = np.zeros([2,3],dtype=int)
print(n1)
​
# 创建一个指定长度为二维数组，并将数据全部初始化为1
n1 = np.ones([2,3],dtype=int)
​
# 创建一个指定长度为二维数组，并将数据全部初始化为指定的值
n1 = np.full([2,3],5)

通过np.arange(stat,stop,step,dtype=None)创建数组

start:起始值，默认为0

stop:终止值，不包含

step：步长

np.arange(1,6,2) #[1,3,5]

通过np.linspace()生成等差数列

n = np.linspace(10,50,5,dtype=int) #[10 20 30 40 50]

通过np.logspace()生成等比数列

n = np.logspace(1,4,num=4,base=2,dtype=int) #[ 2  4  8 16]

生成随机数组，使用rand()函数，生成（0，1）之间的随机数组，传入一个值随机生成一维数组，传入一对值随机生成一个二维数组

numpy.random.rand(d0,d1,d2,d3)
参数d0，d1等为整数，表示每一维度的长度

randn()函数用于从正态分布中返回随机生成的数组，语法同rand函数

n = np.random.rand(5,4,3)
​
 [[0.37385151 0.2058156  0.52630237]
  [0.97588255 0.14450416 0.24276859]
  [0.20887649 0.52145804 0.33680438]
  [0.65021309 0.4109006  0.90690288]]

randint()函数的作用和arrange（）函数类似，用于生成一定范围内的随机数组，左闭右开区间

n = np.random.randint(low=1,high=10,size=5)
print(n)
# [1 3 7 6 2]

normal()函数用于生成正态分布的随机数

n = np.random.normal(loc=0,scale=1,size=5)
#loc 均值 scale 标准差 size 大小
print(n)
#[-0.51231413  0.0950708   0.29954217 -1.37279317 -0.40188256]

数据类型：

为了区别python数据类型，bool，int，float等数据类型的末尾都加了_ ,比如

Bool_
Int_

numpy数组的加减乘除乘幂运算都是对应位置的元素进行加减乘除

数组之间的标量运算可以理解为向量和标量之间的运算

数组的切片式索引：

arrar[start:stop:step]

一个三行三列的二维数组，通过切片式索引操作

n = np.ones([3,3],dtype=int)
print(n[:2,2:])
print(n[:3,1:])
#[[1] [1]]
[[1 1]
 [1 1]
 [1 1]]

数组的合并：

横向合并：将两个行数相同的数组在行方向上进行简答拼接

np.concatenate()方法将两个待合并的数组以列表的形式传递给concatenate,并通过设置axis参数指明在行方向还是列方向上进行合并

arr1 = np.full([2,3],5)
print(arr1)
arr2 = np.full([2,3],6)
print(arr2)
n1 = np.concatenate([arr1,arr2],axis=1)
print(n1)
​
[[5 5 5]
 [5 5 5]]
​
[[6 6 6]
 [6 6 6]]
​
[[5 5 5 6 6 6]
 [5 5 5 6 6 6]]
​
# 同样实现横向合并
n1 = np.hstack([arr1,arr2])
print(n1)
# 实现横向合并
n1 = np.column_stack([arr1,arr2])

纵向合并

import numpy as np
#np.array(object,dtype=None,copy=True,order='K',subok=False,ndmin=0)
arr1 = np.full([2,2],5)
print(arr1)
arr2 = np.full([2,2],6)
print(arr2)
n1 = np.concatenate([arr1,arr2],axis=0)
print(n1)
print(len(n1))
​
[[5 5]
 [5 5]]
[[6 6]
 [6 6]]
[[5 5]
 [5 5]
 [6 6]
 [6 6]]
4
​
#  下面的函数也可以实现纵向合并
np.vstack([arr1,arr2])
​
np.row_stack([arr1,arr2])

数组的分割

split函数沿着特定的轴将数组分割为子数组

numpy.split(arr,indices_or_sections,axis)
三个参数分别代表：被分割的数组，
indices_or_sections：如果是一个整数，就用该数平均分，如果是一个数组，为沿轴切分的位置（左开右闭）
axis：设置切割的方向，默认为0，横向切割，即水平方向
​
hsplit函数用于水平分割数组，通过指定要返回的相同形状的数组数量来分割
vsplit用于垂直分割轴

常见的统计分析函数，使用时去搜索