python数据分析之表示

1 numpy库入门

1.1 数据的维度

（1）一维数据：列表和数组的比较

        相同：一组数据的有序结构

        区别：数组的数据类型相同，列表的数据类型可以不同

（2）数据维度的python表示

• 一维数据：列表（有序）和集合（无序）类型
• 二维数据：列表类型（列表中嵌套列表）
• 多维数据：列表类型
• 高维数据：字典类型或数据表示格式（JSON、XML、YAML格式）

1.2 数组对象：ndarray

（1）N维数组对象：ndarray（元素同质）

需求：引入numpy模块

import numpy as np

数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据

构成：实际的数据、描述这些数据的元数据（数据维度、数据类型等）

需求：使用list生成一个ndarray数组 # ndarray在程序中的别名是：array

list = [[0,1,2,3,4,],
        [9,8,7,6,5]]
a = np.array(list)

（2）ndarray对象的属性

 需求：使用ndim方法获取数组维度

a.ndim

 需求：使用shape方法获取数组尺度

a.shape

 需求：使用size方法获取数组元素的个数

a.size

需求：使用dtype方法获取数组元素类型

a.dtype

 需求：使用itemsize方法获取数组元素的字节大小

a.itemsize

1.3 数组的元素类型

ndarray数组可以由非同质对象构成

但！非同质ndarray元素为对象类型：dtype=object

1.4 数组的创建

（1）从python中的列表、元组等类型

需求：根据列表、数组类型创建数组

x = np.array(list/tuple)

x = np.array(list/tuple,dtype=np.float32)

（2）使用numpy中函数，如：arange,ones,zeros等   # 以下shape代表一个元组

需求：使用arange函数创建一个元素从0到n-1的数组

x = np.arange(n)

 需求：使用ones函数创建一个元素全1，shape为（3，6）的数组

x = np.ones((3,6),dtype=np.int32)

 需求：使用eye函数创建一个5维的单位矩阵数组

x = np.eye(5)

 需求：使用ones_like函数根据数组a的形状创建一个全1数组

x = np.ones_like(a)

 需求：使用zeros_like函数根据数组a的形状创建一个全0数组

x = np.ones_like(a)

需求：使用full_like函数根据数组a的形状创建一个全val数组

x = np.full_like(a,val)

需求：使用linspace函数根据起始数据等间距地填充数据 ，默认包含终点

a = np.linspace(1,10,4)

a = np.linspace(1,10,4,endpoint=False)

需求：使用concatenate函数合并数组(元组形式)，默认横向拼接

c = np.concatenate((a,b))

（3）从字节流中

（4）从文件中读取特定格式

1.5 数组的变换

（1）维度变换

 需求：使用reshape方法将形状为（2,3,4）的数组变成形状为(3,8)的数组，但不改变原数组

a = np.ones((2,3,8))
a.reshape((3,8))

# 或者
a = np.ones((2,3,8)).reshape((3,8))

 需求：使用resize方法将形状为（2,3,4）的数组变成形状为(3,8)的数组，但改变原数组

a.resize((3,8))

 需求：使用flatten方法将数组降至1维数组

a.flatten()

（2）类型变换

 需求：使用astype方法转换元素类型

b = a.astype(np.float)

 注：astype()方法一定会创建新的数组

（3）数组向列表转换

 需求：使用tolist方法实现数组向列表转换

b = a.tolist()

1.6 数组的操作

索引：获取数组中特定位置元素的过程(每个维度都有一个索引值，逗号分隔)

切片：获取数组元素子集的过程

a[起始编号:终止编号（不含）:步长]

1.7 数组的运算

数组与标量之间的运算作用于数组的每一个元素

（1）一元函数

需求：计算数组与元素平均值的商

a = np.arange(24).reshape((2,3,4))
a = a / a.mean()

 （2）二元函数

---

 2 numpy数据存取与函数

2.1 数据的csv文件存取

CSV：逗号分隔值

 需求：使用savetxt函数存储数组数据

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

  需求：使用loadtxt函数读取数组数据

b = np.loadtxt('文件.csv',delimiter=',',dtype=np.int)

2.2 多维数据的存取

  需求：使用tofile方法存储多维数组数据

a = np.arange(100).reshape(5,20,2)
a.tofile('文件.dat',format='%d',sep=',')

 需求：使用fromfile函数读取多维数组数据

a.fromfile('文件.dat',dtype=float,count=-1,sep='').reshape=(5,10,2)

a = np.arange(100).reshape(5,10,2)
np.save("a.npy",a)

b = np.load("a.npy")

2.3 随机数函数 np.random.*

 需求：使用rand函数生成服从均匀分布数组

a = np.random.rand(3,4,5)

 需求：使用randn函数生成服从标准正态分布数组

a = np.random.randn(3,4,5)

  需求：使用randint函数生成满足一定范围且为整数的数组

a = np.random.randint(100,200,(3,4))

np.random.seed(10)
a = np.random.randint(100,200,(3,4))

np.random.shuffle(a)

np.random.permutation(a)

np.random.choice(a,(3,2),replace=False,p=b/np.sum(b))

a = np.ramdpm.uniform(0,10,(3,4))

b = np.random.normal(10,5,(3,4))

c = np.random.poisson(0.2,(3,4))

2.4 统计函数 np.*

np.sum(a)

2.4 梯度函数

np.gradient(a)

3 小结

参考：中国大学mooc 北京理工大学嵩天 Python数据分析与展示