首页 / 更多教程 / 数据分析的Numpy
数据分析的Numpy
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了数据分析的Numpy，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含3144字，纯文字阅读大概需要5分钟。
内容图文
数据分析：是把隐藏在一些看似杂乱无章的数据背后的信息提炼出来，总结出所研究对象的内在规律
数据分析的三剑客 ： Numpy ，Pandas ，Matplotlib
一.Numpy
Numpy(Mumerical python)是python语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
1.创建ndarray
使用np.array()创建
一维数据创建
import
numpy as np
np.array([1,2,3,4,5])
二维数组创建
import
numpy as np
np.array([[1,2,3],[‘a‘,‘b‘,1.1]])
注意：
numpy默认ndarray的所有元素的类型是相同的
如果传进来的列表中包含不同的类型，则统一为同一类型，优先级：str>float>int
操作该numpy数据，该操作会同步到图片中
import
matplotlib.pyplot as plt
img_arr = plt.imread(‘./bobo.jpg‘)
plt.imshow(img_arr)
plt.imshow(img_arr - 66)
2.使用np的routines函数创建
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) 等差数列
np.linspace(1,100,num=50)
np.arange([start, ]stop, [step, ]dtype=None)
np.arange(1,100,2)
np.random.randint(low, high=None, size=None, dtype=‘l‘)
np.random.seed(10)
arr = np.random.randint(0,100,size=(5,6))
np.random.random(size=None) 生成0到1的随机数，左闭右开 np.random.seed(3)
np.random.random(size=(3,3))
二.ndarray的属性
参数： ndim-->维度 shape --> 形状(各种维度的长度) size --> 总长度 dtype-->元素类型
img_arr.shape
img_arr.ndim
img_arr.size
img_arr.dtype
type(img_arr)
三.ndarray的基本操作
1.索引
一维与列表完全一致 多维时同理
np.random.seed(10) arr = np.random.randint(0,100,size=(5,6)) arr
根据索引修改数据
arr[[1,2]]
2.切片
一维与列表完全一致 多维时同理
np.random.seed(10) arr = np.random.randint(0,100,size=(5,6)) arr
获取二维数组前两行
arr[0:2]
获取二维数组前两列
arr[:,0:2]
获取二维数组前两行和前两列
arr[0:2,0:2]
将数据反转， ：： 进行切片
将数组的行倒序
#
将数组的行倒序
arr[::-1]
#列倒序
arr[:,::-1]
#全部倒序
arr[::-1,::-1]
将图片进行全部倒置操作
plt.imshow(img_arr)
plt.imshow(img_arr[:,::-1,:])
plt.imshow(img_arr[::-1,::-1,::-1])
3.变形
使用arr.reshape()函数，注意参数是一个tuple
基本使用
将一维数组变形成多维数组
arr_1.reshape((-1,15))
将多维数组变形成一维数组
arr_1 = arr.reshape((30,))
4.级联
np.concatenate()
一维，二维，多维数组的级联，实际操作中级联多二维数组
np.concatenate((arr,arr),axis=1)
arr1 = np.random.randint(0,100,size=(5,5))
np.concatenate((arr,arr1),axis=1)
合并两张照片
img_3 = np.concatenate((img_arr,img_arr,img_arr),axis=1) imgs = np.concatenate((img_3,img_3,img_3),axis=0) plt.imshow(imgs)
np.hstack与np.vstack
级联需要注意的点：
级联的参数是列表：一定要加中括号或小括号
维度必须相同
形状相符:在维度保持一致的前提下，如果进行横向（axis=1）级联，必须保证进行级联的数组行数保持一致。如果进行纵向（axis=0）级联，必须保证进行级联的数组列数保持一致。
可通过axis参数改变级联的方向
切割
plt.imshow(np.split(img_arr,[400],axis=0)[0])
四.ndarray的聚合操作
1.求和np.sum
#
求和np.sum
arr.sum(axis=0)
#最大最小值：np.max/ np.minarr.max()
#平均值：np.mean()
arr.mean()
其他聚合操作
Function Name NaN-safe Version Description np.sum np.nansum Compute sum of elements np.prod np.nanprod Compute product of elements np.mean np.nanmean Compute mean of elements np.std np.nanstd Compute standard deviation np.var np.nanvar Compute variance np.min np.nanmin Find minimum value np.max np.nanmax Find maximum value np.argmin np.nanargmin Find index of minimum value np.argmax np.nanargmax Find index of maximum value np.median np.nanmedian Compute median of elements np.percentile np.nanpercentile Compute rank-based statistics of elements np.any N/A Evaluate whether any elements are true np.all N/A Evaluate whether all elements are true np.power 幂运算
五.ndarray的排序
1.快速排序
np.sort()与ndarray.sort()都可以，但有区别：
np.sort()不改变输入
ndarray.sort()本地处理，不占用空间，但改变输入
np.sort(arr,axis=0)
原文：https://www.cnblogs.com/chenxi67/p/10485735.html
内容总结
以上是互联网集市为您收集整理的数据分析的Numpy全部内容，希望文章能够帮你解决数据分析的Numpy所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。