数据分析之numpy

ndarray概述 创建n维数组 接收的是列表类型,所有元素类型必须相同 shape表示各维度大小的元组 dtype表示数组数据类型对象

1、基本创建数据

ndarray1 = np.array([1, 2, 3, 4])
ndarray2 = np.array(list('abcdefg'))
ndarray3 = np.array([[11, 22, 33, 44], [10, 20, 30, 40]])

# 输出整个数组
print(ndarray3)
# 输出数组元素类型
print(ndarray3.dtype)
# 输出数组类型 mxn
print(np.shape(ndarray3))
# 输出数组指定元素
print(ndarray3[1][2])
  1. zeros和zeros_like创建全0数组
ndarray4 = np.zeros(10)
ndarray5 = np.zeros((3, 3))
ndarray6 = np.zeros_like(ndarray3)  # 按照 ndarray3 的shape创建数组
  1. ones和ones_like创建全1数组
# 创建数组,元素默认值是1
ndarray7 = np.ones(10)
ndarray8 = np.ones((3, 3))
# 修改元素的值
ndarray8[0][1] = 999
ndarray9 = np.ones_like(ndarray5)  # 按照 ndarray5 的shape创建数组
  1. empty和empty_like创建空数组
用于创建空数组,空数据中的值并不为0,而是未初始化的随机值.
ndarray10 = np.empty(5)
ndarray11 = np.empty((2, 3))
ndarray12 = np.empty_like(ndarray11)
  1. arange创建数组
# 产生0-9共10个元素
ndarray13 = np.arange(10)
# 产生从10-19共10个元素
ndarray14 = np.arange(10, 20)
# 产生10 12 14 16 18, 2为step
ndarray15 = np.arange(10, 20, 2)
# 将其形状改变为(2, 5)
ndarray14.reshape((2, 5))
  1. eys创建对角矩阵数组
# 该函数用于创建一个N*N的矩阵,对角线为1,其余为0.
ndarray16 = np.eye(5)

使用astype函数转换数组类型 如果浮点数转换为整数,则小数部分将会被截断 -- 取整 如果某些字符串数组表示的全是数字,也可以用astype将其转换为数值类型

ndarray19 = np.array([2.4, 3.6, 4.8])
ndarray20 = ndarray19.astype(np.int64)

2.3 数组运算 不需要循环即可对数据进行批量运算,叫做矢量化运算. 不同形状的数组之间的算数运算,叫做广播.

数组 + 数组 对应元素相加 数组 + 数字 分别相加,相乘,相除 一维 + 多维 按行分别相加 每行的元素个数相同 多维 + 多维 对应元素分别相加 多维 * 多维 形状相同对应元素分别相乘 (注意这里不是矩阵乘法) 矩阵乘法:条件--第一个行数 == 第二个的列数

arr14 = np.dot(arr6, arr12)

多维矩阵相乘.png

主要操作
arr = np.array(np.arange(24).reshape(6,4))
# print(arr)
'''
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]
 [16 17 18 19]
 [20 21 22 23]]
'''

元素类型转换

arr2 = arr.astype(np.float32)
 print(arr2)

数组转置 transpose 行变列,列变行

arr3 = arr.transpose()
print(arr3)

返回bool值,可以添加axis参数指定轴方向

np.any(): 至少有一个元素满足指定条件,返回True
np.all(): 所有的元素满足指定条件,返回True
arr2 = np.any(arr > 20)
 print(arr2)

取行

取下标行 arr[n]      print(arr[2])
取连续行 arr[m:n]    print(arr[1:3])
只取指定行            arr[[1,3,4]]  两个中括号 

取列

获取指定下标的列  print(arr[:, 3]) # 一维数组形式
print(arr[:, 3:4]) # 以真实的列展示(竖着)
获取指定范围列 arr[:, 1:3] # print(arr[:, 1:3])
获取多个指定下标列 arr[:, [0,2]]  # print(arr[:, [0,2]])

获取指定连续行的指定连续列 arr[0:2 , 1:3]

print(arr[0:2 , 1:3])

获取不连续的行和列 前面是行 后面是列

arr2 = arr[np.ix_([0,2], [0,3])]

获取下标元素放入列表中[ 6, 11]

print(arr[[1,2], [2,3]])

判断列表是否为空

# if np.size(arr) != 0:
# print(f"数组大小为{np.size(arr)}")

拼接两数组 行拼接 在下面

arr1 = arr[0:2]
arr2 = arr[[4,5]]
newArr = np.vstack((arr1, arr2))
print(newArr)

列拼接 在后面拼接

arr1 = arr[0:2]
arr2 = arr[[4,5]]
newArr = np.hstack((arr1, arr2))
print(newArr)

分别获取每行或每列的总和 axis=0 表示列 axis=1 表示行

# 平均值 mean
arr4 = np.sum(arr, axis=0)
print(arr4)

# 第n列的sum
print(np.sum(arr[:, 2]))

reshape(6,4) 查看数组大小 返回元祖
print(arr.shape)

按列均分为n份 注意 均分后的值必须是正整数,不能有小数,也就是总行数/要均分的份数,能整除

vsplit(arr, n) 按行均分为n份 ,返回列表  可通过下标获取
ret = np.hsplit(arr, 4)
print(ret[2])

排序 axis=0 按列升序排序 axis=1 按行升序排序

arr2 = np.sort(arr[[4,2,0]], axis=1)
 print(arr2)

怎么降序排序

# 按列降序     np.sort(arr[::-1])
arr3 = np.sort(arr[::-1])
print(arr3)

按行降序 先将数据变为负数 然后升序排序 np.sort(-arr, axis=1) 再加个符号,把负数变为整数

 array = -np.sort(-arr, axis=1)   #降序
 print(array)

矩阵按其第一列元素大小顺序来对整个矩阵进行行排序

arr5 = np.array([[5, 4, 6], [3, 6, 3], [9, 4, 1]])
print(arr5)
mat1=arr5[arr5[:,0].argsort()]
print(mat1)

一元ufunc:

ceil(x): 向上最接近的整数,参数是 number 或 ndarray
floor(x): 向下最接近的整数,参数是 number 或 ndarray
rint(x): 四舍五入,参数是 number 或 ndarray
negative(x): 元素取反,参数是 number 或 ndarray
abs(x):元素的绝对值,参数是 number 或 ndarray
square(x):元素的平方,参数是 number 或 ndarray
aqrt(x):元素的平方根,参数是 number 或 ndarray
sign(x):计算各元素的正负号, 1(正数)、0(零)、-1(负数),参数是 number 或 ndarray
modf(x):将数组的小数和整数部分以两个独立数组的形式返回,参数是 number 或 ndarray
isnan(x): 判断元素是否为 NaN(Not a Number),返回bool,参数是 number 或 ndarray

二元ufunc:

add(x, y): 元素相加,x + y,参数是 number 或 ndarray
subtract(x, y): 元素相减,x - y,参数是 number 或 ndarray
multiply(x, y): 元素相乘,x * y,参数是 number 或 ndarray
divide(x, y): 元素相除,x / y,参数是 number 或 ndarray
floor_divide(x, y): 元素相除取整数商(丢弃余数),x // y,参数是 number 或 ndarray
mod(x, y): 元素求余数,x % y,参数是 number 或 array
power(x, y): 元素求次方,x ** y,参数是 number 或 array

三元ufunc:

where(condition, x, y): 三元运算符,x if condition else y,条件满足返回x,否则返回y,
参数condition 是条件语句,参数 x 和 y 是 number 或 ndarray

按下标依次迭代arr1和arr2两个数组的每个元素,并比较元素大小,如果结果为True,返回当前arr1的元素,否则返回当前arr2的元素,并将结果构建为一个数组。
arr3 = np.where(arr1 > arr2, arr1, arr2)
print(arr3)

多维数组默认统计全部数据,添加axis参数可以按指定轴心统计,值为0则按列统计,值为1则按行统计。

np.mean(x [, axis]):所有元素的平均值,参数是 number 或 ndarray
np.sum(x [, axis]):所有元素的和,参数是 number 或 ndarray
np.max(x [, axis]):所有元素的最大值,参数是 number 或 ndarray
np.min(x [, axis]):所有元素的最小值,参数是 number 或 ndarray
np.std(x [, axis]):所有元素的标准差,参数是 number 或 ndarray
np.var(x [, axis]):所有元素的方差,参数是 number 或 ndarray
np.argmax(x [, axis]):最大值的下标索引值,参数是 number 或 ndarray
np.argmin(x [, axis]):最小值的下标索引值,参数是 number 或 ndarray
np.cumsum(x [, axis]):返回一个一维数组,每个元素都是之前所有元素的 累加和,参数是 number 或 ndarray
np.cumprod(x [, axis]):返回一个一维数组,每个元素都是之前所有元素的 累乘积,参数是 number 或 ndarray

ndarray支持常用的增加和删除操作,以及数组合并。

append():在数组后面追加元素
insert():在指定下标插入元素
delete():删除指定行/列数据
concatenate((arr1, arr2, ...), axis=0):合并多个数组

unique(x)         :去重,并返回有序结果.
intersect1d(x, y) :公共元素,并返回有序结果, x & y
union1d(x, y)     :计算x和y的并集,并返回有序结果, x | y
setdiff1d(x, y)   :集合的差,即元素在x中且不在y中. x - y, y - x
in1d(x, y)        :得到一个表示“x的元素是否包含于y”的布尔型数组.
setxor1d(x, y)    :对称差集,两个数组中互相不包含的元素。x ^ y

arr2 = np.array([1, 3, 2])
arr3 = np.array(["l", "o", "u", "d", "b"])
arr4 = np.unique(arr2)
print(arr4)

arr5 = np.multiply(arr2, arr3)
 print(arr5)

数组中每一个元素都进行==运算,返回一个数组,如果相等返回True 不等返回False

names = np.array(['aaa', 'bbb', 'ccc', 'ddd', 'eee', 'fff', 'ggg'])
mask = names == "aaa"
# [ True False False False False False False]

使用numpy提供的where函数 三目运算符 如果符合条件 结果为值1 否则为值2 将结果添加到数组中 使用格式为: result = np.where(条件, 值1, 值2)

元素替换

# 将大于20的元素替换成666
ret1 = np.where(ndarray3 > 20, 666, ndarray3)

# 将大于13,并且小于17的元素替换成100
ret2 = np.where(ndarray3 > 13, np.where(ndarray3 < 17, 100, ndarray3), ndarray3)

按条件筛选元素 矩阵名[矩阵名>数值] 对矩阵元素进行筛选,以列表形似返回符合条件的元素

newArr= arr[arr>5] # 输出 [6 7 8]

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏运维技术迷

PHP-数组排序

分别定义一个数值数组和一个关联数组. $age=array("lili"=&gt;"23","bob"=&gt;"30","ben"=&gt;"44"); $c...

33760
来自专栏尾尾部落

普林斯顿大学算法公开课笔记——插入排序

现有一组数组 arr = [5, 6, 3, 1, 8, 7, 2, 4],共有八个记录,排序过程如下:

17410
来自专栏恰童鞋骚年

剑指Offer面试题:7.旋转数组的最小数字

  这道题最直观的解法并不难,从头到尾遍历数组一次,我们就能找出最小的元素。这种思路的时间复杂度显然是O(n)。但是这个思路没有利用输入的旋转数组的特性,肯定达...

9820
来自专栏静默虚空的博客

[Java 基础]数据类型

基本类型和引用类型 Java中的数据类型有两类: l 基本类型(又叫内置数据类型,或理解为值类型) l 引用类型 ? 基本类型和引用类型的区别 1. 从概念方面...

18990
来自专栏专注 Java 基础分享

面试中常用排序算法实现(Java)

     当我们进行数据处理的时候,往往需要对数据进行查找操作,一个有序的数据集往往能够在高效的查找算法下快速得到结果。所以排序的效率就会显的十分重要,本篇我们...

27990
来自专栏木子昭的博客

JavaScript 原始数据类型转换

Js基础数据类型有7种: 原始数据类型(6种) number (数值) string (字符串) boolean (布尔) null (空对象, typeo...

21020
来自专栏刘望舒

算法(三)初等排序后篇[选择和希尔排序]

1.选择排序 根据上一篇文章讲到的插入排序和冒泡排序,我们把选择排序的数组也分为已排序部分和未排序部分。 图解选择排序 在用图来讲解选择排序之前,我们要先了...

19780
来自专栏赵俊的Java专栏

最长上升连续子序列

18640
来自专栏猿人谷

二维数组的查找

题目:在一个二维数组中,每一行都按照从左到右递增的顺序排序,每一列都按照从上到下递增的顺序排序。请完成一个函数,输入这样的一个二维数组和一个整数,判断数组中是否...

21450
来自专栏Python爱好者

Java基础笔记05

17880

扫码关注云+社区

领取腾讯云代金券