Numpy 数据分析基础

numpy 库

ndarray : numpy 的关键

a = np.array([1,2,3])

# 轴

a.ndim

# 数组长度

a.size

# 数组的型

a.shape

# 类型

a.dtype

创建数组

a = np.array([1,2,3],[2,3,4])

b = np.array((1,2,3),(4,5,6))

c = np.array([1,2,3],(4,5,6))

d = np.zeros((3,3))

e = np.ones((3,3))

f = np.arange(3,14)

g = np.arange(0,12,3)

h = np.arange(0,12).reshape(3,4)

i = np.linspace(0,10,5)

j = np.random.random((3,5))

基本操作

算数运算符

# 对每个元素操作

a=np.array(4)

a+4

a*2

b=np.array(4,8)

a+b

a-b

a*np.sin(b)

a*np.sqrt(b)

# ++ --

自增自减

元素级（对每个元素起作用）

矩阵积

# 不是元素级别的

np.dot(A,B) != np.dot(B,A)

通用函数与聚合函数

# 通用函数

a=np.array(3,4)

np.sqrt(a)

np.log(a)

np.sin(a)

# 聚合函数

a.sum()

a.min()

a.max()

a.mean()

a.std()

切片操作

a=np.arange(3,4)

# 从第二个到第六个元素（=1 && < 5）

a[1:5]

# 每两个抽取一个

a[1:5:2]

# 起始位置 ： 结束位置 ： 切片间隔

a[::2]

a[:5:2]

a[:5:]

# 取某一行

a[0,:]

# 取某一列

a[:,0]

遍历

for i in a:

    print(i)

for i in a.flat:

    print(i)

np.apply_along_axis(func,axis=0,arr=A)

形状改变

# 改为2*2

a=arange(0,4).reshape(2,2)

# 改为一维数组

a.ravel()

# 转置

a.transpose()

数组的链接

#垂直入栈

np.vstack((A,B))

#水平入栈

np.hstack((A,B))

#多个数组之间的站操作

np.column_stack((a,b,c))

np.row_stack((a,b,c))

数组切分

A=np.arange(16).reshape((4,4))

# 按照列进行平分

[B,C]=np.hsplit(A,2)

# 按照行进行平分

[B,C=np.vsplit(A,2)

# split

传入数组作为参数：指定被切分部分索引，axis=1 列索引，axis=0 行索引

读取CSV

data = genfromtxt('data.csv',delimeter=',',names=True)