Python数据分析及可视化实例之Numpy
发布时间：2021-12-03
公开文章
本节及下一节Scipy是数据分析绕不过去的基础，
虽说Pandas大体上可以完成绝大多数清洗工作，
但还是有必要做个简单的介绍：
学习源码：
# coding: utf-8
# # Numpy基本概念
# In[1]:
from numpy import *
# ## 数组操作
# In[2]:
a = [1, 2, 3, 4]
a = array(a)
a + 1
# In[3]:
b = array([2, 3, 4, 5])
a + b
# In[4]:
a * b
# In[5]:
a ** b
# ## 数组属性
# In[6]:
type(a)
a.dtype
# In[7]:
# 1维数组，返回一个元组
a.shape
# In[8]:
a.size #查看元素数目
# In[9]:
a.nbytes #查看所有元素所占的存储空间
# In[10]:
a.ndim # 查看数组维数
# ## 索引与切片
# In[11]:
a = array([0, 1, 2, 3])
a[0]
# In[12]:
a[0] = 10
a
# In[13]:
a = array([[ 0, 1, 2, 3],
[10,11,12,13]])
a
# In[14]:
a[1, 3] # 行列式
# In[15]:
a = array([[ 0, 1, 2, 3, 4, 5],
[10,11,12,13,14,15],
[20,21,22,23,24,25],
[30,31,32,33,34,35],
[40,41,42,43,44,45],
[50,51,52,53,54,55]])
a
# In[16]:
a[0, 3:5]
# In[17]:
a[4:, 4:]
# In[19]:
a[:, 2] # 取某一列，以后在Pandas更容易
# ## 指定数组类型
# In[25]:
a = array([1.5, -3],
dtype=float32)
# In[26]:
a.dtype
# In[27]:
asarray(a, dtype=float64)
a.dtype
# In[28]:
a.astype(float64)
a.dtype
# # 数组方法
# ## 求和
# In[29]:
a = array([[1,2,3],
[4,5,6]])
sum(a)
# In[30]:
sum(a, axis=0) # 列求和
# In[31]:
sum(a, axis=-1) # 行求和
# ## 求最大最小值均值等统计参数
# In[32]:
from numpy.random import rand
a = rand(3, 4)
get_ipython().magic('precision 3')
a
# In[33]:
a.min()
# In[34]:
a.min(axis=0)
# In[35]:
a.mean()
# In[36]:
a.mean(axis=1)
# In[38]:
# 标准差
a.std(axis=1)
# In[39]:
# 方差
a.var(axis=1)
# In[40]:
a = array([1.35, 2.5, 1.5])
a.round() # 取整
# In[41]:
a.round(decimals=1) # 保留一位小数
# # 关于Numpy其他高级操作自行学习