Datawhale 第十九期 Numpy下 之 Task05：实践大作业

本次练习使用 鸢尾属植物数据集 .\iris.data ，在这个数据集中，包括了三类不同的鸢尾属植物：
Iris Setosa，Iris Versicolour，Iris Virginica。每类收集了50个样本，因此这个数据集一共包含了
150个样本。

sepallength：萼片长度
sepalwidth：萼片宽度
petallength：花瓣长度
petalwidth：花瓣宽度

以上四个特征的单位都是厘米（cm）。

1. 导入鸢尾属植物数据集，保持文本不变。

import numpy as np
outfile = r'.\iris.data'
iris_data = np.loadtxt(outfile, dtype=object, delimiter=',', skiprows=1)
print(iris_data[0:10])
# [['5.1' '3.5' '1.4' '0.2' 'Iris‐setosa']
# ['4.9' '3.0' '1.4' '0.2' 'Iris‐setosa']
# ['4.7' '3.2' '1.3' '0.2' 'Iris‐setosa']
# ['4.6' '3.1' '1.5' '0.2' 'Iris‐setosa']
# ['5.0' '3.6' '1.4' '0.2' 'Iris‐setosa']
# ['5.4' '3.9' '1.7' '0.4' 'Iris‐setosa']
# ['4.6' '3.4' '1.4' '0.3' 'Iris‐setosa']
# ['5.0' '3.4' '1.5' '0.2' 'Iris‐setosa']
# ['4.4' '2.9' '1.4' '0.2' 'Iris‐setosa']
# ['4.9' '3.1' '1.5' '0.1' 'Iris‐setosa']]

2. 求出鸢尾属植物萼片长度的平均值、中位数和标准差（第1列，sepallength）

import numpy as np
outfile = r'.\iris.data'
sepalLength = np.loadtxt(outfile, dtype=float, delimiter=',', skiprows=1, usecols=[0])
print(sepalLength[0:10])
# [5.1 4.9 4.7 4.6 5. 5.4 4.6 5. 4.4 4.9]
print(np.mean(sepalLength))
# 5.843333333333334
print(np.median(sepalLength))
# 5.8print(np.std(sepalLength))
# 0.8253012917851409

3. 创建一种标准化形式的鸢尾属植物萼片长度，其值正好介于0和1之间，这样最小值为0，最大值为1（第1列，sepallength）。

import numpy as np
outfile = r'.\iris.data'
sepalLength = np.loadtxt(outfile, dtype=float, delimiter=',', skiprows=1, usecols=[0])
# 方法1
aMax = np.amax(sepalLength)
aMin = np.amin(sepalLength)
x = (sepalLength ‐ aMin) / (aMax ‐ aMin)
print(x[0:10])
# [0.22222222 0.16666667 0.11111111 0.08333333 0.19444444 0.30555556
# 0.08333333 0.19444444 0.02777778 0.16666667]
# 方法2
x = (sepalLength ‐ aMin) / np.ptp(sepalLength)
print(x[0:10])
# [0.22222222 0.16666667 0.11111111 0.08333333 0.19444444 0.30555556
# 0.08333333 0.19444444 0.02777778 0.16666667]

4. 找到鸢尾属植物萼片长度的第5和第95百分位数（第1列，sepallength）。

import numpy as np
outfile = r'.\iris.data'
sepalLength = np.loadtxt(outfile, dtype=float, delimiter=',', skiprows=1, usecols=[0])
x = np.percentile(sepalLength, [5, 95])
print(x) # [4.6 7.255]

5. 把iris_data数据集中的20个随机位置修改为np.nan值

import numpy as np
outfile = r'.\iris.data'
# 方法1
iris_data = np.loadtxt(outfile, dtype=object, delimiter=',', skiprows=1)
i, j = iris_data.shape
np.random.seed(20200621)
iris_data[np.random.randint(i, size=20), np.random.randint(j, size=20)] = np.nan
print(iris_data[0:10])
# [['5.1' '3.5' '1.4' '0.2' 'Iris‐setosa']