Pyhon数据分析-Numpy基本操作

最新推荐文章于 2024-03-18 22:01:27 发布

原创最新推荐文章于 2024-03-18 22:01:27 发布 · 239 阅读

0 ·

CC 4.0 BY-SA版权

Python 专栏收录该内容

6 篇文章

订阅专栏

本文介绍了Python数据分析库Numpy的基本操作，包括按行计算数组的总和、最小值和最大值，以及累积和。同时，提到了如何使用sklearn加载数据集，如内置的iris数据集，以及从网络获取和读取txt或csv数据的方法。

import numpy as np

A = numpy.array([ [],[],[],…]) #numpy数组=矩阵

A[:,1] #取第二列

#创建数组<矩阵>  数组（即矩阵）的维度被称为axes，维数称为 rank

np.arange(num).reshape(m,n) #一维数组转变为(m,n)矩阵

np.linspace  #随机数字矩阵

numpy.zeros((m,n),dtype=int)  #0矩阵

numpy.ones((m,n))  #1矩阵，整形类型

numpy.eye()   #E矩阵/单位矩阵

# ndaaray属性

ndaaray.ndim  #数组维数

ndaaray.shape  #各维大小(n,m)

ndaaray.size #元素总数

ndaaray.dtype #元素类型：numpy.int32, numpy.int16, and numpy.float64

ndarray.itemsize #每个元素占用的字节数。

ndarray.data：#指向数据内存

#数组内部运算：加、减、乘、内部运算、转置

np.sum([[0, 1], [0, 5]], axis=0) #axis轴向(0横向,1纵向) 按行叠加

a.min/max((axis=1) # 获取每一行的最小值/最大值

a.cumsum(axis=1) # 计算每一行的累积和

#元素值

a.sum() #所有元素之和

a.min()/a.max() #所有元素最小/最大值

#数组索引，切片

a[index1:index2] #index1~2数据

a[index1:index2:间隔num] #按间隔取数据

b[0:5,1] # 每行的第二个元素

#数组遍历

for row in b:

#合并数组

np.vstack((a,b))#垂直方向合并

np.hstack((a,b)) #水平方向合并

#矩阵转置运算

np.transpose()

sklearn:

# 加载数据集

sklearn.datasets.load_iris() #导入sklearn内置数据集

urllib.urlopen(url) #获取网络数据

numpy.loadtxt(raw_data,delimiter=",") #导入txt/csv数据