Numpy读取本地数据和索引

Numpy读取数据：

CSV：Comma-Separated Value,逗号分隔值文件

显示:表格状态

源文件：换行和逗号分隔行列的格式化文本，每一行的数据表示一条记录。

---

numpy读取csv文件：

np.loadtxt

loadtxt(fname, dtype=float, comments='#', delimiter=None,
            converters=None, skiprows=0, usecols=None, unpack=False,
            ndmin=0, encoding='bytes', max_rows=None, *, like=None):

fname	文件名（文件的相对路径或者绝对路径）
dtype	data-type指定读取后的数据类型（对较大的数会用科学计数法表示）
comments	跳过文件中指定参数开头的行（即不读取）
delimiter	指定文件中的分隔符
skiprows	跳过的行数
usecols	选择哪几列
unpack	结果是否转置

numpy中的转置：

t = np.arange(24).reshape(4, 6)
print(t)
print("*"*25)

#T转置
t1 = t.T
print(t1)
print("*"*25)

#transpose
t2 = t.transpose()
print(t2)
print("*"*25)

#swapaxes调增轴的顺序
t3 = t.swapaxes(1, 0)
print(t3)

[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]
*************************
[[ 0  6 12 18]
 [ 1  7 13 19]
 [ 2  8 14 20]
 [ 3  9 15 21]
 [ 4 10 16 22]
 [ 5 11 17 23]]

numpy中的索引和切片

行：

#取行
print(t[2])
#取连续多行
print(t[2:])
#取不连续的多行 多加一个方括号
print(t[[0, 2]])

[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]
*************************
[12 13 14 15 16 17]
*************************
[[12 13 14 15 16 17]
 [18 19 20 21 22 23]]
*************************
[[ 0  1  2  3  4  5]
 [12 13 14 15 16 17]]

列：

#取列
print(t[:, 1])
#取连续多列
print(t[:, 1:])
#取不连续的多列
print(t[:,[0, 2, 4]])
#取多行和多列，第三行，第四列的值
print(t[2, 3])

[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]
*************************
[ 1  7 13 19]
*************************
[[ 1  2  3  4  5]
 [ 7  8  9 10 11]
 [13 14 15 16 17]
 [19 20 21 22 23]]
*************************
[[ 0  2  4]
 [ 6  8 10]
 [12 14 16]
 [18 20 22]]

点：

#取多行和多列，第三行，第四列的值
print(t[2, 3])
# 取多行多列， 2-4行 1-3列 取的是交叉点的数据
print(t[1:4,0:3])
#取多个不相邻的点
print(t[[0, 1, 3, 3],[0, 2, 1, 2]])  #(0, 0), (1, 2), (3, 1), (3, 2)

[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]
*************************
15
*************************
[[ 6  7  8]
 [12 13 14]
 [18 19 20]]
*************************
[ 0  8 19 20]

Numpy布尔索引：

#将小于10的值替换成100
print(t[t < 3])
t[t < 3] = 100
print(t)

[ 4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]

[[100 100 100   3   4   5]
 [  6   7   8   9  10  11]
 [ 12  13  14  15  16  17]
 [ 18  19  20  21  22  23]]

Numpy三元运算符：

np.where(t < 10, 0, 99)
print(np.where(t < 10, 0, 99)) // 小于10的为0， 否则为99

Numpy clip(裁剪)：

print(t.clip(3, 10))  // 小于3的数全部为3， 大于10的数全部为10


[[ 3  3  3  3  4  5]
 [ 6  7  8  9 10 10]
 [10 10 10 10 10 10]
 [10 10 10 10 10 10]]