python中nmupy获取本地数据和索引

1. numpy读取数据

可以使用numpy中的loadtxt进行数据读取，所包含的参数如下

参数名	解释
frame	文件，字符串等也可以是.gz或bz2压缩文件
dtype	数据类型，即CSV中字符串以什么数据类型读入数组中，默认是np.float
delimiter	分隔字符串，即CSV文件中分隔数据的字符串，默认空格
skiprows	跳过前多少行，一般跳过第一行表头
usecols	读取指定的列，索引，元组类型
unpack	如果是True，读入属性将分别写入不同数组变量，False读入数据只写入一个数组变量，默认False

本次数据分析所使用的数据源，我已经上传，名称为python中nmupy获取本地数据和索引-US-video-data-numbers，可以进我的主页免费下载，里面数据基本就是截图这样，共有四列

此时可以通过numpy进行数据读取

import numpy as np

#数据源的路径
us_file_path = r"D:\Python_Project\data_analysis\csdn\matplotlib\data\US_video_data_numbers.csv"

t1 = np.loadtxt(us_file_path,delimiter=",",dtype="int")
print(t1)

这样就能看到文件里的内容，如果增加unpack=True，那就会得到一个转置后的数据

import numpy as np

#数据源的路径
us_file_path = r"D:\Python_Project\data_analysis\csdn\matplotlib\data\US_video_data_numbers.csv"

t1 = np.loadtxt(us_file_path,delimiter=",",dtype="int",unpack=True)
print(t1)

2. numpy的索引和切片

2.1 获取特定行

在数据量比较大的时候，直接查询也不会展示所有数据，所以会出现只取其中某行或某列的情况，可以通过索引的方式获取指定行

import numpy as np

#数据源的路径
us_file_path = r"D:\Python_Project\data_analysis\csdn\matplotlib\data\US_video_data_numbers.csv"

t1 = np.loadtxt(us_file_path,delimiter=",",dtype="int")
t2 = np.loadtxt(us_file_path,delimiter=",",dtype="int",unpack=True)
print(t1)
print("*"*100)
#取第3行
print(t1[2])

这样就能看到只单独获取了第三行，同样的，也可以获取连续的多行

import numpy as np

#数据源的路径
us_file_path = r"D:\Python_Project\data_analysis\csdn\matplotlib\data\US_video_data_numbers.csv"

t1 = np.loadtxt(us_file_path,delimiter=",",dtype="int")
t2 = np.loadtxt(us_file_path,delimiter=",",dtype="int",unpack=True)
print(t1)
print("*"*100)

#取连续多行 3至5行
print(t1[2:5])

不仅可以获取连续行，也可以获取不连续行

import numpy as np

#数据源的路径
us_file_path = r"D:\Python_Project\data_analysis\csdn\matplotlib\data\US_video_data_numbers.csv"

t1 = np.loadtxt(us_file_path,delimiter=",",dtype="int")
t2 = np.loadtxt(us_file_path,delimiter=",",dtype="int",unpack=True)
print(t1)
print("*"*100)

#取不连续多行 3、6行
print(t1[[2,5]])

2.2 获取特定列

上面说的是如何取特定行，同样的，也可以按需求获取特定列

import numpy as np

#数据源的路径
us_file_path = r"D:\Python_Project\data_analysis\csdn\matplotlib\data\US_video_data_numbers.csv"

t1 = np.loadtxt(us_file_path,delimiter=",",dtype="int")
t2 = np.loadtxt(us_file_path,delimiter=",",dtype="int",unpack=True)
print(t1)
print("*"*100)

#取第一列
print(t1[:,0])

这样就会获取第一列的数据，与取行类似，取列的时候，也可以获取指定列

import numpy as np

#数据源的路径
us_file_path = r"D:\Python_Project\data_analysis\csdn\matplotlib\data\US_video_data_numbers.csv"

t1 = np.loadtxt(us_file_path,delimiter=",",dtype="int")
t2 = np.loadtxt(us_file_path,delimiter=",",dtype="int",unpack=True)
print(t1)
print("*"*100)

#取不连续多列 第一列和第三列
print(t1[:,[0,2]])

2.3 获取特定单元格内的数值

上面已经写了如何获取特定列与特定行，那自然就可以获取指定单元格内的数据

import numpy as np

#数据源的路径
us_file_path = r"D:\Python_Project\data_analysis\csdn\matplotlib\data\US_video_data_numbers.csv"

t1 = np.loadtxt(us_file_path,delimiter=",",dtype="int")
t2 = np.loadtxt(us_file_path,delimiter=",",dtype="int",unpack=True)
print(t1)
print("*"*100)

#取第三行 第四列的值
print(t1[2,3])

简单来说，就是逗号前的内容用来取行，逗号后的内容用来取列

3. numpy进行数据修改

3.1 numpy对指定数据进行修改

根据上面的内容，我们可以获取文件中指定的行列数值，同时也可以对其进行修改，t1[2,3]的值本来是170708，对其赋值后再进行获取，就会变成修改后的数据

import numpy as np

#数据源的路径
us_file_path = r"D:\Python_Project\data_analysis\csdn\matplotlib\data\US_video_data_numbers.csv"

t1 = np.loadtxt(us_file_path,delimiter=",",dtype="int")
t2 = np.loadtxt(us_file_path,delimiter=",",dtype="int",unpack=True)
#print(t1)
#print("*"*100)

#取第三行 第四列的值
print(t1[2,3])

#数值修改
t1[2,3] = 0

print(t1[2,3])