Python数据分析 numpy 笔记

 B站课链接：【Python数据分析三剑客：NumPy、Pandas与Matplotlib】 https://www.bilibili.com/video/BV1Yb4y1g7SV/?p=16&share_source=copy_web&vd_source=e883bdf439c7a2e47e9145990387a56b

014，开始使用numpy

（1），numpy介绍

（2），导入numpy库，并查看numpy版本

#数据分析三剑客
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

np.__version__

（3）实例：读取猫图片的数据

#我自己电脑上的图片（猫咪1.jpg），注意路径是 / ，只有一个/
#图片：其实是数字组成的，三维数组
# RGB  红Red，绿Green，蓝Blue
# RGB 范围：0~255
# plt.imread : 读取图片的数据
cat = plt.imread('C:/Users/romantic/Pictures/Saved Pictures/猫咪1.jpg')
cat

type(cat)
# numpy.ndarray : 多维数组
# nd : n维度，多维
# array : 数组

#查看形状：三维
# (540, 960, 3)
#  高度：540行
#  宽度：960列
#  3 表示的RGB(red,green,blue)的值
cat.shape

#显示图片
plt.imshow(cat)
# (540, 960, 3)

# 图片：3维数据（彩色）
#       2维数据（黑白）
# 视频：4维数据
#     (x,540, 960, 3),x表示多少张图片

#一切皆数据，一切皆矩阵（在数据中）

015，创建ndarray数组

ndarray是numpy中表示数组的重要类型

（1），使用np.array() 创建

参数为列表：[1,4,2,5,3]

I = [1,4,2,3,5,6]
n = np.array(I)
n

type(n) #类型
# numpy.ndarray

n.shape #形状，6表示一维数组里有6个元素
# I.shape # 列表没有shape

# 优先级：str>float>int
n = np.array([3.14,2,"hello"])
n

（2），使用np的routines函数创建

（2.1）ones

n = np.ones(shape=(3,4)) #3行4列
n

n = np.ones(shape=(3,4,5),dtype=np.int16) # 3个二维数组，每个二维数组是4行5列，类型为整型
# n = np.ones(shape=(3,4,5),dtype=int)
n

（2.2）zeros

n = np.zeros((5,5),dtype=np.int16) # 5行5列，类型为整型
n

（2.3）full

n = np.full(shape=(3,4),fill_value=2) # 3行4列，所有元素都为2
n

（2.4）eye

#对角线为1，其他位置为0的二维数组
#单位矩阵：主对角线都是1，其他都是0
n = np.eye(6,6,dtype=np.int8) # 6行6列，类型为整型
n

# k=2：向右偏移2个位置
n = np.eye(6,6,k=2,dtype=np.int8)
n

# k=-2：向左偏移2个位置
n = np.eye(6,6,k=-2,dtype=np.int8)
n

（2.5）linspace

#等差数列
# 1,3,5,7,9
n = np.linspace(0,100,num=51,dtype=np.int16) #0~2占了一份，其他2~100中间有50份
n

# endpoint=False
n = np.linspace(0,100,num=51,endpoint=False)# 不包含100
n

#retstep=True : 显示步长
n = np.linspace(0,100,num=51,retstep=True)
n

（2.6）arange

n = np.arange(10) # 0~9,不包含10
n

n = np.arange(2,10) # 2~9,不包含10
n

n = np.arange(2,10,2) # 2~9,不包含10，步长为2
n

（2.7）random.randint

# 随机整数，范围：[0,3]
n = np.random.randint(3)
n

# 随机整数，范围：[3,10]
n = np.random.randint(3,10)
n

# 随机整数：一维，一维数组里有6个元素
n = np.random.randint(3,10,size=6)
n

# 随机整数：二维，3行4列
n = np.random.randint(3,10,size=(3,4))
n

# 随机整数：三维，也可以理解为：3个二维数组，每个二维数组是4行5列
n = np.random.randint(3,10,size=(3,4,5))
n

（2.8）random.random

n = np.random.random(size=(3,4))
n

017，ndarray常用属性

cat.shape  # 三维数组
# (540, 960, 3)
# 第一个维度：540
# 第二个维度：960
# 第三个维度：3
# 有几个数字就表示几维

cat.ndim # 维度

cat.size # 总数据量   540*960*3

cat.dtype # 元素类型
# uint8：无符号整数

018，索引操作(以下代码直接截图了)

根据索引修改数据

019，切片操作

一维与列表完全一致，多维同理

020，翻转操作

021，数组变形reshape

使用reshape函数

022，数组的级联合并

（22.1）np.concatenate()

• 参数是列表或元组
• 级联的数组维度必须相同
• 可通过axis参数改变级联的方向

（22.2）np.hstack 与 np.vstack

• 水平级联与垂直级联

023，数组的拆分/切分/分割

025，聚合函数

（25.1）np.sum 和 np.nansum （nan:not a number）

• nan：数值类型，not a number：不是一个正常的数值，表示空
• np.nan：float类型

029，数组的快速排序

030，文件IO操作

（30.1）保存数组

• save：保存ndarray到一个npy文件
• savez：将多个array保存到一个npz文件中

生成的文件

（30.2）读取数组

（30.3）csv，txt文件的读写操作

031，练习题讲解1

（31.1）创建一个长度为10的一维全为0的ndarray对象，然后让第5个元素等于1

（31.2）创建一个元素为从10到49的ndarray对象

（31.3）将第2题的所有元素位置反转

（31.4）使用np.random.random创建一个10*10的ndarray对象，并打印出最大最小元素

（31.5）创建一个10*10的ndarray对象，且矩阵边界全为1，里面全为0

第1种方法

 第2种方法

（31.6）创建一个每一行都是从0到4的5*5矩阵

032，练习题讲解2

（32.1）给定一个4维矩阵，如何得到最后两维的和？

（32.2）给定数组[1,2,3,4,5]，如何得到在这个数组的每个元素之间插入3个0后的新数组

（32.3）给定一个二维矩阵，如何交换其中两行的元素？

（32.4）矩阵的每一行的元素都减去该行的平均值

（32.5）打印出如下矩阵（要求使用np.zeros创建8*8的矩阵）