数据分析-numpy的用法

一、jupyter notebook

两种安装和启动的方式：

第一种方式：

命令行安装：pip install jupyter

启动：cmd 中输入 jupyter notebook

缺点：必须手动去安装数据分析包（比如numpy,pandas...）

第二种方式：

下载anaconda软件

优点：包含了数据分析的基础包大概200个左右的科学运算包

jupyter notebook一些快捷键操作：

1. 运行当前代码并选中下一个单元格  shift+enter
2. 运行当前的单元格  crtl + enter

    绿色： 编辑模式
    蓝色： 命令行模式

3. 在单元格的上方添加一个单元格 ， 按esc进入命令行模式，接下来按 a (above) 添加
4. 在单元格的上方添加一个单元格 ， 按esc进入命令行模式，接下来按 b (below) 添加

5. 删除一个单元格， 按esc进入命令行模式， 接下来，按 dd(delete) 删除

6. 代码和markdown的切换,  按esc进入命令行模式， 接下来，按 m 切换    

二、numpy的用法

导入方式：   import numpy as np

1.ndarray-多维数组对象

创建ndarray对象

np.array()

2.ndarray是一个多维数组列表

一维

 二维  （被几层中括号包围，就是几维,里面的都是一层）  多维就是以此类推

 注意：数组和python中的列表很像，但是它们之间有什么区别呢？（******）

1.数组对象内的元素类型必须相同
2.数组大小不可修改

3.常用的属性（******）

 属性T (数组的转置，下面的例子。原来是二维数组 两行三列，转置之后变成三行两列)

 属性dtype   (获取数据的类型)

 属性size   （数组元素的个数）

 属性ndim  (数组的维度)

属性shape (以元组形式)  两行三列

4.数据类型  dtype（******）

整型：
int32只能表示(-2**31,2**31-1),因为它只有32个位，只能表示2**32个数

无符号整型：
只能用来存正数，不能用来存负数

补充：
astype()方法可以修改数组的数据类型

astype()方法

5.创建ndarray方式（******）

arange() 类似于python的range版本    可以设置起始值和终止值，还有步长

linspance()   这个和arange不一样，这个是顾头也顾尾。前两个参数是设置取值区间，第三个参数在这个区间均等取几份

zeros()  用0组成一个多维数组 

ones() 用1组成一个多维数组

empty()   随机指定维度的数组，数字是随机的

eye()  指定维度创建单位矩阵，对角是1

 6.索引和切片（******）

数组和标量（数字）之间的运算

li1 = [
    [1,2,3],
    [4,5,6]
]
a = np.array(li1)
a * 2
运行结果:
array([[ 2,  4,  6],
       [ 8, 10, 12]])

同样大小数组之间的运算

# l2数组
l2 = [
    [1,2,3],
    [4,5,6]
]
a = np.array(l2)

# l3数组
l3 = [
    [7,8,9],
    [10,11,12]
]
b = np.array(l3)

a + b  # 计算

执行结果：
array([[ 8, 10, 12],
       [14, 16, 18]])

索引

# 将一维数组变成二维数组
arr = np.arange(30).reshape(5,6) # 生成五行六列的二维数组# 将二维变一维
arr.reshape(30)

# 索引使用方法
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23],
       [24, 25, 26, 27, 28, 29]])
现在有这样一组数据，需求：找到20
#两种写法
列表写法：arr[3][2]
数组写法：arr[3,2]  # 中间通过逗号隔开就可以了，逗号前面的是行索引，后面的是列索引，都是从0开始

切片

arr数组
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23],
       [24, 25, 26, 27, 28, 29]])
arr[1:4,1:4]   # 切片方式
#逗号前面是行索引 1:4代表 第2行到第4行，后面是列索引 1:4代表 第2列到第4列
执行结果：
array([[ 7,  8,  9],
       [13, 14, 15],
       [19, 20, 21]])

注意：最后会发现修改切片后的数据影响的依然是原数据。有的人可能对一点机制有一些不理解的地方，像Python中内置的都有赋值的机制，而Numpy去没有，其实是因为NumPy的设计目的是处理大数据，所以你可以想象一下，假如NumPy坚持要将数据复制来复制去的话会产生何等的性能和内存问题。

总结：索引和切片和python原生的列表切片，索引相似。需要注意高维数组的索引和切片中逗号的使用。

布尔型索引（******）

需求：现在有一个数组，需要取出大于5的数。

li = [random.randint(1,10) for _ in range(30)]  #生成在1到9中随机挑选的30个整数，组成一维数组
a = np.array(li)
a[a>5]
执行结果：
array([10,  7,  7,  9,  7,  9, 10,  9,  6,  8,  7,  6])
----------------------------------------------
原理:
a>5会对a中的每一个元素进行判断，返回一个布尔数组
a > 5的运行结果：
array([False,  True, False,  True,  True, False,  True, False, False,
       False, False, False, False, False, False,  True, False,  True,
       False, False,  True,  True,  True,  True,  True, False, False,
       False, False,  True])
----------------------------------------------
布尔型索引：将同样大小的布尔数组传进索引，会返回一个有True对应位置的元素的数组（******）

花式索引（******）

res = np.array([1,2,3,4,5,6,7,8,9,10])
现在有一个这样的数组，需要获取值2,4,7,9
res[[1,3,6,8]]  #内层括号中的数字指的是想要获取的值的索引下标

三、numpy中通用函数

能对数组中所有元素同时进行运算的函数就是通用函数

常见通用函数：
能够接受一个数组的叫做一元函数，接受两个数组的叫二元函数，结果返回的也是一个数组

一元函数：

函数	功能
abs、fabs	分别是计算整数和浮点数的绝对值
sqrt	计算各元素的平方根
square	计算各元素的平方
exp	计算各元素的指数e**x
log	计算自然对数
sign	计算各元素的正负号
ceil	计算各元素的ceiling值，向上取整
floor	计算各元素floor值，向下取整
rint	计算各元素的值四舍五入到最接近的整数，保留dtype
modf	将数组的小数部分和整数部分以两个独立数组的形式返回，与Python的divmod方法类似
isnan	判断各元素是否NaN(类似于空)，非NaN返回False
isinf	表示那些元素是无穷的布尔型数组
cos，sin，tan	普通型和双曲型三角函数

abs   (整数绝对值)

np.abs(-2)   #2
np.abs([-2,-4,-5,-10])  #array([2,4,5,10])

fabs  (浮点型绝对值)

np.fabs([-1.3,-2.5,-3.4])   #array([1.3,2.5,3.4])

sqrt  （元素的平方根）

np.sqrt(4)   #2.0

square()  (求平方)

np.square(2)  #

sign   (取某个数的符号)

np.sign([-0.2, -1.1, 0, 2.3, 4.5, 0.0])   #array([-1., -1.,  0.,  1.,  1.,  0.])

modf  (小数部分和整数部分以两个独立数组的形式返回)

np.modf([1.3,2.5])   #(array([0.3, 0.5]), array([1., 2.]))

isnan    (判断是否为NaN)

np.isnan(10)         #False
np.isnan(np.nan)   #True

二元函数：

函数	功能
add	将数组中对应的元素相加
subtract	从第一个数组中减去第二个数组中的元素
multiply	数组元素相乘
divide、floor_divide	除法或向下圆整除法（舍弃余数）
power	对第一个数组中的元素A，根据第二个数组中的相应元素B计算A**B
maximum，fmax	计算最大值，fmax忽略NAN
miximum，fmix	计算最小值，fmin忽略NAN
mod	元素的求模计算（除法的余数）

数学统计方法：

函数	功能
sum	求和(注意可以加参数使用)
cumsum	求前缀和
mean	求平均数
std	求标准差
var	求方差
min	求最小值
max	求最大值
argmin	求最小值索引
argmax	求最大值索引

cumsum     (1,1+2,1+2+3，依次这样加上求出结果)

np.cumsum([[1,2,3], [4,5,6]])   #array([ 1,  3,  6, 10, 15, 21], dtype=int32)

max   (求出元素最大值)

np.max([2,5,3,9])   #

argmax  (获得元素最大值的索引)

np.argmax([2,5,8,9])   #

随机数

随机生成函数在np.random的子包当中

函数	功能
rand	给定形状产生随机数组（0到1之间的数）
randint	给定形状产生随机整数
chocie	给定形状产生随机选择
shuffle	与random.shuffle相同,随机排序
uniform	给定形状产生随机数组

rand    (生成一个0-1之间的随机数)

np.random.rand()    #0.49166803964675165

randint  (随机生成一个整数)

np.random.randint(1,10)   #

choice  （在0-2中随机生成3个数）

np.random.choice(3,3)   #array([0, 2, 1])

uniform  (在给定数据中随机产生数组)

np.random.uniform(-1,0,20)

#结果
array([-0.66594843, -0.5310402 , -0.29780177, -0.07202016, -0.28427749,
       -0.56300027, -0.77879767, -0.16601984, -0.28470704, -0.95631047,
       -0.37167632, -0.88102119, -0.33952064, -0.94433562, -0.49175838,
       -0.47084326, -0.96345379, -0.70347248, -0.85644044, -0.46857343])

当你不知道此方法有什么参数值，你可以在后面加一个问号，然后按shfit+enter,下面就会跳出解释