数据分析之Numpy、Matplotlib库

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。　

菜鸟教程：https://www.runoob.com/numpy/numpy-tutorial.html

Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。它也可以和图形工具包一起使用，如 PyQt 和 wxPython。

菜鸟教程：https://www.runoob.com/numpy/numpy-matplotlib.html

Numpy模块的简单使用

 """
 菜鸟教程：https://www.runoob.com/numpy/numpy-tutorial.html
 NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

 """
 import numpy as np  # pip install numpy

 # 1.numpy创建的数组类型为<class 'numpy.ndarray'>

 # (1)创建ndarray一维数组
 ndarray_1 = np.array([1, 2, 4, 6])
 print(ndarray_1)
 # (2)创建ndarray二维数组(如果元素不对称，结果是一维列表数组)
 ndarray_2 = np.array([[2, 4, 6], [1, 3, 5]])
 print(ndarray_2,type(ndarray_2[1]))

 # ndarray_2=np.array([[2,4,6],[1,3,5,3]])
 # print(ndarray_2,type(ndarray_2))#[list([2, 4, 6]) list([1, 3, 5, 3])] <class 'numpy.ndarray'>
 # print(type(ndarray_2[1]))#<class 'list'>

 # (3)numpy默认ndarray的所有元素的类型是相同的
 # 如果传进来的列表中包含不同的类型，则统一为同一类型，优先级：str>float>int
 ndarray_3 = np.array([[2, 4, 6], [1, 3, 5]])
 print(ndarray_3[1][2], type(ndarray_2[1][2]))  # 5 <class 'numpy.int32'>

 ndarray_3 = np.array([[2, 4.8, 6], [1, 3, 5]])
 print(ndarray_3[1][2], type(ndarray_2[1][2]))  # 5.0 <class 'numpy.float64'>

 ndarray_3 = np.array([["a", 4, 6], [1, 3, 5]])
 print(ndarray_3[1][2], type(ndarray_2[1][2]))  # 5 <class 'numpy.str_'>

 #(4)numpy创建等差数组np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) 等差数列
 ndarray_4=np.linspace(0,10,num=20)
 print(ndarray_4)

 #(5)numpy创建随机数组np.arange([start, ]stop, [step, ]dtype=None)
 ndarray_5=np.arange(0,10,step=2)
 print(ndarray_5)
 ndarray_5=np.arange(0,10)
 print(ndarray_5)

 #(6)numpy创建随机多维数组np.random.randint(low, high=None, size=None, dtype='l')
 #如果指定了随机银子，就不在随机
 # np.random.seed(10)#随机因子/时间种子
 ndarray_6=np.random.randint(0,10,size=(3,4))#0到10之间3X4的数组
 print(ndarray_6)
 ndarray_6=np.random.randint(0,100,size=(3,3,3))#0到100之间3X3X3的三维数组
 print(ndarray_6)

 #(7)numpy创建0-1之间的随机小数
 ndarray_7=np.random.random()
 print(ndarray_7,type(ndarray_7))

 #2.ndarray数组的属性

 #(8)ndarray数组的大小：ndarray.size
 print(ndarray_1.size)
 print(ndarray_2.size)
 print(ndarray_3.size)
 print(ndarray_4.size)
 print(ndarray_5.size)
 print(ndarray_6.size)

 #(9)ndarray数组的维度：ndarray.ndim
 print(ndarray_1.ndim)
 print(ndarray_2.ndim)
 print(ndarray_3.ndim)
 print(ndarray_4.ndim)
 print(ndarray_5.ndim)
 print(ndarray_6.ndim)

 #(10)ndarray数组的形状:ndarray.shape
 print(ndarray_1.shape)
 print(ndarray_2.shape)
 print(ndarray_3.shape)
 print(ndarray_4.shape)
 print(ndarray_5.shape)
 print(ndarray_6.shape)

 #(11)ndarray数组的元素类型：ndarray.dtype
 print(ndarray_1.dtype)
 print(ndarray_2.dtype)
 print(ndarray_3.dtype)
 print(ndarray_4.dtype)
 print(ndarray_5.dtype)
 print(ndarray_6.dtype)

 #(12)ndarray类型查看:type()
 print(type(ndarray_1))
 print(type(ndarray_2))
 print(type(ndarray_3))
 print(type(ndarray_4))
 print(type(ndarray_5))
 print(type(ndarray_6))

 #3.ndarray数组的基本操作
 # 对二维数组中括号第一个参数为行，第二个参数为列；
 #对多维数组ndarray[,,,,]，中括号中逗号分割的每个数字都指代一个维度

 #(13)索引:①一维数组与列表一致；②多维数组与C语言一样
 ndarray_13=np.random.randint(0,10,size=(3,4))
 print(ndarray_13)#二维数组
 print(ndarray_13[1])#获取二位数组第2行
 print(ndarray_13[[1,2]])#获取二维数组第2和第3行
 print(ndarray_13[1,3])#获取二维数组第2行第4个元素

 #(14)切片
 ndarray_14=np.random.randint(0,10,size=(5,4))
 print(ndarray_14)
 print(ndarray_14[:2])#获取二维数组的前两行
 print(ndarray_14[:,:2])#获取二位数组的前两列
 print(ndarray_14[:2,:2])#获取二位数组的前两行和前两列

 print(ndarray_14[::-1])#对二维数组的行进行翻转
 print(ndarray_14[:,::-1])#对二位数组的列进行翻转
 print(ndarray_14[::-1,::-1])#对二维数组的行和列都进行翻转

 #(15)变形：使用ndarray.reshape()函数，注意参数是一个tuple！

 ndarray_15=np.random.randint(0,10,size=10)
 print(ndarray_15)
 print(ndarray_15.reshape((2,5)))#一维数组变形成二位数组

 ndarray_15=np.random.randint(0,10,size=(3,4))
 print(ndarray_15)
 print(ndarray_15.reshape((12,)))#二位数组变形成一位数组
 print(ndarray_15.reshape((2,6)))#二位数组便形成其它二位数组

 #(16)级联操作：对多个ndarray数组进行横向或者纵向的拼接np.concatenate((arr,arr),axis=0) #axis=0 列  1行
 ndarray_16=np.random.randint(0,10,size=(3,4))
 print(ndarray_16)
 print(np.concatenate((ndarray_16,ndarray_16),axis=0))#第一个参数为多个ndarray数组，axis为0表示列级联
 print(np.concatenate((ndarray_16,ndarray_16),axis=1))#第一个参数为多个ndarray数组，axis为1表示列级联

 #4.ndarray数组的聚合操作
 #(17)求和：ndarray.sum([axis=])
 ndarray_17=np.random.randint(0,10,size=(3,4))
 print(ndarray_17)

 print(ndarray_17.sum())#无参数默认全部求和
 print(ndarray_17.sum(axis=1))#axis为1指定行求和
 print(ndarray_17.sum(axis=0))#axis为0指定列求和

 #(18)最大值、最小值：ndarray.max()/ndarray.min()
 ndarray_18=np.random.randint(0,10,size=(3,4))
 print(ndarray_18)

 print(ndarray_18.max())#默认无参数求数组最大值
 print(ndarray_18.max(axis=1))#axis为1指定行求最大值
 print(ndarray_18.max(axis=0))#axis为0指定列求最大值

 print(ndarray_18.min())#默认无参数求数组最小值
 print(ndarray_18.min(axis=1))#axis为1指定行求最小值
 print(ndarray_18.min(axis=0))#axis为0指定列求最小值

 #(19)平均值：ndarray.mean()
 ndarray_19=np.random.randint(0,10,size=(3,4))
 print(ndarray_19)

 print(ndarray_19.mean())#默认无参数求数组平均值
 print(ndarray_19.mean(axis=1))#axis为1指定行求平均值
 print(ndarray_19.mean(axis=0))#axis为1指定列求平均值

 #(19)ndarray数组的其它聚合操作
 """
 ndarray.prod()
 ndarray.std()       标准差
 ndarray.var()
 ndarray.argmin()
 ndarray.argmax()
 ndarray.median()
 ndarray.percentile()
 ndarray.any()       一些
 ndarray.all()       所有
 ndarray.power()     幂运算
 """

 #5.ndarray数组排序:np.sort()与ndarray.sort()都可以，但有区别
 ndarray_20=np.random.randint(0,10,size=(3,4))
 print(ndarray_20)
 print(np.sort(ndarray_20))#默认对行、列顺序排序
 print(np.sort(ndarray_20,axis=1))#对行排序
 print(np.sort(ndarray_20,axis=0))#对列排序

Numpy简单使用

Matplotlib模块的简单使用

 """
 菜鸟教程：https://www.runoob.com/numpy/numpy-matplotlib.html
 Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。
 它也可以和图形工具包一起使用，如 PyQt 和 wxPython。
 """
 import numpy as np
 import matplotlib.pyplot as plt
 #读取显示图片
 img_arr=plt.imread('1.png')#读取图片数组
 plt.imshow(img_arr)#显示图片
 plt.show()
 print(img_arr.shape)
 #可以直接使用numpy中的数组方法
 plt.imshow(img_arr[::-1])#对行进行翻转，图片上下反转
 plt.show()

 plt.imshow(img_arr[:,::-1])#对列进行翻转，图片左右反转
 plt.show()

 plt.imshow(img_arr[::-1,::-1])#对行/列进行翻转，图片完全反转
 plt.show()

 print(img_arr.shape)#三维数组
 plt.imshow(img_arr[::-1,::-1,::-1])#对行/列及颜色进行翻转，图片及色彩完全反转
 plt.show()

 #拼图np.concatenate((arr,arr),axis=0) #axis=0 列  1行
 img_arr3=np.concatenate((img_arr,img_arr,img_arr),axis=1)#行拼3
 img_arr9=np.concatenate((img_arr3,img_arr3,img_arr3),axis=0)#列拼3
 plt.imshow(img_arr9)
 plt.show()

 # 绘制图形
 import numpy as np
 x = np.arange(1, 11)
 y = 2 * x + 5
 plt.title("Matplotlib demo")
 plt.xlabel("x axis caption")
 plt.ylabel("y axis caption")
 plt.plot(x, y)
 plt.show()

Matplotlib简单使用

　　　效果图：