[人工智能] 数据分析之numpy篇

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 人工智能 -> 数据分析之numpy篇 -> 正文阅读

[人工智能]数据分析之numpy篇

数据分析之numpy篇

numpy简介

设么是numpy？

一个在python中做科学计算的基础库，重在数值计算，也是大部分python科学计算库的基础库，多用在大型、多维数组上执行数值运算。

数据类型相关

import numpy as np
import random

#使用numpy生成数组，得到ndarray的类型
t1 = np.array([1, 2, 3])
print(t1)
print(type(t1))

t2 = np.array(range(10))
print(t2)
print(type(t2))

t3 = np.arange(4, 18, 3)
print(t3)
print(type(t3))
print(t3.dtype)

#numpy中的数据类型
t4 = np.array(range(1, 4), dtype="float32")
print(t4)
print(t4.dtype)

#numpy中的bool类型
t5 = np.array([1, 0, 1, 0, 0, 0, 1, 1, 1], dtype=bool)
print(t5)
print(t5.dtype)

#调整数据类型
t6 = t5.astype("int8")
print(t6)
print(t6.dtype)

#numpy中的小数类型
t7 = np.array([random.random() for i in range(6)])
print(t7)
print(t7.dtype)

t8 = np.round(t7, 3)
print(t8)

数组的形状

import numpy as np

#查看数组的形状 shape
t1 = np.arange(12)
print(t1)
print(t1.shape)

t2 = np.array([[1, 2, 3], [4, 5, 6]])
print(t2)
print(t2.shape)
print("行", t2.shape[0])
print("列", t2.shape[1])

t3 = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [2, 9, 0]]])
print(t3)
print(t3.shape)

#修改数组的形状 reshape()
t4 = np.arange(24)
print(t4)

t5 = t4.reshape((4, 6))
print(t5)
print(t5.shape)

t6 = t4.reshape((3, 2, 4))
print(t6)
print(t6.shape)

#按行展开 .flatten()
t7 = t6.flatten()
print(t7)
print(t7.shape)

数组的计算

数组与数组之间进行加减乘除运算时，满足以下原则：

广播原则：如果两个数组的后缘维度（trailing dimension，即从末尾开始算起的维度）的轴长度相符或其中一方的长度为1，则认为它们是广播兼容的。广播会在确实和（或）长度为1的维度上进行。

简单来说，就是两个数组的shape后几位必须相符合。

import numpy as np

t1 = np.arange(10, 34).reshape(4, 6)
print(t1)

#加k
t2 = t1 + 2
print(t2)

t3 = np.arange(100, 124).reshape(4, 6)
#加减乘除相同形状大小矩阵
t4 = t1 + t3
print(t4)
t5 = t1 - t3
print(t5)
t6 = t1 * t3
print(t6)
t7 = t1 / t3
print(t7)
t8 = t3 // t1
print(t8)
t9 = np.arange(0, 6) ** 2
print(t9)

#与相同行或者列数组进行运算（每一组都将参与运算）
a1 = np.arange(10, 34).reshape(4, 6)
a2 = np.arange(0, 6)
a3 = np.arange(4).reshape(4, 1)
a5 = a1 - a2
print(a5)
a6 = a1 - a3
print(a6)

numpy转置

轴（axis）：在numpy中可以理解为方向，使用0,1,2…数字表示，对于一个一维数组，只有一个0轴，对于2维数组（shape(2,2)），有0轴和1轴，对于三维数组（shape(2,2,3)），有0,1,2轴。

transpose 或 T 或交换轴

t1 = np.arange(12).reshape(3, 4)
#矩阵的转置 transpose 或 T 或 交换轴
t2 = t1.transpose()
t3 = t1.T
t4 = t1.swapaxes(1, 0)

numpy索引和切片

a1 = np.arange(48).reshape(6, 8)
print(a1)
#取行
print(a1[2])
#取连续的多行
print(a1[4:])
#取不连续的多行
print(a1[2::2])
print(a1[[0, 3, 4]])

#取列
print("取列: ", a1[:,1])
print("取3列及其以后列元素：\n", a1[:,2:])
print("取3,5,6列：\n", a1[:,[2, 4, 5]])

#取多行多列, 取第3行，第4列的值
print(a1[2, 3])
print(type(a1[2,3]))  #<class 'numpy.int32'>

#取多行多列， 取第3行到地5行， 第2列到第4列的元素(交叉元素)
print(a1[2:5, 1:4])

#取多个不相邻的点(0, 0) (2, 1), (4, 5)
b = a1[[0,2,4], [0,1,5]]
print(b)

数值修改和bool索引

在对应索引切片处赋值即可

import numpy as np

a = np.arange(48).reshape(6, 8)
print(a)
b1 = a < 10
print(b1)
a[a < 10] = 123
print(a)
a[[2, 3, 4],[0, 1, 3]] = 1
print(a)

b2 = a
b2[b2 < 10] = 0
b2[b2 > 10] = 10
print(b2)

三元运算符where

a = np.arange(48).reshape(6, 8)
print(a)
b = a
b[b < 20] = 0
b[b >= 20] = 100
print(b)
#即将小于20赋值为0， 大于等于20 赋值为100
#使用  三元运算符 等价于
c = a
np.where(c < 20, 0, 100)
print(c)

裁剪clip

a = np.arange(48).reshape(6, 8)
print(a)
#将小于15的替换为15，大于30的替换为30
b = a.clip(15, 30)
print(b)

数组的拼接

np.vstack((t1, t2)) #竖直拼接
np.hstack((t1, t2)) #水平拼接

t1 = np.arange(12).reshape(2, 6)
t2 = np.arange(24, 36).reshape(2, 6)
print("t1\n{}".format(t1))
print("t2\n{}".format(t2))
t3 = np.vstack((t1, t2))  #竖直拼接
t4 = np.hstack((t1, t2))  #水平拼接
print("t1 和 t2 竖直拼接\n {}".format(t3))
print("t1 和 t2 水平拼接\n {}".format(t4))

分割时方向恰恰与拼接相反

数组的行列交换

索引赋值即可

a = np.arange(48).reshape(6, 8)
print(a)
#行交换
a1 = a
a1[[1, 2],:] = a1[[2, 1],:]
print(a1)
#列交换
a2 = a
a2[:,[3, 7]] = a2[:,[7, 3]]
print(a2)

最值、全0/1数组、I/E

获取最大值和最小值的位置
1. np.argmax(t.axis=0)
2. np.argmin(t.axis=1)
创建一个全0的数组：np.zeros((3,4))
创建一个全1的数组：np.ones((3,4))
创建一个对角线为1的正方形数组(方阵)：np.eys(3)

import numpy as np
import random

a = np.array([random.randint(0, 100) for i in range(32)]).reshape(4, 8)
print(a)
a1 = np.argmax(a, axis=0)
print("行最大值位置：\n{}".format(a1))
a2 = np.argmax(a, axis=1)
print("列最大值位置：\n{}".format(a2))

#创建全0数组
a3 = np.zeros((3, 4))
print("全0数组：\n {}".format(a3))

#创建全1数组
a4 = np.ones((3, 4))
print("全1数组：\n {}".format(a4))

#创建一个对角线为1的正方形数组（方阵）
a5 = np.eye(6)
print("单位矩阵：\n {}".format(a5))

a6 = a5 * (-1)
print(a6)

numpy生成随机数

参数	解释
`.rand(d0,d1,..dn)`	创建d0-dn维度的均匀分布的随机数数组，浮点数，范围从0-1
`.rand(d0,d1,..,dn)`	创建d0-dn维度的标准正态分布随机数，浮点数，平均数0，标准差1
`.randint(low，high，(shape))`	从给定上下限范围选取随机数整数，范围是low,high, 形状是shape
`.uniform(low，high，(size))`	产生具有随机分布的数组，low起始值，high结束值，size形状
`.normal(loc，scale，(size))`	从指定正态分布中随机抽取样本，分布中心是loc（概率分布的均值），标准差是scale，形状是size
`.seed(s)`	随机数种子，s是给定的种子值。因为计算机生成的是伪随机数，所以通过设定相同的随机数种子，可以每次生成相同的随机数

numpy的copy和view

a = b完全不复制，a和b相互影响
a = b[:]，视图的操作，一种切片，会创建新的对象a，但是a的数据完全由b保管，它们的数据变化是一致的
a = b.copy()，复制，a和b互不影响

import numpy as np

np.random.seed(10)
a = np.random.randint(10, 20, (5, 8))
print(a)

b = a[3:, 3:]
print("b = a[3:]\n", b)
b += 1000
print("a的变化: \n", a)
print("b的变化：\n", b)

c = a.copy()
c -= 1000
print("c = a.copy() - 1000: \n", c)
print("a的值：\n", a)

numpy中的nan和inf

nan(NAN,Nan):not a number 表示不是一个数组

什么时候numpy中会出现nan:

当我们读取本地文件为float的时候，如果有缺失，就会出现nan
当做了一个不合适的计算的时候（比如无穷大（inf）减去无穷大）

inf(-inf.inf):infinity, inf表示正无穷， -inf表示负无穷

什么时候会出现inf包括（-inf，+inf）

比如一个数字除以0，（python中直接会报错，numpy中是一个inf或者-inf）

如何制定一个nan或者inf：

d = np.inf
print(type(d))
e = np.nan
print(type(e))

nan的`注意点`

两个nan是不相等的

np.nan != np.nan (True)
可以利用以上特性，判断数组中nan的个数

np.count_nonzero(t != t)
如何判断一个数字是否是nan呢，通过np.isnan(a)来判断，返回bool类型，比如希望吧nan替换为0

t[np.isnan(t)] = 0
nan和任何值计算都为nan

print(np.nan != np.nan)
f = np.array([[1.9, 2.7, np.nan], [np.nan, np.nan, 4.9]])
print(f)
nan_counts = np.count_nonzero(f != f)
print(nan_counts)

f1 = f.copy()
f1[np.isnan(f1)] = 0
print(f1)

f2 = f.copy()
f2 -= np.nan
print(f2)

numpy中的常用统计函数

作用	函数
求和	t.sum(axis=Node)
均值	t.mean(axis=None)受离群点的影响较大
中值	np.median(t.axis=None)
最大值	t.max(axis=None)
最小值	t.min(axis=None)
极差	np.ptp(t.axis=None)即最大值和最小值的差
标准差	t.tsd(axis=None)

默认返回多维数组的全部统计结果，如果指定axis，则返回一个当前轴上的结果

import numpy as np

a = np.arange(24).reshape(4, 6)
print(a)
print("求和：\n", a.sum(axis=0))
print("求均值: \n", a.mean())
print(a.mean(axis=1))
print("中值：\n", np.median(a, axis=1))
print("最大值：\n", a.max())
print("最小值：\n", a.min(axis=0))
print("极差：\n", np.ptp(a, axis=1))
print("标准差: \n", a.std())

小练习：将nan赋值为mean()

import numpy as np

def fill_ndarray(a):
    for i in range(a.shape[1]):
        temp_col = a[:, i]
        nan_num = np.count_nonzero(temp_col != temp_col)
        if nan_num != 0:   #不为0， 说明当前这一列中有nan
            temp_not_nan_clo =  temp_col[temp_col == temp_col]
            #选中当前为nan的位置，并将其赋值为不是nan的均值
            temp_col[temp_col != temp_col] = temp_not_nan_clo.mean()
    return a

if __name__ == '__main__':
    a = np.arange(24).reshape(4, 6).astype("float")
    print(a)
    a[1:3, 2:5] = np.nan
    print(a)
    a = fill_ndarray(a)
    print("赋值nan为列均值: \n", a)