【做科学计算的主流库,掌握这个库科学计算也就没那么难了!】
数据分析,现在还是真是吃香,金融的也想学,会计也想学,反正不是it行的都有想学的,但是呢,自己也不懂啥。所以今天给大家分享一下,数据分析现在的主流库,也能让你更好的理解,在给大家分享前了,给各位初学者,进阶者推荐一下我的这个python群:58937142 里面入门资料新手工具,大牛指导,交流讨论应由具有, 期待各位小伙伴的入群。
一:前言
继续做Nmupy模块的学习笔记,这次是numpy的数据存取与常用的一些函数学习使用记录,这些函数都将为以后的数据操作打下基础。涉及到的有存取函数、强大随机函数、统计函数和梯度函数。目的:掌握表示、清洗、统计和展示数据的基础能力
二:CSV文件的存取
1. 逗号分隔值
Comma-Separated Values,CSV,有时也称为字符分隔值,因为分隔字符也可以不是逗号,其文件以纯文本形式存储表格数据(数字和文本)。
2. 保存CSV文件
np.savetxt(frame, array, fmt=’%.18e’, delimiter=None)
- frame : 文件、字符串或产生器,可以是.gz或.bz2的压缩文件
- array : 存入文件的数组
- fmt : 写入文件的格式,例如:%d %.2f %.18e
- delimiter : 分割字符串,默认是任何空格
1 |
a1 = np.arange(100).reshape(5, 20) |
3. 读取CSV文件
np.loadtxt(frame, dtype=np.float, delimiter=None, unpack=False)
- frame : 文件、字符串或产生器,可以是.gz或.bz2的压缩文件
- dtype : 数据类型,可选
- delimiter : 分割字符串,默认是任何空格
- unpack : 如果True,读入属性将分别写入不同变量
1 |
b1 = np.loadtxt('a1.csv', delimiter=',')print(b1)b2 = np.loadtxt('a2.csv', dtype=np.int, delimiter=',')print(b2) |
4. CSV文件存取的局限性
CSV只能有效存储一维和二维数组
那么np.savetxt() np.loadtxt()只能有效存取一维和二维数组
三:多维数据的存取
1. 多维数据的保存
a.tofile(frame, sep=”, format=’%s’)
- frame : 文件、字符串
- sep : 数据分割字符串,如果是空串,写入文件为二进制
- format : 写入数据的格式
如果是写入二进制则更节省硬盘空间,所以在以存储为目的即可使用这种方式;如果为了方便阅读则可以加入分割字符串以字符串的形式保存文件。
1 |
a = np.arange(100).reshape(5, 10, 2)a.tofile('b.dat', sep=',', format='%d')# 保存的数据是全部的数据,但是没有了维度信息a.tofile('c.dat', format='%d')# 没有分隔符,以二进制保存,使用文本编辑器打开是乱码的。 |
2. 多维数据的读取
np.fromfile(frame, dtype=float, count=‐1, sep=”)
- frame : 文件、字符串
- dtype : 读取的数据类型
- count : 读入元素个数,‐1表示读入整个文件
- sep : 数据分割字符串,如果是空串,写入文件为二进制
1 |
a1 = np.fromfile('b.dat', dtype=np.int, sep=',').reshape(5, 10, 2)print(a1)a2 = np.fromfile('c.bat', dtype=np.int).reshape(5, 10, 2)print(a2) |
该方法需要读取时知道存入文件时数组的维度和元素类型
a.tofile()和np.fromfile()需要配合使用
可以通过元数据文件来存储额外信息
四:Nmupy的便捷文件存取
np.save(fname, array) 或 np.savez(fname, array)
- fname : 文件名,以.npy为扩展名,压缩扩展名为.npz
- array : 数组变量
np.load(fname)
- fname : 文件名,以.npy为扩展名,压缩扩展名为.npz
1 |
a = np.arange(100).reshape(5, 10, 2) |
打开a文件就可以看到,这里保存着二进制的数据和维度的信息,存储和读取都十分方便。
五:Nmupy的随机函数
1. 随机函数①:
函数 | 说明 |
---|---|
rand(d0,d1,..,dn) | 根据d0‐dn创建随机数数组,浮点数,[0,1),均匀分布 |
randn(d0,d1,..,dn) | 根据d0‐dn创建随机数数组,标准正态分布 |
randint(low[,high,shape]) | 根据shape创建随机整数或整数数组,范围是[low, high) |
seed(s) | 随机数种子,s是给定的种子值 |
1 |
a1 = np.random.rand(3, 4, 5)print(a1) |
1 |
a2 = np.random.randn(3, 4, 5)print(a2) |
1 |
a3 = np.random.randint(100, 200, (3, 4))print(a3) |
2. 随机函数②:
函数 | 说明 |
---|---|
shuffle(a) | 根据数组a的第1轴进行随排列,改变数组x |
permutation(a) | 根据数组a的第1轴产生一个新的乱序数组,不改变数组x |
choice(a[,size,replace,p]) | 从一维数组a中以概率p抽取元素,形成size形状新数组replace表示是否可以重用元素,默认为False |
1 |
a1 = np.random.randint(100, 200, (3, 4))print(a1)np.random.shuffle(a1)print(a1) |
shuffle() 改变了原来的数组
Paste_Image.png
1 |
b = np.random.randint(100, 200, (3, 4))print(b)np.random.permutation(b)print(b) |
permutation() 没有改变原来的数组
3. 随机函数③:
函数 | 说明 |
---|---|
uniform(low,high,size) | 产生具有均匀分布的数组,low起始值,high结束值,size形状 |
normal(loc,scale,size) | 产生具有正态分布的数组,loc均值,scale标准差,size形状 |
poisson(lam,size) | 产生具有泊松分布的数组,lam随机事件发生率,size形状 |
六: Numpy的统计函数
1. 统计函数①:
函数 | 说明 |
---|---|
sum(a, axis=None) | 根据给定轴axis计算数组a相关元素之和,axis整数或元组 |
mean(a, axis=None) | 根据给定轴axis计算数组a相关元素的期望,axis整数或元组 |
average(a,axis=None,weights=None) | 根据给定轴axis计算数组a相关元素的加权平均值 |
std(a, axis=None) | 根据给定轴axis计算数组a相关元素的标准差 |
var(a, axis=None) | 根据给定轴axis计算数组a相关元素的方差 |
axis=None 是统计函数的标配参数
2. 统计函数②:
函数 | 说明 |
---|---|
min(a) max(a) | 计算数组a中元素的最小值、最大值 |
argmin(a) argmax(a) | 计算数组a中元素最小值、最大值的降一维后下标 |
unravel_index(index, shape) | 根据shape将一维下标index转换成多维下标 |
ptp(a) | 计算数组a中元素最大值与最小值的差 |
median(a) | 计算数组a中元素的中位数(中值) |
七:梯度函数
函数 | 说明 |
---|---|
np.gradient(f) | 计算数组f中元素的梯度,当f为多维时,返回每个维度梯度 |
梯度:连续值之间的变化率,即斜率
XY坐标轴连续三个X坐标对应的Y轴值:a, b, c,其中,b的梯度是: (c‐a)/2