数据分析之Numpy

Love The Way You Lie 2021-09-03 05:35 644阅读 0赞

> **NumPy数组是一个多维的数组对象(矩阵)，称为**`ndarray`**，具有矢量算术运算能力和复杂的广播能力，并具有执行速度快和节省空间的特点。**

## 一：前言 ##

学习Pandas之前先学习numpy，为什么呢？因为numpy的格式为数组样式的，Pandas以Numpy作为基础库，基于Numpy制作的数据分析库。

## 二：内容 ##

### 2.1 数组的创建 ###

> #### ndarray拥有的属性： ####
> 
> 1.  `ndim属性`：维度个数
> 2.  `shape属性`：维度大小
> 3.  `dtype属性`：数据类型

1.  #### ndarray的随机创建 ####

![7b1039de8e03eae48000a958b76dc449.png][]

> 通过随机抽样 (numpy.random) 生成随机数据。

![c9b24ad264c47dcdf172be4f0510c25e.png][]

1.  #### ndarray的序列创建 ####

##### 1. `np.array(collection)` #####

> collection 为 序列型对象(list)、嵌套序列对象(list of list)。

In [4]: np.array([range(10), range(10)])
    Out[4]:
    array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
     [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])

##### 2. `np.zeros()` #####

> 指定大小的全0数组。注意：第一个参数是元组，用来指定大小，如(3, 4)。

##### 3. `np.ones()` #####

> 指定大小的全1数组。注意：第一个参数是元组，用来指定大小，如(3, 4)。

##### 4. `np.empty()` #####

> 初始化数组，不是总是返回全0，有时返回的是未初始的随机值(内存里的随机值)

##### 5. `np.arange()` 和 `reshape()` #####

> arange() 类似 python 的 range() ，创建一个一维 ndarray 数组。
> 
> reshape() 将 重新调整数组的维数。

##### 6. `random.shuffle()` #####

> random.shuffle() 将打乱数组序列(类似于洗牌)。

#### 3. ndarray的数据类型 ####

##### 1. `dtype`参数 #####

> 指定数组的数据类型，类型名+位数，如float64, int32

##### 2. `astype`方法 #####

> 转换数组的数据类型

示例代码(1、2)：

# 初始化3行4列数组，数据类型为float64
    zeros_float_arr = np.zeros((3, 4), dtype=np.float64)
    print(zeros_float_arr)
    print(zeros_float_arr.dtype)
    
    # astype转换数据类型，将已有的数组的数据类型转换为int32
    zeros_int_arr = zeros_float_arr.astype(np.int32)
    print(zeros_int_arr)
    print(zeros_int_arr.dtype)

运行结果：

[[ 0. 0. 0. 0.]
     [ 0. 0. 0. 0.]
     [ 0. 0. 0. 0.]]
    float64
    
    [[0 0 0 0]
     [0 0 0 0]
     [0 0 0 0]]
    int32

### 2.2. ndarray的矩阵运算 ###

#### 2.2.1 矩阵的加减乘除 ####

符合矩阵规则的矩阵运算

#### 2.2.2 矩阵运算(点运算)的广播 ####

![fe960869892f74a8a36bed9676dc635a.png][]

#### 2.2.3 矩阵的取值(索引和切片) ####

##### 1. 一维数组的索引与切片 #####

> 与Python的列表索引功能相似

示例代码(1)：

# 一维数组
    arr1 = np.arange(10)
    print(arr1)
    print(arr1[2:5])

运行结果：

[0 1 2 3 4 5 6 7 8 9]
    [2 3 4]

##### 2. 多维数组的索引与切片： #####

> arr\[r1:r2, c1:c2\]
> 
> arr\[1,1\] 等价 arr\[1\]\[1\]
> 
> \[:\] 代表某个维度的数据

示例代码(2)：

# 多维数组
    arr2 = np.arange(12).reshape(3,4)
    print(arr2)
    
    print(arr2[1])
    
    print(arr2[0:2, 2:])
    
    print(arr2[:, 1:3])

运行结果：

[[ 0 1 2 3]
     [ 4 5 6 7]
     [ 8 9 10 11]]
    
    [4 5 6 7]
    
    [[2 3]
     [6 7]]
    
    [[ 1 2]
     [ 5 6]
     [ 9 10]]

##### 3. 条件索引 #####

> 布尔值多维数组：arr\[condition\]，condition也可以是多个条件组合。
> 
> 注意，多个条件组合要使用 **& |** 连接，而不是Python的 **and or**。

示例代码(3)：

# 条件索引
    
    # 找出 data_arr 中 2005年后的数据
    data_arr = np.random.rand(3,3)
    print(data_arr)
    
    year_arr = np.array([[2000, 2001, 2000],
     [2005, 2002, 2009],
     [2001, 2003, 2010]])
    
    is_year_after_2005 = year_arr >= 2005
    print(is_year_after_2005, is_year_after_2005.dtype)
    
    filtered_arr = data_arr[is_year_after_2005]
    print(filtered_arr)
    
    #filtered_arr = data_arr[year_arr >= 2005]
    #print(filtered_arr)
    
    # 多个条件
    filtered_arr = data_arr[(year_arr <= 2005) & (year_arr % 2 == 0)]
    print(filtered_arr)

运行结果：

[[ 0.53514038 0.93893429 0.1087513 ]
     [ 0.32076215 0.39820313 0.89765765]
     [ 0.6572177 0.71284822 0.15108756]]
    
    [[False False False]
     [ True False True]
     [False False True]] bool
    
    [ 0.32076215 0.89765765 0.15108756]
    
    #[ 0.32076215 0.89765765 0.15108756]
    
    [ 0.53514038 0.1087513 0.39820313]

#### 2.2.4 ndarray的维数转换 ####

> 二维数组直接使用转换函数：transpose()
> 
> 高维数组转换要指定维度编号参数 (0, 1, 2, …)，注意参数是元组

示例代码：

arr = np.random.rand(2,3) # 2x3 数组
    print(arr) 
    print(arr.transpose()) # 转换为 3x2 数组
    
    
    arr3d = np.random.rand(2,3,4) # 2x3x4 数组，2对应0，3对应1，4对应3
    print(arr3d)
    print(arr3d.transpose((1,0,2))) # 根据维度编号，转为为 3x2x4 数组

运行结果：

# 二维数组转换
    # 转换前：
    [[ 0.50020075 0.88897914 0.18656499]
     [ 0.32765696 0.94564495 0.16549632]]
    
    # 转换后：
    [[ 0.50020075 0.32765696]
     [ 0.88897914 0.94564495]
     [ 0.18656499 0.16549632]]
    
    
    # 高维数组转换
    # 转换前：
    [[[ 0.91281153 0.61213743 0.16214062 0.73380458]
     [ 0.45539155 0.04232412 0.82857746 0.35097793]
     [ 0.70418988 0.78075814 0.70963972 0.63774692]]
    
     [[ 0.17772347 0.64875514 0.48422954 0.86919646]
     [ 0.92771033 0.51518773 0.82679073 0.18469917]
     [ 0.37260457 0.49041953 0.96221477 0.16300198]]]

### 2.3 ndarray的元素处理 ###

#### 2.3.1 元素计算函数 ####

1.  `ceil()`: 向上最接近的整数，参数是 number 或 array
2.  `floor()`: 向下最接近的整数，参数是 number 或 array
3.  `rint()`: 四舍五入，参数是 number 或 array
4.  `isnan()`: 判断元素是否为 NaN(Not a Number)，参数是 number 或 array
5.  `multiply()`: 元素相乘，参数是 number 或 array
6.  `divide()`: 元素相除，参数是 number 或 array
7.  `abs()`：元素的绝对值，参数是 number 或 array
8.  `where(condition, x, y)`: 三元运算符，x if condition else y

示例代码(1、2、3、4、5、6、7)：

# randn() 返回具有标准正态分布的序列。
    arr = np.random.randn(2,3)
    
    print(arr)
    
    print(np.ceil(arr))
    
    print(np.floor(arr))
    
    print(np.rint(arr))
    
    print(np.isnan(arr))
    
    print(np.multiply(arr, arr))
    
    print(np.divide(arr, arr))
    
    print(np.where(arr > 0, 1, -1))

运行结果：

# print(arr)
    [[-0.75803752 0.0314314 1.15323032]
     [ 1.17567832 0.43641395 0.26288021]]
    
    # print(np.ceil(arr))
    [[-0. 1. 2.]
     [ 2. 1. 1.]]
    
    # print(np.floor(arr))
    [[-1. 0. 1.]
     [ 1. 0. 0.]]
    
    # print(np.rint(arr))
    [[-1. 0. 1.]
     [ 1. 0. 0.]]
    
    # print(np.isnan(arr))
    [[False False False]
     [False False False]]
    
    # print(np.multiply(arr, arr))
    [[ 5.16284053e+00 1.77170104e+00 3.04027254e-02]
     [ 5.11465231e-03 3.46109263e+00 1.37512421e-02]]
    
    # print(np.divide(arr, arr))
    [[ 1. 1. 1.]
     [ 1. 1. 1.]]
    
    # print(np.where(arr > 0, 1, -1))
    [[ 1 1 -1]
     [-1 1 1]]

#### 2.3.2 元素统计函数 ####

1.  `np.mean()`, `np.sum()`：所有元素的平均值，所有元素的和，参数是 number 或 array
2.  `np.max()`, `np.min()`：所有元素的最大值，所有元素的最小值，参数是 number 或 array
3.  `np.std()`, `np.var()`：所有元素的标准差，所有元素的方差，参数是 number 或 array
4.  `np.argmax()`, `np.argmin()`：最大值的下标索引值，最小值的下标索引值，参数是 number 或 array
5.  `np.cumsum()`, `np.cumprod()`：返回一个一维数组，每个元素都是之前所有元素的 累加和 和 累乘积，参数是 number 或 array
6.  多维数组默认统计全部维度，`axis`参数可以按指定轴心统计，值为`0`则按列统计，值为`1`则按行统计。

示例代码：

arr = np.arange(12).reshape(3,4)
    print(arr)
    
    print(np.cumsum(arr)) # 返回一个一维数组，每个元素都是之前所有元素的 累加和
    
    print(np.sum(arr)) # 所有元素的和
    
    print(np.sum(arr, axis=0)) # 数组的按列统计和
    
    print(np.sum(arr, axis=1)) # 数组的按行统计和

运行结果：

# print(arr)
    [[ 0 1 2 3]
     [ 4 5 6 7]
     [ 8 9 10 11]]
    
    # print(np.cumsum(arr)) 
    [ 0 1 3 6 10 15 21 28 36 45 55 66]
    
    # print(np.sum(arr)) # 所有元素的和
    66
    
    # print(np.sum(arr, axis=0)) # 0表示对数组的每一列的统计和
    [12 15 18 21]
    
    # print(np.sum(arr, axis=1)) # 1表示数组的每一行的统计和
    [ 6 22 38]

#### 2.3.3 元素判断函数 ####

1.  `np.any()`: 至少有一个元素满足指定条件，返回True
2.  `np.all()`: 所有的元素满足指定条件，返回True

示例代码：

arr = np.random.randn(2,3)
    print(arr)
    
    print(np.any(arr > 0))
    print(np.all(arr > 0))

运行结果：

[[ 0.05075769 -1.31919688 -1.80636984]
     [-1.29317016 -1.3336612 -0.19316432]]
    
    True
    False

#### 2.3.4 元素去重排序函数 ####

`np.unique()`:找到唯一值并返回排序结果，类似于Python的set集合

示例代码：

arr = np.array([[1, 2, 1], [2, 3, 4]])
    print(arr)
    
    print(np.unique(arr))

运行结果：

[[1 2 1]
     [2 3 4]]
    
    [1 2 3 4]

## 三：总结 ##

大家一步步来尝试一下吧！！接下将是Pandas大餐。

[7b1039de8e03eae48000a958b76dc449.png]: /images/20210813/1d6dc898c43e4a99aa71a9c2341b7f62.png
[c9b24ad264c47dcdf172be4f0510c25e.png]: /images/20210813/892df36150514dd5a9d144fd50219ffd.png
[fe960869892f74a8a36bed9676dc635a.png]: /images/20210813/00ac5aaf443741f59fec275811127389.png