数据分析(Numpy基础)

数据分析(Numpy基础)

1.什么是数据分析?

数据分析是指,用适当的统计分析方法,对收集来的大量数据进行分析，提取有用信息并形成结论,从而实现对数据的详细研究和概括总结的过程。

2.python做数据分析的常用库

1. numpy        基础数值算法
2. scipy        科学计算
3. matplotlib   数据可视化
4. pandas       序列高级函数

一、numpy概述

1.什么是numpy?

1. Numerical Python，数字的Python，弥补了Python语言所欠缺的数值计算能力。
2. Numpy是其它数据分析及机器学习库的底层库。
3. Numpy完全标准C语言实现，运行效率充分优化。
4. Numpy开源免费。

2.numpy发展历史

1. 1995年，Numeric，Python语言数值计算扩充。
2. 2001年，Scipy->Numarray，多维数组运算。
3. 2005年，Numeric+Numarray->Numpy。
4. 2006年，Numpy脱离Scipy成为独立的项目。

3.numpy的性能

1. 代码简洁：减少Python代码中的循环。
2. 底层实现：厚内核(C)+薄接口(Python)，保证性能。

二、numpy基础

1.ndarray数组

1.Numpy中的数组是numpy.ndarray类实例化的对象，其中包括：

元数据（metadata）：存储对目标数组的描述信息，如：shape、dtype、size、data等,

实际数据：完整的数组数据

将实际数据与元数据分开存放，一方面提高了内存空间的使用效率，另一方面大部分对数组的操作仅仅是对元数据的操作,从而减少对实际数据的访问频率，提高性能。

2.ndarray数组的特点:

1. Numpy数组是同质数组，即所有元素的数据类型必须相同

2. Numpy数组的下标从0开始，最后一个元素的下标为数组长度减1

 1 import numpy
 2 
 3 #numpy.ndarray类的对象表示数组
 4 ary=numpy.array([1,2,3,4,5,6])
 5 print(ary,type(ary)) #[1 2 3 4 5 6] <class 'numpy.ndarray'>
 6 
 7 #ndarray的运算规则:数组一个矩阵
 8 ary=ary+10
 9 print(ary) #[11 12 13 14 15 16]
10 
11 ary=ary+ary  #个数对应才能运算
12 print(ary)#[22 24 26 28 30 32]
13 
14 ary=ary>30  #比较运算
15 print(ary) #[False False False False False  True]

 

2.数组的4种创建方式

(1)numpy.array(任何可被解释为Numpy数组的逻辑结构)

(2)numpy.arange(起始值(0),终止值,步长(1))

(3)numpy.zeros(数组元素个数, dtype='类型')

(4)numpy.ones(数组元素个数, dtype='类型')

import numpy

#1.numpy.array()
a1=numpy.array([[1,2,3],[4,5,6]])
print(a1,type(a1))  #[[1 2 3][4 5 6]] <class 'numpy.ndarray'>

#2.numpy.arange()
a2=numpy.arange(0,10,2)
print(a2,type(a2))  #[0 2 4 6 8] <class 'numpy.ndarray'>

#3.numpy.zeros()
a3=numpy.zeros((10,),dtype='float32')
print(a3,type(a3))  #[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]

#4.numpy.ones()
a4=numpy.ones((2,3),dtype='int32')
print(a4,type(a4))  #[[1 1 1][1 1 1]]

#numpy.ones_like()  numpy.zeros_like()
#构建一个结构与a1相同的全1数组
print(numpy.ones_like(a1))  #[[1 1 1][1 1 1]]

 

3.数组的属性

(1)数组属性汇总

• shape - 维度

• dtype - 元素类型

• size - 元素数量

• ndim - 维数，len(shape)

• itemsize - 元素字节数

• nbytes - 总字节数 = size x itemsize

• real - 复数数组的实部数组

• imag - 复数数组的虚部数组

• T - 数组对象的转置视图

• flat - 扁平迭代器

import numpy as np

a = np.array([[1 + 1j, 2 + 4j, 3 + 7j],
              [4 + 2j, 5 + 5j, 6 + 8j],
              [7 + 3j, 8 + 6j, 9 + 9j]])
print(a.shape) # (3, 3)    一个元组表示3行3列
print(a.dtype) # complex128    一个字符串，表示复数类型，为每个数据元素开辟16字节的内存空间
print(a.ndim) # 2
print(a.size)  # 9
print(a.itemsize)  # 16    每个数据元素占用内存16字节
print(a.nbytes) # 144    整个数组总大小为144字节
print(a.real, a.imag, sep='
')  #复数的实部和虚部
# [[1. 2. 3.]
#  [4. 5. 6.]
#  [7. 8. 9.]]
# [[1. 4. 7.]
#  [2. 5. 8.]
#  [3. 6. 9.]]
print(a.T)  #矩阵转置
# [[1.+1.j 4.+2.j 7.+3.j]
#  [2.+4.j 5.+5.j 8.+6.j]
#  [3.+7.j 6.+8.j 9.+9.j]]
print([elem for elem in a.flat])  #.flat多维数组转一维数组
# [(1+1j), (2+4j), (3+7j), (4+2j), (5+5j), (6+8j), (7+3j), (8+6j), (9+9j)]
b = a.tolist()   #数组转列表（加，）
print(b)
# [[(1+1j), (2+4j), (3+7j)], [(4+2j), (5+5j), (6+8j)], [(7+3j), (8+6j), (9+9j)]]

(2)数组变维

1.视图变维（数据共享）：操作的是元数据，若任意实际数据改变，所有数组跟着变，.reshape()，.ravel()

2.复制变维（数据独立）：.flatten()

3.就地变维：直接改变原数组对象的维度，不返回新数组，.shape，.resize()

import numpy as np

"""
1.共享数据变维:原数组维度不变,实际数据改变却都要跟着变
    ndarray.reshape(),ndarray.ravel()
"""
a=np.arange(1,7)
print(a,a.shape) #[1 2 3 4 5 6] (6,)

b=a.reshape(2,3)
print(b,b.shape) #[[1 2 3] [4 5 6]] (2, 3)

#元数据独立,实际数据只一份
print(a.shape)   #(6,)
b[0,1]=666
print(b)  #[[1 666 3] [4 5 6]]
print(a)  #[1 666 3 4 5 6]

c=a.reshape(-1,2)#-1表示自适应行数,指定2列
print(c,c.shape)  #[[1 666] [3 4] [5 6]] (3, 2)

# d=c.reshape(6,)  #多维变一维
d=c.ravel()  #多维变一维
print(d,d.shape)  #[1 666 3 4 5 6] (6,)

"""
2.复制变维:元数据和实际数据互不影响
    ndarray.flatten(),copy.deepcopy()
"""
e = c.flatten()  #多维变一维
print(e)  #[  1 666   3   4   5   6]
a += 10
print(a, e, sep='
')
# [ 11 676  13  14  15  16]
# [  1 666   3   4   5   6]

"""
3.就地变维:直接对改变原数组
    ndarray.shape,ndarray.resize()
"""
print("----------------------------------------")
a=np.arange(1,9)
print(a,a.shape)  #[1 2 3 4 5 6 7 8] (8,)
a.shape = (2, 4)
print(a,a.shape)  #[[1 2 3 4] [5 6 7 8]] (2, 4)
a.resize(2, 2, 2)
print(a,a.shape)  #[[[1 2] [3 4]] [[5 6] [7 8]]] (2, 2, 2)

 

(3)数组元素的数据类型:np.ndarray.dtype

1.基本类型

类型	字符码	字符码简写
布尔型	'bool_ '	?
整数型	'int8/16/32/64'	i1/i2/i4/i8
无符号整形	'uint8/16/32/64'	u1/u2/u4/u8
浮点型	'float/16/32/64'	f2/f4/f8
复数型	'complex64/128'	c8/c16
字符串型	'str_ '	U<字符数>
日期类型	'datetime64'	M8[Y] M8[M] M8[D] M8[h] M8[m] M8[s]

 

 

 

 

 

 

 

 

 

 

 

2.简写字符码解读

类型	释义
U7	包含7个字符的Unicode字符串，每个字符占4个字节，采用默认字节序。
M8[D]	包含8字节的日期类型,每个日期数据占8个字节,采用默认字节序。
3i4	大端字节序，3个元素的一维数组，每个元素都是整型，每个整型元素占4个字节。
<(2,3)u8	小端字节序，6个元素2行3列的二维数组，每个元素都是无符号整型，每个无符号整型元素占8个字节。

 

 

 

 

 

 

(4)数组元素的个数:np.ndarray.size

(5)数组元素的索引(下标)

1.多维数组的切片

import numpy as np

a=np.arange(1,10)
a.resize(3,3)
print(a)
# [[1 2 3]
#  [4 5 6]
#  [7 8 9]]

print(a[:2, :2]) #以,作为分隔,切前两行的前两列
# [[1 2]
#  [4 5]]
print(a[::2,::2]) #切一三行的一三列
# [[1 3]
#  [7 9]]

 

　　2.数组的掩码操作

import numpy as np

a=np.arange(0,10)
# mask = [True, False,True, False,True, False,True, False,True, False]
# print(a[mask])

#1.bool掩码
# mask=a%2==0
# print(mask)
# print(a[mask])
print(a[a%2==0])  #[0 2 4 6 8]
#输出100以内3与7的公倍数
b=np.arange(1,100)
print(b[(b%3==0)&(b%7==0)])  #[21 42 63 84]

#2.索引掩码
c=np.array([10,20,30,40])
mask=[0,1,2,3,3,2,1,0]
print(c[mask])  #[10 20 30 40 40 30 20 10]
#为商品排序
products=np.array(['Mi','Huawei','Apple','Samsang'])
price=np.array([2999,4999,8888,3999])
indices=np.argsort(price)# 为数组排序,返回有序索引
# print(indices)  #[0 3 1 2]
print(products[indices])

 

4.数组的组合和拆分

垂直方向：numpy.vstack(上，下)，numpy.vsplit(c,n)

水平方向：numpy.hstack(左，右)，numpy.hsplit(c,n)

深度方向：numpy.dstack(前，后)，numpy.dsplit(c,n)