numpy

numpy生成数组的三种方式：

import numpy as np

1、np.arange(24)

2、np.array(range(24))

3、np.array([1,2,3,4])

基础操作：

t1 = np.array([[1,2,3],[4,5,6]]) # 创建一个数组

查看t1的结构： t1.shape  # 返回一个tuple元组，（2,3）两行三列的数组

修改t1结构：t1.reshape((3,2)) #  把数组修改为三行两列的数组

查看t1的个数：t1.size  # 数组中的数据个数  6

查看t1的维度：t1.ndim  # 返回数组的维度，2

查看t1的数据类型：t1.dtype    # dtype('int32')

修改t1的数据类型：t1.astype(np.float)  

数组的计算（广播原则）：

遵循广播原则：

数组与数的加减乘除 ：数组中的每个数都要与该数进行相应的加减乘除

eg： t1 + 1

返回为：array([[2, 3, 4],[5, 6, 7]])

数组与数组的加减乘除：

a、与相同形状的数组的加减乘除,每个对应位置依次像加减乘除

t2 = np.arange(6).reshape(2,3)

eg：t1+t2 

 

b、与不相同形状的数组的加减乘除。

       1）对于行列的维度完全不同的不可以进行加减乘除  

　　　　t3 = np.arange(12).reshape(3,4)

　　　　eg： t1 + t3 

 　　2)两个数组中的行的数值一样，其中的一个数组的列是1的可以进行加减乘除

　　　　eg：t4 = np.arange(2).reshape((2,1))

　　　　　　t1 + t4

   3)两个数组中的列的数值一样，其中的一个数组的行是1的可以进行加减乘除

eg：t5 = np.arange(3).reshape(1,3)

t1+t5

读取数据：

 numpy的索引和切片

t1 = np.arange(24).reshape(4,6)

切片：

# 取三行四列的数据  t1[2,3]

# 取三行四行的数据 t1[[2,3],:]

# 取所有行第四列的数据 t1[:,3]

索引

t1[[0,1,2],[0,1,2]]  取得值是（0,0）,(1,1),(2,2)

布尔索引：

t1[t1<10]

 

t1[t1!=t1]  # 找出该数组中的nan和inf

t1[t1==t1]  # 找出数组中的除了nan和inf的数据

numpy的常用方法：

三元运算：np.where(t1<10,0,10)  把<10的替换为0，其他的替换为10

裁剪：t1clip(10,20)   把<10的替换为10，大于20的替换为20

求和：t1.sum(axis=None)

均值：t1.mean(a,axis=None) 受离群点的影响较大

中值：np.median(t1,axis=None)

最大值：t1.max(axis=None)

最小值：t1.min(axis=None)

极值：np.ptp(t1,axis=None) 即最大值和最小值的差

标准差：t1.std(axis=None)

数组拼接：np.hstack((t1,t2))  # 两个数组水平拼接

　　　　　np.vstack((t1,t2))  # 数组竖直拼接

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))

注意：

nan与任何数做运算的结构都是nan

因此我们需要对nan进行替换，消除nan对数据结果的影响

缺失值的用均值替换

import numpy as np
def repalce_nan(t1):
    """
    使用平均值替换数组中的nan
    :param t1: 传入数组
    :return: 返回替换后的数组
    """
    for i in range(t1.shape[1]):
        now_row = t1[:,i]
        nan_count = np.count_nonzero(now_row!=now_row)  # 每列数据中的nan的个数now_row!=now_row相当于np.isnan(now_row)
        if nan_count != 0:  # 当前行有nan
            not_have_nan = now_row[now_row==now_row]  #  拿取该列不是nan的数，得到一个数组
            avg = not_have_nan.mean()  # 对该数组计算平均值
            now_row[now_row!=now_row] = avg  # 把平均值赋值给nan
    return t1
if __name__ == '__main__':
    t1 = np.arange(24).reshape((4, 6)).astype(np.float)
    t1[[2, 3], 4:] = np.nan  # 将3，4行，5列之后的数据赋值为nan
    t1 = repalce_nan(t1)
    print(t1.astype(int))