numpy学习3

numpy简单函数一、排序# 使用numpy进行简单分析 import numpy as np # 1 排序 np.random.seed(42) # 设置随机种子:确定后随机数确定不会再发生变化 arr np.random.randint(1,10,size10) # size表示生成数的元素个数 print(arr) arr.sort() print(arr) arrnp.random.randint(1,10,size(3,3)) # 生成3行3列的随机数 print(arr) arr.sort(axis1) # 沿着横轴排序 print(arr) arr.sort(axis0) # 沿着纵轴排序 print(arr.sort(axis0)) # 返回值为None arr1 np.random.randint(1,10,size10) # size表示生成数的元素个数 arr1.argsort() # 返回值为重新排序值的下标二、去重import numpy as np # 去重函数unique ,且会排序从低到高 namesnp.array([小明,小白,小花,小明,小白]) scoresnp.array([89,87,45,12,67,89,45,22]) new_name np.unique(names) new_score np.unique(scores) print(new_name) print(new_score) # 和unique等价的Python代码sorted(set(names)) # set集合唯一性 print(sorted(set(names))) arr2np.arange(5) print(arr2) print(np.tile(arr2,3)) # tile对数组进行重复对arr2进行重复3次 # 对行或者列重复 np.random.seed(10) # 设置随机种子:确定后随机数确定不会再发生变化 arr np.random.randint(1,15,size(3,3)) # size表示生成数的元素个数 print(-------------) print(arr) print(arr.repeat(2,axis0)) # 按行进行元素重复2次 print(arr.repeat(3,axis1)) # 按列进行元素重复3次数据简单统计import numpy as np # np.mean () 均值 # 含义一组数据的平均水平 # np.var () 方差 # 含义数据离散波动大小数值越大数据越分散 # 适用场景 # 1. 衡量稳定性股票收益率波动、设备测量误差、生产线产品尺寸波动 # 2. 特征筛选方差很小的特征几乎没有信息可以删掉 # np.std () 标准差 # 含义方差开根号和原始数据单位一致最直观衡量波动 # np.cumsum () 累计和累计值 # 含义逐项累加得到到当前位置为止的总和保留时序顺序 # 时序累计每日销售额 → 累计营收每日流量 → 累计访问量 # 函数 作用 # mean均值 描述集中位置 平均水平 # var方差 数学上衡量离散度 波动大小平方单位 # std标准差 直观衡量波动 波动大小同原单位 # cumsum累计和 时序累加过程 随位置不断累积总量 arrnp.arange(2,20).reshape(3,6) # print(arr) # # 求和 # print(np.sum(arr)) # 计算数组的和 # print(arr.sum(axis0)) # 沿着横轴计算求和取行 # print(arr.sum(axis1)) # 沿着纵轴计算求和取列 load_data np.loadtxt(./iris_sepal_length.csv,delimiter,) print(load_data.shape) print(type(load_data)) # print(load_data) # print(load_data.__len__()) # print(len(load_data)) # 1 排序 执行后原数据不变 sorted_data np.sort(load_data) # 默认升序 sorted_data np.sort(load_data)[::-1] # 逆序输出 # print(load_data) # print(sorted_data) # 2 去重 执行后原数据不变 uniqued_data np.unique(load_data) # print(uniqued_data) # print(load_data) # 3 求和 np.array([1,2,3,4]) # print(np.sum(arr)) # 1234 10 sum_data np.sum(load_data) # 累积和 print(np.cumsum(arr)) # [1, 12, 123, 1234] → [1, 3, 6, 10] cumsum_data np.cumsum(load_data) print(cumsum_data) # 均值 mean_data np.mean(load_data) print(mean_data) # 标准差 std_data np.std(load_data) print(std_data) # 方差 var_data np.var(load_data) print(var_data) # 最小值 min_data np.min(load_data) print(min_data) # 最大值 max_data np.max(load_data) print(max_data)