沈阳h5响应式网站建设泰州网站建设服务好

当前位置： 首页 > news >正文

沈阳h5响应式网站建设,泰州网站建设服务好,哪个网站专业做饲料,wordpress共用数据库从今天我们就开始进入 Python 数据分析工具的教程。 前段时间数据分析和Python都讲了一点点#xff0c;但是Python的数据库#xff0c;讲的少了点#xff0c;所以接下来就讲讲这些重要的常用数据库吧#xff01;#xff01;#xff01; Python 数据分析绝对绕不过的四个…从今天我们就开始进入 Python 数据分析工具的教程。 前段时间数据分析和Python都讲了一点点但是Python的数据库讲的少了点所以接下来就讲讲这些重要的常用数据库吧 Python 数据分析绝对绕不过的四个包是 Numpy、scipy、pandas 还有 matplotlib。 NumPy 是 Python 数值计算最重要的基础包大多数提供科学计算的包都是用 numPy的数组作为构建基础。专门用来处理矩阵它的运算效率比列表更高效。 scipy 是基于 numpy 的科学计算包包括统计、线性代数等工具。 pandas 是基于 numpy 的数据分析工具能够快速的处理结构化数据的大量数据结构和函数。 matplotlib 是最流行的用于绘制数据图表的 Python 库。 本文先分享 NumPy 包。 NumPy 的 ndarray多维数组对象 numpy 的数据结构是 n 维的数组对象叫做 ndarray。 可以用这种数组对整块数据执行一些数学运算其语法跟标量元素之间的运算一样。 创建并操作多维数组 ndarray 对象中所有元素必须是相同类型的每个数组都有一个 shape 和 dtype。 shape 表示各维度大小的元组dtype 说明数组数据类型的对象 创建 ndarray一种多维数组对象 创建数组最简单的办法就是使用 array 函数它接受一切序列型对象包括其它数组然后产生一个新的 NumPy 数组含有原来的数据。 np.array 会尝试为新建的这个数组推断出一个较为合适的数据类型这个数据类型保存在一个特殊的 dtype 对象中。 zeros 和 ones 也分别可以创建指定大小的全 0 或全 1 数组empty 可以创建一个没有任何具体值的数组它返回的都是一些未初始化的垃圾值
arange 是 Python 内置函数 range 的数组版np.arange 返回间隔均匀的一些值。 ndarray 的数据类型 dtype数据类型是一个特殊的对象它含有 ndarray 将一块内存解释为特定数据类型所需的信息。 需要知道你所处理的数据的大致类型是浮点数、复数、整数、布尔值、字符串 还是普通的 python 对象。当需要控制数据在内存和磁盘中的存储方式时就得了解如何控制存储类型。 可通过 ndarray 的 astype 方法显示地转换其 dtype
若将浮点数转换成整数则小数部分将会被截断。 若某字符串数组表示的全是数字可用 astype 将其转换为数值形式
这里没写 np.float64 只写了 float但是 NumPy 会将 Python 类型映射到等价的 dtype 上。 数组的 dtype 的另一个用法 int_array 变成了和 calibers 一样的浮点型数组 用简洁类型的代码表示 dtype
u4(unit32)无符号的 32 位4 个字节整型。 调用 astype 无论如何都会创建出一个新的数组原始数据的一份拷贝。 浮点数只能表示近似的分数值在复杂计算中可能会积累一些浮点错误因此比较操作只在一定小数位以内有效。 数组和标量之间的运算 数组可对数据执行批量运算不用编写循环即可。这通常叫做矢量化 (vectorization)。 大小相等的数组之间它们之间任何的算术运算都会应用到元素级每个元素都做这个运算了数组与标量的算术运算也是。不同大小的数组之间的运算叫做广播(broadcasting)。 基本的索引和切片 数据不会被复制任何修改都直接改了原数组。如果仅是要一份副本则用 .copy()。
对二维数组单个元素的索引
这两种方式等价。 若 arr2d[2]则输出的是一维数组[7,8,9]。 223 的数组2 组 2 行 3 列
切片索引 布尔型索引 需要先引入from numpy.random import randn 或将代码改成data np.random.randn(7, 4) 布尔型数组的长度必须跟被索引的轴长度一致。每个名字对应 data 数组一行。对条件进行否定的两种方式 组合应用多个布尔条件可使用、|等布尔算术运算符 通过布尔型索引选取数组中的数组将总是创建数据的副本即使返回一模一样的数组也是一样。 通过布尔型数组设置值
通过一维布尔数组设置整行或列的值
花式索引 指利用整数数组进行索引。 np.empty((8,4)) Return a new array of given shape and type, without initializing entries. for i in range(8): arr[i] i Return an object that produces a sequence of integers from start (inclusive) to stop (exclusive) by step. 为了以特定顺序选取行的子集只需传入一个用于指定顺序的整数列表或 ndarray使用负数索引会从末尾开始选取行最后一行是 -1。一次传入多个索引组返回一个一维数组 取整列的两种方法相当于给列排了顺序 花式索引跟切片不一样总是将数据复制到新数组中。 数组转置和轴对换 转置返回的是源数据的视图不进行任何复制操作。数组有 transpose 方法还有一个 T 属性来完成转置 高维数组 Transpose 要一个轴编号
arr 是 2 组 2 行 4 列的数组transpose 的参数表示 shape 的形状对于这个例子来说即 2[0]、2[1]、4[2]transpose(1,0,2)转置后变为 2[1]、2[0]、4[2]看起来仍是 2 组 2 行 4 列的形状但数组内的元素经过转换后索引已经改变 也要遵循102的顺序。如转置前的数组 arr[0,1,0]索引值为 4转置后的数组 arr’[1,0,0]索引值才为 4。其它同理。 ndarray 的 swapaxes 方法接受一对轴编号且返回源数据的视图 转置后的数组 arr.T 为 4[2] 组 2[1] 行 2[0] 列数组swapaxes(1,2)就是将第二个 维度中括号内数字和第三个维度交换即转换为 2 组 4 行 2 列。 通用函数快速的元素级数组函数 通用函数即 ufunc是一种对 ndarray 中的数据执行元素级运算的函数就是一些简单函数。 利用数组进行数据处理 用数组表达式代替循环的做法通常被称为矢量化。NumPy 数组将多种数据处理任务表述为数组表达式。 np.meshgrid 函数接受两个一维数组并产生两个二维矩阵对应于两个数组中所有的x, y对。 将条件逻辑表述为数组运算 np.wherea 函数是三元表达式 x if condition else y 的矢量化版本。
np.where 的第二个和第三个参数不必是数组传递给 where 的数组大小可以不相等甚至可以是标量值。在数据分析工作中where 通常用于根据另一个数组而产生一个新的数组。
用 where 表述出更复杂的逻辑where 的嵌套 用于布尔型数组的方法 有两个方法 any 和 all。
排序 多维数组可以在任何一个轴向上进行排序只需将轴编号传给 sort 顶级方法 np.sort 返回的数组已排序的副本就地排序则会修改数组。 唯一化以及其他的集合逻辑 np.unique 找出数组中的唯一值并返回已排序的结果。
np.in1d 用于测试一个数组的值在另一个数组的情况。 随机数生成 numpy.random 模块多了用于高效生产多种概率分布的样本值的函数用来生成大量样本值。 到这里numpy 的基础就讲解的差不多了接下来将会讲解 pandas 和 matplotlib。更深入的应用后面也会分享实际应用这些包的数据分析欢迎关注