数据分析基础

一、numpy 库

1.简介

numpy 是一个Python 包，是由一个多维数组对象和利用于数组的列程集合组成的库

2.安装

　pip install numpy

3.导入

import numpy as np

4.numpy对象

numpy 的主要对象是同种元素的多维数组。这是一个所有元素都是一种类型、通过一个正整数元组索引的元素表格（通常元素是数字）。在numpy中维度（dimensions）叫做轴（axes），轴的个数叫做秩（rank）

　 numpy.array(object,dtype=None,copy=True,order=True,subok=False,ndmin=0)

参数解析

object : 任何暴露组接口方法的对象都会返回一个数组或任何（嵌套序列）
dtype ：数组的所需数据类型，可选
copy： 可选，默认为True，对象是否被复制
order ： c（按行） f（按列） a（任意，默认）
subok ： 默认情况下，返回的数组被强制为基类数组。如果为True ，返回子类
ndmin：指定返回的数组的最小维数

numpy.array() 多维示例

import numpy as np
a = np.array([
        [1,2,3,4],
        [5,6,7,8],
        [9,10,11,12]
])
print(a,type(a))

最小维度示例：

import numpy as np
a = np.array([3,2,1],ndmin=1)
b = np.array([3,2,1],ndmin=2)
c = np.array([3,2,1],ndmin=3)
print(a,type(a))
print(b,type(b))
print(c,type(c))

指定数据类型

import numpy as np
a = np.array([3,2,1],dtype=int)
b = np.array([3,2,1],dtype=complex)

print(a,type(a))
print(b,type(b))

5.对象属性

ndarray.ndim:数组轴的个数，称为秩

ndarray.shape:数组的维度。这是一个指示数组在每个维度上大小的整数元组，元组的长度称为秩及维度或者 ndim

ndarray.size：数组元素的总个数，等于shape属性中元组元素的乘积

ndarray.dtype : 一个用来描述数组中元素类型的对象，可以通过的创造或指定dtype使用的标准Python类型

ndarray.itemsize: 数组中每个元素字节的大小

ndarray.data :包含实际数组元素的缓冲区

6.numpy 的填充函数

zeros()：创建一个全是0 的数组

  import numpy as np
  a= np.zeros((3,4))
  b=np.zeros((3,4),dtype = int)
  print(a,a.dtype)
  print(b,b.dtype)

ones（）：创建一个全是1 的数组

  import numpy as np
  a = np,ones((3,2,4))
  print(a,a.dtype)

empty（）：创建一个内容随机并且依赖与内存状态的数组
```
  import numpy as np
  a = np.empty((2,2,2))
  print(a,a.dtype)
```

arange():返回的是一个数组

  import numpy as np
  a = np.arange(2,30,3)
  print(a,type(a))

7.numpy 随机函数

rand(*nd):创建多维随机组，浮点数（范围是[0,1])，均匀分布

randint(low,high=None,size=None,dtype=’l’)：创建随机整数数组，浮点数（范围【low，high】），size是数组尺寸，可以是单个值，可以是数组

numpy.random.choice(a,size=None,replace=True,p=None)：从一个给定的一维数组中产生随机数。a为一维数组类似数据或整数；size为数组维度；p为数组的数据出现的概率

所有的范围，包含区间最小值，不包含最大值

数据挖掘技术与应用（六）

数据分析基础

一、numpy 库