Python数据分析之Numpy

  • Post author:
  • Post category:python


视频链接:

课程2_哔哩哔哩_bilibili


目录


1.Numpy的数组对象及其索引


数组上的数学操作


产生数组


数组属性


索引和切片


多维数组及其属性


多维数组索引


多维数组切片


切片是引用


花式索引


一维花式索引


二维花式索引


“不完全”索引


where语句


一维数组


2.数组类型


类型转换


asarray 函数


astype方法


3.数组操作


我们以豆瓣10部高分电影为例


数组排序


求和


均值


标准差


相关系数矩阵


4.多维数组操作


数组形状


转置


数组连接


5.Numpy内置函数


6.数组属性方法总结


Python有着大量功能强大的第三方库。这些第三方库可以大大地扩充Python的功能,我们在实际使用中往往也离不开这些第三方库。

NumPy是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多。NumPy(Numeric Python)提供了许多高级的数值编程工具。Numpy的一个重要特性是它的数组计算,是我们做数据分析必不可少的一个包。

导入python库使用关键字import,后面可以自定义库的简称,但是一般都将Numpy命名为np,pandas命名为pd。

使用前一定要先导入Numpy包,导入的方法有以下几种:

import numpy import numpy as np #推荐写法 from numpy import * #不是很建议这种写法,因为不用加前缀的话有可能会与其他函数名称起冲突,因而报错

In [ ]:

import numpy as np

1.Numpy的数组对象及其索引

数组上的数学操作

假设我们想将列表中的每个元素增加1,但列表不支持这样的操作:

In [ ]:

a = [1,2,3,4]
#a+1 #报错

In [ ]:

[x+2 for x in a]

Out[ ]:

[3, 4, 5, 6]

In [ ]:

b = [2,3,4,5]

与另一个数组相加,得到对应元素相加的结果:

In [ ]:

a+b #并不是我们想要的结果

Out[ ]:

[1, 2, 3, 4, 2, 3, 4, 5]

In [ ]:

[x+y for(x,y) in zip(a,b)]  #都需要利用到列表生成式

Out[ ]:

[3, 5, 7, 9]

这样的操作比较麻烦,而且在数据量特别大的时候会非常耗时间。

如果我们使用Numpy,就会变得特别简单

In [ ]:

a = np.array([1,2,3,4])
a

Out[ ]:

array([1, 2, 3, 4])

In [ ]:

a+1

Out[ ]:

array([2, 3, 4, 5])

In [ ]:

a*2

Out[ ]:

array([2, 4, 6, 8])

产生数组

从列表产生数组:

In [ ]:

l = [0,1,2,3]
a = np.array(l)
a

Out[ ]:

array([0, 1, 2, 3])

从列表传入:

In [ ]:

a = np.array([1,2,3,4])
a

Out[ ]:

array([1, 2, 3, 4])

生成全0数组:

In [ ]:

np.zeros(5) #括号内传个数,默认浮点数

Out[ ]:

array([0., 0., 0., 0., 0.])

生成全1的数组:

In [ ]:

np.ones(5) #括号内传个数,默认浮点数

Out[ ]:

array([1., 1., 1., 1., 1.])

In [ ]:

np.ones(5,dtype="bool") #可以自己指定类型,np.zeros函数同理

Out[ ]:

array([ True,  True,  True,  True,  True])

可以使用 fill 方法将数组设为指定值

In [ ]:

a = np.array([1,2,3,4])
a

Out[ ]:

array([1, 2, 3, 4])

In [ ]:

a.fill(5) #让数组中的每一个元素都等于5
a

Out[ ]:

array([5, 5, 5, 5])

与列表不同,数组中要求所有元素的 dtype 是一样的,如果传入参数的类型与数组类型不一样,需要按照已有的类型进行转换。

In [ ]:

a.fill(2.5) #自动进行取整
a

Out[ ]:

array([2, 2, 2, 2])

In [ ]:

a = a.astype("float") #强制类型转换
a.fill(2.5)
a

Out[ ]:

array([2.5, 2.5, 2.5, 2.5])

还可以使用一些特定的方法生成特殊的数组

生成整数序列:

In [ ]:

a = np.arange(1,10) #左闭右开区间,和range的使用方式同理
a

Out[ ]:

array([1.3, 2.3, 3.3, 4.3, 5.3, 6.3, 7.3, 8.3, 9.3])

生成等差数列:

In [ ]:

a = np.linspace(1,10,21) #右边是包括在里面的,从a-b一共c个数的等差数列,其实np.arange好像也可以做...
a

Out[ ]:

array([ 1.  ,  1.45,  1.9 ,  2.35,  2.8 ,  3.25,  3.7 ,  4.15,  4.6 ,
        5.05,  5.5 ,  5.95,  6.4 ,  6.85,  7.3 ,  7.75,  8.2 ,  8.65,
        9.1 ,  9.55, 10.  ])

生成随机数

In [ ]:

np.random.rand(10)

Out[ ]:

array([0.48272736, 0.00581325, 0.16110313, 0.52234425, 0.63905254,
       0.42691432, 0.37196789, 0.57188523, 0.46437865, 0.43126794])

In [ ]:

np.random.randn(10) #标准正态分布

Out[ ]:

array([-1.4237624 ,  1.63058904, -1.9223658 ,  0.17736421,  0.54337908,
       -1.46049834,  0.2146448 , -0.32785131, -1.08990638, -0.75152502])

In [ ]:

np.random.randint(1,20,10) #生成随机整数,从1-20中随机10个

Out[ ]:

array([12,  6,  4,  3, 13, 19,  5,  4, 14, 16])

数组属性

查看类型:

In [ ]:

a

Out[ ]:

array([ 1.  ,  1.45,  1.9 ,  2.35,  2.8 ,  3.25,  3.7 ,  4.15,  4.6 ,
        5.05,  5.5 ,  5.95,  6.4 ,  6.85,  7.3 ,  7.75,  8.2 ,  8.65,
        9.1 ,  9.55, 10.  ])

In [ ]:

type(a)  # 查看变量的类型

Out[ ]:

numpy.ndarray

查看数组中的数据类型:

In [ ]:

a.dtype # 查看数据元素的类型

Out[ ]:

dtype('float64')

查看形状,会返回一个元组,每个元素代表这一维的元素数目:

In [ ]:

a.shape

Out[ ]:

(4,)

或者使用:

In [ ]:

np.shape(a)

Out[ ]:

(4,)

要看数组里面元素的个数:

In [ ]:

a.size

Out[ ]:

4

查看数组的维度:

In [ ]:

a.ndim

Out[ ]:

1

索引和切片

和列表相似,数组也支持索引和切片操作。

索引第一个元素:

In [ ]:

a = np.array([0,1,2,3])
a[0]

Out[ ]:

0

修改第一个元素的值

In [ ]:

a[0] = 10
a

Out[ ]:

array([10,  1,  2,  3])

`切片,支持负索引:

In [ ]:

a = np.array([11,12,13,14,15])
a[1:3] #左闭右开,从0开始算

Out[ ]:

array([12, 13])

In [ ]:

a[1:-2] #等价于a[1:3]

Out[ ]:

array([12, 13])

In [ ]:

a[-4:3] #仍然等价a[1:3]

Out[ ]:

array([12, 13])

省略参数:

In [ ]:

a[-2:] #从倒数第2个取到底

Out[ ]:

array([14, 15])

In [ ]:

a[::2] #从头取到尾,间隔2

Out[ ]:

array([11, 13, 15])

假设我们记录一部电影的累计票房:

In [ ]:

ob = np.array([21000,21800,22240,23450,25000])
ob

Out[ ]:

array([21000, 21800, 22240, 23450, 25000])

可以这样计算每天的票房:

In [ ]:

ob2 = ob[1:]-ob[:-1]
ob2

Out[ ]:

array([ 800,  440, 1210, 1550])

多维数组及其属性

array还可以用来生成多维数组:

In [ ]:

a = np.array([[0,1,2,3],[10,11,12,13]])
a

Out[ ]:

array([[ 0,  1,  2,  3],
       [10, 11, 12, 13]])

事实上我们传入的是一个以列表为元素的列表,最终得到一个二维数组。

查看形状:

In [ ]:

a.shape

Out[ ]:

(2, 4)

查看总的元素个数:

In [ ]:

a.size

Out[ ]:

8

查看维数:

In [ ]:

a.ndim

Out[ ]:

2

多维数组索引

对于二维数组,可以传入两个数字来索引:

In [ ]:

a

Out[ ]:

array([[ 0,  1,  2,  3],
       [10, 11, 12, 13]])

In [ ]:

a[1,3]

Out[ ]:

-1

其中,1是行索引,3是列索引,中间用逗号隔开。事实上,Python会将它们看成一个元组(1,3),然后按照顺序进行对应。

可以利用索引给它赋值:

In [ ]:

a[1,3] = -1
a

Out[ ]:

array([[ 0,  1,  2,  3],
       [10, 11, 12, -1]])

事实上,我们还可以使用单个索引来索引一整行内容:

In [ ]:

a[1]

Out[ ]:

array([10, 11, 12, -1])

Python会将这单个元组当成对第一维的索引,然后返回对应的内容。

In [ ]:

a[:,1]

Out[ ]:

array([ 1, 11])

多维数组切片

多维数组,也支持切片操作:

In [ ]:

a = np.array([[0,1,2,3,4,5],[10,11,12,13,14,15],[20,21,22,23,24,25],[30,31,32,33,34,35],[40,41,42,43,44,45],[50,51,52,53,54,55]])
a

Out[ ]:

array([[ 0,  1,  2,  3,  4,  5],
       [10, 11, 12, 13, 14, 15],
       [20, 21, 22, 23, 24, 25],
       [30, 31, 32, 33, 34, 35],
       [40, 41, 42, 43, 44, 45],
       [50, 51, 52, 53, 54, 55]])

想得到第一行的第4和第5两个元素:

In [ ]:

a[0,3:5]

Out[ ]:

array([3, 4])

得到最后两行的最后两列:

In [ ]:

a[4:,4:]

Out[ ]:

array([[44, 45],
       [54, 55]])

得到第三列:

In [ ]:

a[:,2]

Out[ ]:

array([ 2, 12, 22, 32, 42, 52])

每一维都支持切片的规则,包括负索引,省略

[lower:upper:step]

例如,取出3,5行的奇数列:

In [ ]:

a[2::2,::2]

Out[ ]:

array([[20, 22, 24],
       [40, 42, 44]])

切片是引用

切片在内存中使用的是引用机制

In [ ]:

a = np.array([0,1,2,3,4])
b = a[2:4]
print(b)
[2 3]

引用机制意味着,Python并没有为b分配新的空间来存储它的值,而是让b指向了a所分配的内存空间,因此,改变b会改变a的值:

In [ ]:

b[0] = 10
a

Out[ ]:

array([ 0,  1, 10,  3,  4])

而这种现象在列表中并不会出现:

In [ ]:

a = [1,2,3,4,5]
b = a[2:4]
b[0] = 10
print(a)
[1, 2, 3, 4, 5]

这样做的好处在于,对于很大的数组,不用大量复制多余的值,节约了空间。

缺点在于,可能出现改变一个值改变另一个值的情况。

一个解决方法是使用copy()方法产生一个复制,这个复制会申请新的内存:

In [ ]:

a = np.array([0,1,2,3,4])
b = a[2:4].copy()
b[0] = 10
a

Out[ ]:

array([0, 1, 2, 3, 4])

花式索引

切片只能支持连续或者等间隔的切片操作,要想实现任意位置的操作。需要使用花式索引 fancy slicing。

一维花式索引

与range函数类似,我们可以使用arange函数来产生等差数组。

In [ ]:

a = np.arange(0,100,10)
a

Out[ ]:

array([ 0, 10, 20, 30, 40, 50, 60, 70, 80, 90])

花式索引需要指定索引位置:

In [ ]:

index = [1,2,-3]
y = a[index]
print(y)
[10 20 70]

还可以使用布尔数组来花式索引:

In [ ]:

mask = np.array([0,2,2,0,0,1,0,0,1,0],dtype = bool)
mask

Out[ ]:

array([False,  True,  True, False, False,  True, False, False,  True,
       False])

mask必须是布尔数组,长度必须和数组长度相等。

In [ ]:

a[mask]

Out[ ]:

array([10, 20, 50, 80])

二维花式索引

对于二维花式索引,我们需要给定行和列的值:

In [ ]:

a = np.array([[0,1,2,3,4,5],[10,11,12,13,14,15],[20,21,22,23,24,25],[30,31,32,33,34,35],[40,41,42,43,44,45],[50,51,52,53,54,55]])
a

Out[ ]:

array([[ 0,  1,  2,  3,  4,  5],
       [10, 11, 12, 13, 14, 15],
       [20, 21, 22, 23, 24, 25],
       [30, 31, 32, 33, 34, 35],
       [40, 41, 42, 43, 44, 45],
       [50, 51, 52, 53, 54, 55]])

返回的是一条次对角线上的5个值。

In [ ]:

a[(0,1,2,3,4),(1,2,3,4,5)]

Out[ ]:

array([ 1, 12, 23, 34, 45])

返回的是最后三行的1,3,5列。

In [ ]:

a[3:,[0,2,4]]

Out[ ]:

array([[30, 32, 34],
       [40, 42, 44],
       [50, 52, 54]])

也可以使用mask进行索引:

In [ ]:

mask = np.array([1,0,1,0,0,1],dtype = bool)
a[mask,2]

Out[ ]:

array([ 2, 22, 52])

与切片不同,花式索引返回的是原对象的一个复制而不是引用。

“不完全”索引

只给定行索引的时候,返回整行:

In [ ]:

y = a[:3]
y

Out[ ]:

array([[ 0,  1,  2,  3,  4,  5],
       [ 1,  1,  1,  1,  1,  1],
       [20, 21, 22, 23, 24, 25]])

这时候也可以使用花式索引取出第2,3,5行:

In [ ]:

con = np.array([0,1,1,0,1,0],dtype = bool)
a[con]

Out[ ]:

array([[ 1,  1,  1,  1,  1,  1],
       [20, 21, 22, 23, 24, 25],
       [40, 41, 42, 43, 44, 45]])

where语句

where(array)

where函数会返回所有非零元素的索引。

一维数组

先看一维的例子:

In [ ]:

a = np.array([0,12,5,20])

判断数组中的元素是不是大于10:

In [ ]:

a>10

Out[ ]:

array([False,  True, False,  True])

数组中所有大于10的元素的索引位置:

In [ ]:

np.where(a>10)

Out[ ]:

(array([1, 3], dtype=int64),)

注意到where的返回值是一个元组。返回的是索引位置,索引[1,3]大于10的数

也可以直接用数组操作。

In [ ]:

a[a>10]

Out[ ]:

array([12, 20])

In [ ]:

a[np.where(a>10)]

Out[ ]:

array([12, 20])

2.数组类型

具体如下:


基本类型

可用的Numpy类型

备注
布尔型 bool 占一个字节
整型 int8,int16,int32,int64,int128,int int跟C语言中long一样大
无符号整型 uint8,uint16,uint32,uint64,uint128,uint uint跟C语言中的unsigned long一样大
浮点数 float16,float32,float 默认为双精度float64,longfloat精度大小与系统有关
复数 complex64,complex128,complex,longcomplex 默认为complex128,即实部虚部都为双精度
字符串 string,unicode 可以使用dtype=S4表示一个4字节字符串的数组
对象 object 数组中可以使用任意值
时间 datetime64,timedelta64

类型转换

In [ ]:

a = np.array([1.5,-3],dtype = float)
a

Out[ ]:

array([ 1.5, -3. ])

asarray 函数

In [ ]:

a = np.array([1,2,3])
np.asarray(a,dtype = float)

Out[ ]:

array([1., 2., 3.])

astype方法

astype 方法返回一个新数组:

In [ ]:

a = np.array([1,2,3])
a.astype(float)

Out[ ]:

array([1., 2., 3.])

In [ ]:

a #a本身并没有发生变化--拷贝

Out[ ]:

array([1, 2, 3])

3.数组操作

我们以豆瓣10部高分电影为例

In [ ]:

##电影名称
mv_name = ["肖申克的救赎","控方证人","美丽人生","阿甘正传","霸王别姬","泰坦尼克号","辛德勒的名单","这个杀手不太冷","疯狂动物城","海豚湾"]

In [ ]:

##评分人数
mv_num = np.array([692795,42995,327855,580897,478523,157074,306904,662552,284652,159302])

In [ ]:

##评分
mv_score = np.array([9.6,9.5,9.5,9.4,9.4,9.4,9.4,9.3,9.3,9.3])

In [ ]:

##电影时长(分钟)
mv_length = np.array([142,116,116,142,171,194,195,133,109,92])

数组排序

sort函数

In [ ]:

np.sort(mv_num)

Out[ ]:

array([ 42995, 157074, 159302, 284652, 306904, 327855, 478523, 580897,
       662552, 692795])

In [ ]:

mv_num #sort不改变原来数组

Out[ ]:

array([692795,  42995, 327855, 580897, 478523, 157074, 306904, 662552,
       284652, 159302])

argsort函数

argsort返回从小到大的排列在数组中的索引位置:

In [ ]:

order = np.argsort(mv_num)
order

Out[ ]:

array([1, 5, 9, 8, 6, 2, 4, 3, 7, 0], dtype=int64)

In [ ]:

mv_name[order[0]]

Out[ ]:

'控方证人'

In [ ]:

mv_name[order[-1]]

Out[ ]:

'肖申克的救赎'

求和

In [ ]:

np.sum(mv_num)

Out[ ]:

3693549

In [ ]:

mv_num.sum()

Out[ ]:

3693549

最大值

In [ ]:

np.max(mv_length)

Out[ ]:

195

In [ ]:

mv_length.max()

Out[ ]:

195

最小值

In [ ]:

np.min(mv_score)

Out[ ]:

9.3

In [ ]:

mv_score.min()

Out[ ]:

9.3

均值

In [ ]:

np.mean(mv_length)

Out[ ]:

141.0

In [ ]:

mv_length.mean()

Out[ ]:

141.0

标准差

In [ ]:

np.std(mv_length)

Out[ ]:

33.713498780162226

In [ ]:

mv_length.std()

Out[ ]:

33.713498780162226

相关系数矩阵

In [ ]:

np.cov(mv_score,mv_length)

Out[ ]:

array([[9.88888889e-03, 4.55555556e-01],
       [4.55555556e-01, 1.26288889e+03]])

4.多维数组操作

数组形状

In [ ]:

a = np.arange(6)
a

Out[ ]:

array([0, 1, 2, 3, 4, 5])

In [ ]:

a.shape=(2,3)
a

Out[ ]:

array([[0, 1, 2],
       [3, 4, 5]])

In [ ]:

a.shape

Out[ ]:

(2, 3)

与之对应的方法是reshape,但它不会修改原来数组的值,而是返回一个新的数组:

In [ ]:

a = np.arange(6)
a

Out[ ]:

array([0, 1, 2, 3, 4, 5])

In [ ]:

a.reshape(2,3)

Out[ ]:

array([[0, 1, 2],
       [3, 4, 5]])

In [ ]:

a #没变

Out[ ]:

array([0, 1, 2, 3, 4, 5])

转置

In [ ]:

a = a.reshape(2,3)
a

Out[ ]:

array([[0, 1, 2],
       [3, 4, 5]])

In [ ]:

a.T

Out[ ]:

array([[0, 3],
       [1, 4],
       [2, 5]])

In [ ]:

a.transpose() #只要没赋值给本身,a的数值不会变换

Out[ ]:

array([[0, 3],
       [1, 4],
       [2, 5]])

数组连接

有时候我们需要将不同的数组按照一定的顺序连接起来:

concatenate((a0,a1,…,aN),axis = 0)

注意,这些数组要用()包括到一个元组中去。

除了给定的轴外,这些数组其他轴的长度必须是一样的。

In [ ]:

x = np.array([[0,1,2],[10,11,12]])
y = np.array([[50,51,52],[60,61,62]])
print(x.shape)
print(y.shape)
(2, 3)
(2, 3)

默认沿着第一维进行连接:

In [ ]:

z = np.concatenate((x,y))
z

Out[ ]:

array([[ 0,  1,  2],
       [10, 11, 12],
       [50, 51, 52],
       [60, 61, 62]])

沿着第二维进行连接:

In [ ]:

z = np.concatenate((x,y),axis = 1)
z

Out[ ]:

array([[ 0,  1,  2, 50, 51, 52],
       [10, 11, 12, 60, 61, 62]])

注意到这里x和y的形状是一样的,还可以将它们连接成三维的数组,但是concatenate不能提供这样的功能,不过可以这样:

In [ ]:

z = np.array((x,y))
z

Out[ ]:

array([[[ 0,  1,  2],
        [10, 11, 12]],

       [[50, 51, 52],
        [60, 61, 62]]])

事实上,Numpy提供了分别对应这三种情况的函数:

  • vstack
  • hstack
  • dstack

In [ ]:

np.vstack((x,y))

Out[ ]:

array([[ 0,  1,  2],
       [10, 11, 12],
       [50, 51, 52],
       [60, 61, 62]])

In [ ]:

np.dstack((x,y))

Out[ ]:

array([[[ 0, 50],
        [ 1, 51],
        [ 2, 52]],

       [[10, 60],
        [11, 61],
        [12, 62]]])

5.Numpy内置函数

In [ ]:

a = np.array([-1,2,3,-2])

In [ ]:

np.abs(a) #绝对值

Out[ ]:

array([1, 2, 3, 2])

In [ ]:

np.exp(a) #指数

Out[ ]:

array([ 0.36787944,  7.3890561 , 20.08553692,  0.13533528])

In [ ]:

np.median(a) #中值

Out[ ]:

0.5

In [ ]:

np.cumsum(a) #累积和

Out[ ]:

array([-1,  1,  4,  2], dtype=int32)

numpy的内置函数非常多,不需要死记,懂得查资料。


numpy 内置函数总结_老男孩-Leo的博客-CSDN博客_numpy内置函数

6.数组属性方法总结

课上只讲了一些常见的,其余感兴趣的同学可以自行学习。


调用方法

作用

1

基本属性
a.dtype 数组元素类型float32,uint8,…
a.shape 数组形状(m,n,o,…)
a.size 数组元素数
a.itemsize 每个元素占字节数
a.nbytes 所有元素占的字节
a.ndim 数组维度

2

形状相关
a.flat 所有元素的迭代器
a.flatten() 返回一个1维数组的复制
a.ravel() 返回一个一维数组,高效
a.resize(new_size) 改变形状
a.swapaxes(axis1,axis2) 交换两个维度的位置
a.transpose(* axex) 交换所有维度的位置
a.T 转置,a.transpose()
a.squeeze() 去除所有长度为1的维度

3

填充复制
a.copy() 返回数组的一个复制
a.fill(value) 将数组的元组设置为特定值

4

转化
a.tolist() 将数组转化为列表
a.tostring() 转换为字符串
a.astype(dtype) 转换为指定类型
a.byteswap(False) 转换大小字节序
a.view(type_or_dtype) 生成一个使用相同内存,但使用不同的表示方法的数组

5

查找排序
a.nonzero() 返回所有非零元素的索引
a.sort(axis=-1) 沿某个轴排序
a.argsort(axis=-1) 沿某个轴,返回按排序的索引
a.searchsorted(b) 返回将b中元素插入a后能保持有序的索引值

6

元素数学操作
a.clip(low,high) 将数值限制在一定范围内
a.round(decimals=0) 近似到指定精度
a.cumsum(axis=None) 累加和
a.cumprod(axis=None) 累乘积

7

约简操作
a.sum(axis=None) 求和
a.prod(axis=None) 求积
a.min(axis=None) 最小值
a.max(axis=None) 最大值
a.argmin(axis=None) 最小值索引
a.argmax(axis=None) 最大值索引
a.ptp(axis=None) 最大值减最小值
a.mean(axis=None) 平均值
a.std(axis=None) 标准差
a.var(axis=None) 方差
a.any(axis=None) 只要有一个不为0,返回真,逻辑或
a.all(axis=None) 所有都不为0,返回真,逻辑与