numpy基础操作2

    data_path = './data.csv'
    t1 = np.loadtxt(data_path,delimiter=',',skiprows=1)
    t2 = np.loadtxt(data_path, delimiter=',',skiprows=1,unpack=True) #unpack=True表示把原数据转置
    print(t1)
    # print("*"*50,'转置后',"*"*50)
    # print(t2)
    #索引和切片
    print("*" * 50, '取行操作', "*" * 50)
    print('取数据t1的第3行')
    print(t1[2])
    print('取数据t1的第3行及以后所有的数据（连续的多行）')
    print(t1[2:])
    print('取数据t1的第3，6，12，45行的数据（不连续的多行）')
    print(t1[[3,6,12,45]])
    print("*" * 50, '取列操作', "*" * 50)
    print('取数据第一列所有的行')
    print(t1[:,0])
    print('取数据第一列,第二列所有的行（连续的多列）')
    print(t1[:, 0:2])
    print('取数据第一列,第三列所有的行（不连续的多列）')
    print(t1[:, [0,2]])

    data_path = './data.csv'
    t1 = np.loadtxt(data_path,delimiter=',',skiprows=1)
    print(t1)
    print('********************把大于12的值替换成100******************')
    t1[t1>12] = 100
    print(t1)
    print('********************把大于12的值替换成100，小于12的替换成0 ******************')
    t3 = np.where(t1>12,100,0)
    print(t3)

 

    print('********************把大于15的值替换成15，小于12的替换成12 ******************')
    t3.clip(12,15)
    print(t3)

 数组的拼接：

竖直拼接（vertically stack）和水平拼接(horizontally stack)

数组的行列交换：

    a1 = np.arange(6).reshape(2,3)
    a2 = np.array([random.random() for i in range(6)]).reshape(2,3)
    print(a1)
    print(a2)
    print('*'*50,'竖直拼接','*'*50)
    a3 = np.vstack((a1,a2)) #竖直拼接，a1在上a2在下
    print(a3)
    print('*' * 50, '水平拼接', '*' * 50)
    a4 = np.hstack((a1,a2))
    print(a4)

    print('行列交换')
    a1[[0,1],:] = a1[[1,0],:]
    print('行交换\n',a1)
    a1[:,[0,1]] = a1[:,[1,0]]
    print('列交换\n', a1)

 

做一个练习题：

 

 

 

 

 

    #加载数据集
    US_PATH = './youtube_video_data/US_video_data_numbers.csv'
    GB_PATH = './youtube_video_data/GB_video_data_numbers.csv'

    US_DATA = np.loadtxt(US_PATH,delimiter=',',dtype=int)
    GB_DATA = np.loadtxt(GB_PATH,delimiter=',',dtype=int)
    #添加国家信息0表示美国，1表示英国
    Zeros = np.zeros((US_DATA.shape[0],1)).astype(int) #把他转化为int类型,US_DATA.shape[0]行,1列
    Ones = np.ones((GB_DATA.shape[0],1)).astype(int)##把他转化为int类型,GB_DATA.shape[0]行,1列

    US_DATA = np.hstack((Zeros,US_DATA))
    GB_DATA = np.hstack((Ones,GB_DATA))

    #合并两个国家的数据
    hebing_data = np.vstack((US_DATA,GB_DATA))

    #打印验证
    print(hebing_data)
    print(hebing_data.shape[0])

 

 

 按照给定的轴的方向求出最大值和最小值的位置：

    #给出最大值和最小值的位置
    b1 = np.array([random.random() for i in range(12)]).reshape(3,4)
    print(b1)
    print(np.argmax(b1,axis=0))
    print(np.argmin(b1,axis=1))

使用Numpy产生随机数

    #使用Numpy产生随机数
    #产生正数的随机数
    t1 = np.random.randint(10,20,(4,5)) #产生10~20之间的随机正数，形状是4行5列
    print(t1)
    t2 = np.random.uniform(10,20,(4,5)) #这个和randint唯一的区别就是这个产生的是小数
    print(t2)

使用numpy随机种子，他的作用是保证每次产生的随机数又是一样的

    #使用numpy随机种子，他的作用是保证每次产生的随机数又是一样的
    np.random.seed(10)
    t1 = np.random.randint(10,20,(2,4))
    print(t1)

copy()的作用：

    np.random.seed(10)
    t1 = np.random.randint(10,20,(2,4))
    t2 = t1 #t1变化t2就会变化
    t3 = t1.copy()#t3和t1是相互独立