python-数据分析-Numpy-2-数组对象方法
数组对象的方法应用
# -*- coding: utf-8 -*-
#数组对象的方法
import matplotlib.pyplot as plt
import numpy
# 1、 获取描述统计信息
array1 = numpy.random.randint(1, 100, 10)
print(array1) #随机数组 [64 84 10 52 3 66 4 31 79 7]
#计算总和、平均值、中位数
print(array1.sum()) #400
print(numpy.sum(array1)) #400
print(array1.mean()) #40.0
print(numpy.mean(array1)) #40.0 平均值
print(numpy.median(array1)) #41.5 中位数
print(numpy.quantile(array1, 0.5)) #41.5 分位数
#上面代码中的mean、median和quantile分别是 NumPy 中计算算术平均值、中位数和分位数的函数，其中quantitle函数的第二个参数设置为0.5表示计算50%分位数，也就是中位数。
print("-----------------------------------------")
#极值、全距和四分位距离
print(array1.max())
print(numpy.amax(array1))
print(array1.min())
print(numpy.amin(array1))
print(array1.ptp()) #ptp 函数计算数组中的最大值和最小值之差
print(numpy.ptp(array1))
q1, q3 = numpy.quantile(array1, [0.25, 0.75]) #计算四分位距离、75%分位数减去25%分位数
print(q3 - q1)
print("-----------------------------------------")
#方差、标准差、变异系数
print(array1.var())
print(numpy.var(array1)) #方差
print(array1.std())
print(numpy.std(array1)) #标准差
print(array1.std() / array1.mean()) #变异系数、标准差除以平均值绘制箱线图
# 2、绘制箱线图
#箱线图又称为盒须图，是显示一组数据分散情况的统计图，因形状如箱子而得名。 它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。
plt.boxplot(array1, showmeans=True) #绘制箱线图
plt.ylim([-20, 120]) #设置y轴范围
plt.show() #显示图形
值得注意的是，对于二维或更高维的数组，在获取描述统计信息时，可以通过名为axis的参数指定均值、方差等运算是沿着哪一个轴来执行，axis参数不同，执行的结果可能是大相径庭的，如下所示。
array2 = numpy.random.randint(60, 101, (5, 3)) #随机数组、5行3列
print(array2)
print(array2.mean()) #均值
print(array2.mean(axis=0)) #列平均值(每一列的平均值) axis = 0：表示列
print(array2.mean(axis=1)) #行平均值(每一行的平均值) axis = 1：表示行
print(array2.max(axis=0))
print(array2.max(axis=1))
#再看看绘制箱线图，对于二维数组每一列都会产生一个统计图形，如下所示。
plt.boxplot(array2, showmeans=True)
plt.ylim([-20, 120])
plt.show()说明：箱线图中的小圆圈用来表示离群点，也就是大于$\small{Q_3 + 1.5 \times IQR}$或小于$\small{Q_1 - 1.5 \times IQR}$的值。公式中的常量1.5可以通过绘制箱线图的boxplot函数的whis参数进行修改，常用的值是1.5和3，修改为3通常是为了标识出极度离群点。
需要说明的是，NumPy 的数组对象并没有提供计算几何平均值、调和平均值、去尾平均值等的方法，如果有这方面的需求，可以使用名为 scipy 的三方库，它的stats模块中提供了这些函数。此外，该模块还提供了计算众数、变异系数、偏态、峰度的函数，代码如下所示。
from scipy import stats
print(numpy.mean(array1)) # 算术平均值
print(stats.gmean(array1)) # 几何平均值
print(stats.hmean(array1)) # 调和平均值
print(stats.tmean(array1, [10, 90])) # 去尾平均值
print(stats.variation(array1)) # 变异系数
print(stats.skew(array1)) # 偏态系数
print(stats.kurtosis(array1)) # 峰度系数其它相关方法概述
all() / any()方法：判断数组是否所有元素都是True / 判断数组是否有为True的元素。
astype()方法：拷贝数组，并将数组中的元素转换为指定的类型。
reshape()方法：调整数组对象的形状。#dump()方法：保存数组到二进制文件中，可以通过 NumPy 中的load()函数从保存的文件中加载数据创建数组。
array1.dump('array1-data')
# print(array1.dump('array1-data'))
array3 = numpy.load('array1-data', allow_pickle=True)
print(array3)
print("-----------------------------------------")
##tofile()方法：将数组对象写入文件中。
print(array1.tofile('res/array.txt', sep=','))
#fill()方法：向数组中填充指定的元素。
#flatten()方法：将多维数组扁平化为一维数组。
print(array2.flatten())
#nonzero()方法：返回非0元素的索引。
#round()方法：对数组中的元素做四舍五入操作。
#sort()方法：对数组进行就地排序。
print(array1)
print(numpy.sort(array1))
#swapaxes()和transpose()方法：交换数组指定的轴和转置。
print(array2.swapaxes(0, 1)) #交换数组的维度、0和1表示行和列
print(array2.transpose())
#tolist()方法：将数组转成 Python 中的list。
print(array2.tolist())
print(type(array2.tolist()))
