数据分析4-numpy

 

 1、Numpy创建数组 np.array([])

persontype = np.dtype({
    'names':['name','age','chinese','math','english'],
    'formats':['S32','i','i','i','f']})
peoples = np.array([("ZhangFei",32,75,100, 90),("GuanYu",24,85,96,88.5),
       ("ZhaoYun",28,85,92,96.5),("HuangZhong",29,65,85,100)],
    dtype=persontype)
ages = peoples[:]['age']
chineses = peoples[:]['chinese']
maths = peoples[:]['math']
englishs =peoples[:]['english']
print(np.mean(ages))
print(np.mean(chineses))
print(np.mean(maths))
print(np.mean(englishs))

# 定义numpy数据结构

2、连续数组创建

x1 = np.arange(1,11,2)
x2=np.linspace(1,9,5,dtype=int) #默认输出是浮点数，起始值，终值，个数

print(x1,x2)

运行结果

[1 3 5 7 9] [1 3 5 7 9]

 

3、算术运算

# 还可以进行加减运算，求平方，求余，n次方等
print(np.add(x1,x2))
print(np.subtract(x1,x2))
print(np.multiply(x1,x2))
print(np.divide(x1,x2))
print(np.power(x1,x2))
print(np.remainder(x1,x2))
print(np.mod(x1,x2))

运行结果

[ 2  6 10 14 18]
[0 0 0 0 0]
[ 1  9 25 49 81]
[1. 1. 1. 1. 1.]
[        1        27      3125    823543 387420489]
[0 0 0 0 0]
[0 0 0 0 0]

4、统计函数

#计算数组/句矩阵中最大最小值函数

a = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(np.amin(a))
print(np.amin(a,0)) #沿着axis=0轴的最小值
print(np.amin(a,1)) #沿着axis=1轴的最小值
print(np.amax(a))
print(np.amax(a,0))
print(np.amax(a,1))

运算结果

1
[1 2 3]
[1 4 7]
9
[7 8 9]
[3 6 9]

#统计最大最小值之差ptp
print(np.ptp(a))
print(np.ptp(a,0))
print(np.ptp(a,1))

运行结果

8
[6 6 6]
[2 2 2]

#统计数值中的百分位数percentile()
print(np.percentile(a,100)) #9-1=8 再分成100份，每一份为0.08，y=0.08x+1
print(np.percentile(a,1,axis=0)) #a=array([1,4,7],[2,5,8],[3,6,9]),同理，以每个数组为单位单独计算重新构成新数组
print(np.percentile(a,50,axis=1))

运行结果

9.0
[1.06 2.06 3.06]
[2. 5. 8.]

#统计数组中的中位数median（），平均数mean（）
print(np.median(a))
print(np.median(a,axis=0))
print(np.median(a,axis=1))
print(np.mean(a))
print(np.mean(a,axis=0))
print(np.mean(a,axis=1))
#运行结果

5.0
[4. 5. 6.]
[2. 5. 8.]
5.0
[4. 5. 6.]
[2. 5. 8.]

#统计数组中的加权平均数average（）
b=np.array([1,2,3,4])
wet=[1,2,3,4]
print(np.average(b))
print(np.average(b,weights=wet))

#运行结果
2.5
3.0

#统计数组中的标准差std和方差var
print(np.std(b))
print(np.var(b))

# 运行结果
1.118033988749895
1.25

#排序 sort
c=np.array([[4,2,3],[5,6,1]])
print(np.sort(c))
print(np.sort(c,axis=0,kind='mergesort'))#kind=quicksort,mergesort,headsort分别表示快速排序，合并排序，推排序

#运行结果
[[2 3 4]
 [1 5 6]]
[[4 2 1]
 [5 6 3]]