Numpy 常用数据结构和清理函数

@toc

Numpy 清理工具

Numpy常用数据结构

Numpy中常用的数据结构是ndarray格式
使用array函数创建，语法格式为array(列表或元组)
可以使用其他函数例如arange、linspace、zeros等创建

代码语言：txt复制

import numpy as np

代码语言：txt复制

arr1 = np.array([-9, 7, 4, 3])

代码语言：txt复制

arr1

代码语言：txt复制

array([-9,  7,  4,  3])

代码语言：txt复制

type(arr1)  # n维数组

代码语言：txt复制

numpy.ndarray

代码语言：txt复制

arr1 = np.array([-9, 7, 4, 3], dtype='str')

代码语言：txt复制

arr1

代码语言：txt复制

array(['-9', '7', '4', '3'], dtype='<U2')

代码语言：txt复制

arr1 = np.array([-9, 7, 4, 3], dtype=float)

代码语言：txt复制

arr1

代码语言：txt复制

array([-9.,  7.,  4.,  3.])

代码语言：txt复制

arr1 = np.array([-9, 7, 4, 3], dtype=int)

代码语言：txt复制

arr1

代码语言：txt复制

array([-9,  7,  4,  3])

代码语言：txt复制

arr2 = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])

代码语言：txt复制

arr2

代码语言：txt复制

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

代码语言：txt复制

       [ 5,  6,  7,  8],

代码语言：txt复制

       [ 9, 10, 11, 12]])

代码语言：txt复制

for i in range(1, 10):
    print(i)

代码语言：txt复制

np.arange(1, 10, 0.5)

代码语言：txt复制

array([1. , 1.5, 2. , 2.5, 3. , 3.5, 4. , 4.5, 5. , 5.5, 6. , 6.5, 7. ,

代码语言：txt复制

       7.5, 8. , 8.5, 9. , 9.5])

代码语言：txt复制

# 等差数组
# 第一个参数：起始值
# 第二个参数：终止值
# 第三个参数：元素个数
# endpoint：是否包含终值
np.linspace(1, 10, 10, endpoint=True)

代码语言：txt复制

array([ 1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10.])

代码语言：txt复制

np.linspace(1, 10, 20, endpoint=True)

代码语言：txt复制

array([ 1.        ,  1.47368421,  1.94736842,  2.42105263,  2.89473684,

代码语言：txt复制

        3.36842105,  3.84210526,  4.31578947,  4.78947368,  5.26315789,

代码语言：txt复制

        5.73684211,  6.21052632,  6.68421053,  7.15789474,  7.63157895,

代码语言：txt复制

        8.10526316,  8.57894737,  9.05263158,  9.52631579, 10.        ])

代码语言：txt复制

9/19  # 步长

代码语言：txt复制

0.47368421052631576

代码语言：txt复制

1   3 * (9/19)

代码语言：txt复制

2.4210526315789473

代码语言：txt复制

# 产生一个4行5列的数组，值为0
np.zeros([4, 5])

代码语言：txt复制

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

代码语言：txt复制

       [0., 0., 0., 0., 0.],

代码语言：txt复制

       [0., 0., 0., 0., 0.],

代码语言：txt复制

       [0., 0., 0., 0., 0.]])

代码语言：txt复制

np.zeros(4)

代码语言：txt复制

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

代码语言：txt复制

# 产生一个2行3列的数组，值为1
np.ones([2, 3])

代码语言：txt复制

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

代码语言：txt复制

       [1., 1., 1.]])

代码语言：txt复制

# 对每一个数组元素加1
arr2   1

代码语言：txt复制

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

代码语言：txt复制

       [ 6,  7,  8,  9],

代码语言：txt复制

       [10, 11, 12, 13]])

代码语言：txt复制

# 判断数组的维数
arr1.ndim

代码语言：txt复制

arr2.ndim

代码语言：txt复制

# 判断数组的形状
arr1.shape

代码语言：txt复制

(4,)

代码语言：txt复制

arr2.shape

代码语言：txt复制

(3, 4)

代码语言：txt复制

# 返回数组元素个数
arr2.size

代码语言：txt复制

# 返回数组元素类型
arr2.dtype

代码语言：txt复制

dtype('int32')

代码语言：txt复制

data2 = ((8.5, 6, 4, 1.2, 0.7), (1.5, 3, 5.4, 7.3, 9), (3.2, 4.5, 6, 3, 9), (11.2, 13.4, 15.6, 17.8, 19))

代码语言：txt复制

arr3 = np.array(data2)

代码语言：txt复制

arr3

代码语言：txt复制

array([[ 8.5,  6. ,  4. ,  1.2,  0.7],

代码语言：txt复制

       [ 1.5,  3. ,  5.4,  7.3,  9. ],

代码语言：txt复制

       [ 3.2,  4.5,  6. ,  3. ,  9. ],

代码语言：txt复制

       [11.2, 13.4, 15.6, 17.8, 19. ]])

代码语言：txt复制

arr3[0]

代码语言：txt复制

array([8.5, 6. , 4. , 1.2, 0.7])

代码语言：txt复制

arr3[3]

代码语言：txt复制

array([11.2, 13.4, 15.6, 17.8, 19. ])

代码语言：txt复制

# 取第二行第三列元素
arr3[1, 2]

代码语言：txt复制

5.4

代码语言：txt复制

arr3[1][2]

代码语言：txt复制

5.4

代码语言：txt复制

arr3[:, 3]

代码语言：txt复制

array([ 1.2,  7.3,  3. , 17.8])

代码语言：txt复制

# 取第二列到第三列元素
arr3[:, 1:3]

代码语言：txt复制

array([[ 6. ,  4. ],

代码语言：txt复制

       [ 3. ,  5.4],

代码语言：txt复制

       [ 4.5,  6. ],

代码语言：txt复制

       [13.4, 15.6]])

代码语言：txt复制

arr3[3][1]

代码语言：txt复制

13.4

$color{red}数组下标从0开始，且左闭右开$

Numpy常用数据清理函数

代码语言：txt复制

import numpy as np

代码语言：txt复制

s = np.array([1,2,3,4,3,2,1,2,2,4,6,7,2,4,8,4,5])

代码语言：txt复制

s = np.sort(s)

代码语言：txt复制

array([1, 1, 2, 2, 2, 2, 2, 3, 3, 4, 4, 4, 4, 5, 6, 7, 8])

代码语言：txt复制

np.array(sorted(s, reverse=True))

代码语言：txt复制

array([8, 7, 6, 5, 4, 4, 4, 4, 3, 3, 2, 2, 2, 2, 2, 1, 1])

代码语言：txt复制

# 返回排序的索引
np.argsort(s)

代码语言：txt复制

array([ 0,  6, 12,  7,  5,  8,  1,  2,  4,  3, 15,  9, 13, 16, 10, 11, 14],

代码语言：txt复制

      dtype=int64)

代码语言：txt复制

arr1 = np.array([[0,1,3],[4,2,9],[4,5,9],[1,-3,4]])

代码语言：txt复制

# axis=0：表示对列排序
# axis=1：表示对行排序
np.sort(arr1, axis=0)

代码语言：txt复制

array([[ 0, -3,  3],

代码语言：txt复制

       [ 1,  1,  4],

代码语言：txt复制

       [ 4,  2,  9],

代码语言：txt复制

       [ 4,  5,  9]])

代码语言：txt复制

np.sort(arr1, axis=1)

代码语言：txt复制

array([[ 0,  1,  3],

代码语言：txt复制

       [ 2,  4,  9],

代码语言：txt复制

       [ 4,  5,  9],

代码语言：txt复制

       [-3,  1,  4]])

代码语言：txt复制

array([1, 2, 3, 4, 3, 2, 1, 2, 2, 4, 6, 7, 2, 4, 8, 4, 5])

代码语言：txt复制

# 第一个参数：条件
# 第二个参数：条件满足的返回值
# 第三个参数：条件不满足的返回值
# 大于3返回元素本身，不大于3返回-1
np.where(s>3, s, -1)

代码语言：txt复制

array([-1, -1, -1,  4, -1, -1, -1, -1, -1,  4,  6,  7, -1,  4,  8,  4,  5])

代码语言：txt复制

# 第一个参数：条件
# 第二个参数：返回的值
# 筛选数组中值大于3的元素
np.extract(s > 3, s)

代码语言：txt复制

array([4, 4, 6, 7, 4, 8, 4, 5])

python 数据挖掘

0 人点赞