听课笔记--Python数据分析--Numpy基础及基本应用

2024-02-08 04:32

本文主要是介绍听课笔记--Python数据分析--Numpy基础及基本应用,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

'''
@Author: Liang
@LastEditors: Liang
@Date: 2020-07-26 19:16:40
@LastEditTime: 2020-07-28 20:26:31
@Email: str-liang@outlook.com
@FilePath: /undefinede:/Python数据分析/Numpy基础及基本应用.py
@Environment: Win 10 Python 3.8
@Description: Numpy基础及基本应用 
'''# 一维二维三维数组""" 
数据收集:
爬虫
公开数据(披露数据-如财报等)
其他途径的数据
"""""" 
数据预处理的方法:
1、归一化
2、二值化
3、维度变换
4、去重
5、无效数据过滤
"""""" 数据-处理的方法:1、数据排序2、数据查找3、数据统计分析
"""# 为什么要用Numpy?
# 高性能、开源、数组运算、读写迅速import numpy as np
import time# 如果抽象成这样:aeb
# 要求a不能不写,也就是说是1也要写上
# b必须是整数.
# 实现上就是 a*10^b
# a乘以10的b次方
# 所以楼主的就是1*10^6 也就是一百万的数据量""" 
list_array = list(range(int(1e6))) 
start_time = time.time()
python_array = [val * 5 for val in list_array]
end_time = time.time()
print('Python array time:{} ms(毫秒)'.format(round((end_time - start_time)*1000,2)))
# 约为 80 msnp_array = np.arange(1e6)
start_time = time.time()
np_array = np_array * 5
end_time = time.time()
print('Numpy array time:{} ms(毫秒)'.format(round((end_time - start_time)*1000,2)))
# 约为 4 ms
# 将近20倍速度的差
print('What sup!')"""# data = [1,2,3] # Python 直接创建数组
# data = np.array([1,2,3]) # Numpy 创建数组# data = np.array([[1,2,3],[4,5,6]]) # 二维数组需要两层中括号,请留意
# 或者这么写,看的更加直观"""
data = np.array([[1,2,3],[4,5,6]]) # 二维数组需要两层中括号,请留意"""# data = np.array([[1,2,3],[4,5,6]])
# print(data.ndim) #  2  判断是几位数组
# print(data.shape) # (2,3)  获取每个维度上面的数量 # data = np.zeros(10)
# print(data) # [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.] 创建 10 个 0的数组# data = np.ones(10)
# print(data) # [1. 1. 1. 1. 1. 1. 1. 1. 1. 1.] 创建 10 个 1的数组""" 
data = np.ones((3,10))
print(data) 
创建一个 三行十列 且都是1的二维数组 [[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.][1. 1. 1. 1. 1. 1. 1. 1. 1. 1.][1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]]"""""" data = np.arange(10)
print(data) # [0 1 2 3 4 5 6 7 8 9] 从 0到9
print(data[5]) # 获取索引(下标)为5的值"""""" data = np.array([[1,2,3],[4,5,6]])
print(data[0]) #[1,2,3] 代表第0行
print(data[1]) #[4,5,6] 代表第1行
print(data[0][0]) #[1] 代表第0行 第0列
print(data[1][2]) #[6] 代表第1行 第2列
print(data[1,2]) # 这个和上面的表述方法一致,都是 [6] 代表第1行 第2列"""""" 
data = np.arange(10)
print(data[:2]) # [0,1] 代表第前面两个 下标(索引) 从0开始(包含) 到 2(不包含) 的元素
print(data[1:2]) # [1] 代表下标(索引) 从1开始(包含) 到 2(不包含) 的元素
print(data[1:]) # [1 2 3 4 5 6 7 8 9]  代表从1(包含)开始到最后
print(data[:]) # [0 1 2 3 4 5 6 7 8 9] 所有"""# 注意!切片得到的数据对应的还是原始数据任何修改都会反映到原始数据上
# 注意!切片得到的数据对应的还是原始数据任何修改都会反映到原始数据上
# 注意!切片得到的数据对应的还是原始数据任何修改都会反映到原始数据上"""
data = np.arange(10)
print(data)
data_slice = data[0:1]
data_slice[0] = 100
print(data)
print(data_slice)
# [100   1   2   3   4   5   6   7   8   9]  源数据会被修改 如果不想被修改 可以 使用 data_slice = data[0:1].copy() 
"""""" 
data = np.arange(10)
# 变换数组的维度,如果维度无法进行变换  如 2,3 则报错 cannot reshape array of size 10 into shape (2,3)
print(data.reshape(5,2))
print(data.reshape(2,5))
print(data.reshape(2,3))"""""" 
data = np.arange(10)
print(data.reshape(2,5).T) 
#  .T 转置操作
[[0 5][1 6][2 7][3 8][4 9]]"""""" 
data = np.arange(3)
print(np.sqrt(data))
# 求平方根 [0.         1.         1.41421356]"""""" 函数	说明
abs	计算绝对值
sgrt	计算平方根
square	计算平方
exp	计算指数ex
sign	计算正负号:1、0、-1
ceil	计算大于等于该元素的最小整数
floor	计算小于等于该元素的最大整数
isnan	计算哪些元素是非数字"""""" 
data = np.array([1,2,3])
data1 = np.array([11,22,33])
print(np.add(data, data1))
# Numpy 的加法运算 """""" 
常见的数组可用方法函数	说明
add	计算两个数组的和
subtract	从第一个数组减去第二个数组
multiply	计算两个数组元素的乘积(不是矩阵乘法)
divide	第一个数组元素除以第二个数组元素
power	第一个数组元素A,第二个数组元素B,计算Ab
fmax	计算两个元素各个位置上更大的那个
fmin	计算两个元素各个位置上更小的那个
"""""" 
data = np.array([1,2,3])
data1 = np.array([3,6,9])
print(np.multiply(data, data1))
# [ 3 12 27]  multiply	计算两个数组元素的乘积(不是矩阵乘法)   和刚刚的 add 加法是一样的,是对应下标的元素进行相乘
"""""" 
data = np.arange(10)
print(np.sum(data)) # 对数组内所有元素求和"""""" 
一些常用的统计方法
函数	说明
sum	计算数组所有元素的和
mean	计算数组所有元素的平均值
std	计算数组所有元素的标准差
min,max	计算数组所有元素的最小或者最大值
argmin,argmax	计算数组所有元素的最小或者最大值对应的位置"""""" 
# 数组的排序 第一种 ==> 不会修改 data 源数据
data = np.array([5,8,6,3,8,10,1])
print(np.sort(data))
print(data)
# [ 1  3  5  6  8  8 10] 数组的排序# 数组的排序 第一种 ==> 修改 data 源数据
data = np.array([5,8,6,3,8,10,1])
data.sort()
print(data)"""data = np.genfromtxt('C:/Users/Desktop/data.txt',delimiter=',') # delimiter 代表指定的分隔符是什么
print(data)
# 如果不是数字 显示 nan

 

这篇关于听课笔记--Python数据分析--Numpy基础及基本应用的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/689903

相关文章

python处理带有时区的日期和时间数据

《python处理带有时区的日期和时间数据》这篇文章主要为大家详细介绍了如何在Python中使用pytz库处理时区信息,包括获取当前UTC时间,转换为特定时区等,有需要的小伙伴可以参考一下... 目录时区基本信息python datetime使用timezonepandas处理时区数据知识延展时区基本信息

Python位移操作和位运算的实现示例

《Python位移操作和位运算的实现示例》本文主要介绍了Python位移操作和位运算的实现示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 位移操作1.1 左移操作 (<<)1.2 右移操作 (>>)注意事项:2. 位运算2.1

使用Python和Pyecharts创建交互式地图

《使用Python和Pyecharts创建交互式地图》在数据可视化领域,创建交互式地图是一种强大的方式,可以使受众能够以引人入胜且信息丰富的方式探索地理数据,下面我们看看如何使用Python和Pyec... 目录简介Pyecharts 简介创建上海地图代码说明运行结果总结简介在数据可视化领域,创建交互式地

利用python实现对excel文件进行加密

《利用python实现对excel文件进行加密》由于文件内容的私密性,需要对Excel文件进行加密,保护文件以免给第三方看到,本文将以Python语言为例,和大家讲讲如何对Excel文件进行加密,感兴... 目录前言方法一:使用pywin32库(仅限Windows)方法二:使用msoffcrypto-too

使用Python实现矢量路径的压缩、解压与可视化

《使用Python实现矢量路径的压缩、解压与可视化》在图形设计和Web开发中,矢量路径数据的高效存储与传输至关重要,本文将通过一个Python示例,展示如何将复杂的矢量路径命令序列压缩为JSON格式,... 目录引言核心功能概述1. 路径命令解析2. 路径数据压缩3. 路径数据解压4. 可视化代码实现详解1

python获取网页表格的多种方法汇总

《python获取网页表格的多种方法汇总》我们在网页上看到很多的表格,如果要获取里面的数据或者转化成其他格式,就需要将表格获取下来并进行整理,在Python中,获取网页表格的方法有多种,下面就跟随小编... 目录1. 使用Pandas的read_html2. 使用BeautifulSoup和pandas3.

Python装饰器之类装饰器详解

《Python装饰器之类装饰器详解》本文将详细介绍Python中类装饰器的概念、使用方法以及应用场景,并通过一个综合详细的例子展示如何使用类装饰器,希望对大家有所帮助,如有错误或未考虑完全的地方,望不... 目录1. 引言2. 装饰器的基本概念2.1. 函数装饰器复习2.2 类装饰器的定义和使用3. 类装饰

Python 交互式可视化的利器Bokeh的使用

《Python交互式可视化的利器Bokeh的使用》Bokeh是一个专注于Web端交互式数据可视化的Python库,本文主要介绍了Python交互式可视化的利器Bokeh的使用,具有一定的参考价值,感... 目录1. Bokeh 简介1.1 为什么选择 Bokeh1.2 安装与环境配置2. Bokeh 基础2

C语言中位操作的实际应用举例

《C语言中位操作的实际应用举例》:本文主要介绍C语言中位操作的实际应用,总结了位操作的使用场景,并指出了需要注意的问题,如可读性、平台依赖性和溢出风险,文中通过代码介绍的非常详细,需要的朋友可以参... 目录1. 嵌入式系统与硬件寄存器操作2. 网络协议解析3. 图像处理与颜色编码4. 高效处理布尔标志集合

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读