python数据分析之Numpy

python数据分析之Numpy(二)

一、Numpy读取文件

loadtxt()方法

numpy.loadtxt(fname, dtype=, comments=’#’, delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0)

参数	作用
fname	被读取的文件名（文件的相对地址或者绝对地址）
dtype	指定读取后数据的数据类型
comments	跳过文件中指定开头的行（即不读取）,比如comments=’#'表示不读取以#开头的数据
delimiter	指定读取文件中数据的分割符
converters	对读取的数据进行预处理
skiprows	选择跳过的行数
usecols	指定需要读取的列
unpack	选择是否将数据进行向量输出，相当于将源数据转置输出
encoding	对读取的文件进行预编码

import numpy as np

#读取文件loadtxt()方法
GB_vido_path = "GB_video_data_numbers.csv"
US_vido_path = "US_video_data_numbers.csv"
t1 = np.loadtxt(GB_vido_path,dtype = "i8", delimiter=",")
t2 = np.loadtxt(US_vido_path,dtype="i8", delimiter=",")

print(t1)
print("*"*100)
print(t2)

二、数组转置的三种方法

方法一：使用属性T

方法二：使用方法transpose()

方法三：使用方法swapaxes()

arr01 = np.arange(2,8).reshape(2,3)
print("arr01:",arr01) #arr01: [[2 3 4] [5 6 7]]
#方法一：使用属性T
arr02 = arr01.T
print("arr02:",arr02)  #arr02: [[2 5] [3 6] [4 7]]

#方法二：使用方法transpose()
arr03 = arr01.transpose() #arr03: [[2 5] [3 6] [4 7]]
print("arr03:",arr03)

#方法三：使用方法
arr04 = arr01.swapaxes(1,0)
print("arr04:",arr04) #arr03: [[2 5] [3 6] [4 7]]

三、Numpy的索引与切片

#取数组中的行
t = np.arange(1,73).reshape(8,9)
print(t)
print("*"*100)

#取单值
t0 = t[2,3]
print("t0",t0)

#取多个值
print(t[[1,3],[5,6]])

#取一行
t1 = t[2]    #取第三行
print("t1:",t1)

#取连续的多行
t2 = t[2:5]
print("t2",t2)    #取第三行到第五行

#取不连续的多行
t3 = t[[2,4,5]]
print("t3:",t3)

#取数组中的列
#取某一列
t4 = t[:,2] #取第三列
print("t4:",t4)

#取连续的多列
t5 = t[:,2:5] #取第三到第五列
print("t5:",t5)

t6 = t[:,[1,3,7]] #取不连续的多列
print("t6:",t6)

#取连续的多行和多列
t7 = t[2:4,4:6]
print("t7:",t7)

四、修改numpy的值与bool索引

1、修改值

n1 = np.arange(1,64).reshape(7,9)
n1[:,2:5] = 0
print("n1:",n1)#将第三列到第五列的值改为0

n2 = np.arange(1,64).reshape(7,9)
n2[n2>40] =40
print("n2:",n2) #将大于40的修改为40

n3 = np.arange(1,64).reshape(7,9)
print(n3>40)  #numpy的bool索引

2、Numpy中的三元运算

where()方法

r = np.arange(54).reshape(6,9)
print(np.where(r>30,30,0))#将r中大于30的修改30，小于30的修改为0

3、numpy的clip()方法

arr = np.arange(1,29).reshape(4,7)
arr = arr.astype("float64") 
arr[3:6,3:] = np.nan
print("arr:",arr) #arr: [[ 1.  2.  3.  4.  5.  6.  7.] [ 8.  9. 10. 11. 12. 13. 14.] [15. 16. 17. 18. 19. 20. 21.] [22. 23. 24. nan nan nan nan]]

arr1 = arr.clip(5,15) #将arr1中小于5的修改为5，大于15的修改为15，但是不会修改nan值
print("arr1:",arr1)  #arr1: [[ 5.  5.  5.  5.  5.  6.  7.] [ 8.  9. 10. 11. 12. 13. 14.] [15. 15. 15. 15. 15. 15. 15.] [15. 15. 15. nan nan nan nan]]

五、Numpy中的nan和inf

1、什么是nan？

nan(NAN,Nan):not a number 表示不是一个数字

2、numpy中会nan是如何产生的？

当我们读取本地的文件为float的时候，如果有缺失，就会出现nan，当做了一个不合适的计算的时候(比如无穷大减去无穷大)

3、inf

inf(-inf,inf) : infinity, +inf表示正无穷，-inf表示负无穷

注意1：什么时候会出现inf包括（-inf，+inf）？

​ 如一个数字除以0，（python中直接会报错，numpy中是一个inf或者-inf）

注意2：那么如何指定一个nan或者inf呢？
注意3：他们的type类型

a = np.nan
b = np.inf
print(type(a),type(b)) #<class 'float'> <class 'float'>

4、numpy中的nan的注意点

1、两个nan不相等

print("两个nan是否相等：",np.nan == np.nan) #两个nan是否相等： False
print(np.nan != np.nan) #True

2、判断一个数组里面有几个nan值

count_nonzero()：判断数组里面0或者True的个数

arr1 = np.array([1., 2., 3., 4., np.nan, 5., np.nan])
print(arr1)
print(arr1 != arr1) #[False False False False  True False  True]
print(np.count_nonzero(arr1 != arr1)) #2

3、将nan值转化为0

np.isnan(arr)判断数组中nan值

arr2 = arr1
print(np.isnan(arr2))	#[False False False False  True False  True]
arr1[np.isnan(arr2)] = 0
print(arr2) #[1. 2. 3. 4. 0. 5. 0.]

4、nan与任何值计算都为nan

数据分析中nan值的处理
那么问题来了，在一组数据中单纯的把nan替换为0，合适么？会带来什么样的影响？
比如，全部替换为0后，替换之前的平均值如果大于0，替换之后的均值肯定会变小，所以更一般的方式是把缺失的数值替换为均值（中值）或者是直接删除有缺失值的一行
那如何计算一组数据的中值或者是均值？

六、Numpy中常用统计函数

1、求和：t.sum(axis=None)
2、均值：t.mean(a,axis=None) 受离群点的影响较大
3、中值：np.median(t,axis=None)
4、最大值：t.max(axis=None)
5、最小值：t.min(axis=None)
6、极值：np.ptp(t,axis=None) 即最大值和最小值只差
7、标准差：t.std(axis=None)

注意：默认返回多维数组的全部的统计结果,如果指定axis则返回一个当前轴上的结果

七、数据清洗–Numpy如何处理缺失值填充均值

nan = np.nan
t = np.array([
       [  nan,   1.,   nan,   7.,   4.,   18.],
       [  9.,   2.,  nan,   9.,  10.,  11.],
       [ nan,  13.,  14.,  nan,  16.,  88.],
       [ 18.,  nan,  51.,  20.,  nan,  63.]
       ])

def fill_nan_by_column_mean(t):
    """将列的平均值替换nan"""
    
    for i in range(t.shape[1]):
        #获取当列的nan值的个数
        nan_num = np.count_nonzero(t[:,1][t[:,i] != t[:,i]])        
        if nan_num > 0:
            now_col = t[:,i]
            #求当前列非nan值的和
            now_col_num = now_col[t[:,i] == t[:,i]].sum()    
            #求平均值
            avg = round((now_col_num / (now_col.shape[0] - nan_num)), 2)
            #将平均值替代nan
            now_col[np.isnan(now_col)] = avg
            t[:,i] = now_col    
    return t

t = fill_nan_by_column_mean(t)
print(t) 

#结果如下：
[
[13.5   1.   32.5   7.    4.   18.  ]
[ 9.    2.   32.5   9.   10.   11.  ]
 [13.5  13.   14.   12.   16.   88.  ]
 [18.    5.33 51.   20.   10.   63.  ]
 ]

#是不是很麻烦呢？别担心，学完pandas我们有更容易的方法处理缺失值！

本文地址：https://blog.csdn.net/qq_42755939/article/details/107032142