DA-006【总第10期】Python数据分析：利用数组进行数据处理

本章介绍用NumPy数组将数据处理任务转变为简单表达式的方法：

import numpy as np

【1】网格型计算与图形化

#[1]网格型计算与图形化
points=np.arange(-5,5,0.01)#1000个间隔相同的点
x,y=np.meshgrid(points,points)#该函数接受两个一维数组，并产生两个二维矩阵（对应（x,y）点对）
import matplotlib.pyplot as plt
z=np.sqrt(x**2+y**2)
plt.imshow(z,cmap=plt.cm.gray)
plt.colorbar()#函数值二维数组的图形化结果

print(x)的结果如下：

可以看见，给函数meshgrid传入一维数组可生成如上的二维数组

print(z)的结果如下：

z为sqrt(x^2+y^2)的结果

图片显示：

【2】条件逻辑转化为数组运算：

arrx=np.array([-1,-2,-3,-4,-5])
arry=np.array([1,2,3,4,5])
cond=np.array([True,False,True,True,False])
#通过np.where（三元表达式x if condition else y的矢量化版本）,让True时选x的值，False时选y的值
result=np.where(cond,arrx,arry)
print(result)

输出如下：

[-1  2 -3 -4  5]

其他应用：

at=np.random.randn(5,5)

先生成一个随机数矩阵

和上面的方法一样，如果希望将所有>0的数据换为1，<0的数据换为-1：

at1=np.where(at>0,1,-1)#将大于零设置为1，小于零设置为-1
at2=np.where(at>0,1,at)#只将大于零设置为1
print(at1)
print(at2)

输出如下：

【3】统计运算

s0=(at>0).sum()#计算大于零的个数
s1=(at>0).cumsum()#大于零元素的累计和
s2=(at>0).cumprod()#大于零元素的累计积
Max=at.max()#最大值
Min=at.min()#最小值
mean=at.mean()#计算算术平均数
s3=at.std()#计算标准差
s4=at.var()#计算方差
s5=at.sort()#排序

感兴趣的可以自己尝试

【4】寻找唯一（统计种类）

U=np.array(['A','B','A','D','C','B','C','A','E','F'])
U_only=np.unique(U)利用unique函数
print(U_only)
V=np.array([2,3,5,2,5,6,3,5,2,4,2,5])
V_only=np.unique(V)
print(V_only)

输出如下：

#常见的集合运算

U1=np.unique(V)#计算V中唯一的元素并返回有序结果
U2=np.intersct1d(U,V)#计算公共元素并返回有序结果
U3=np.union1d(U,V)#计算集合的并
U4=np.setdiff1d(U,V)#计算集合的差
U5=np.setxor1d(U,V)#计算集合对称差（存在于一个但不同时存在于两个中）