python之numpy库
程序员文章站
2023-11-19 16:28:34
python-numpy
csv文件的写入和存取
写入csv文件
csv (comma‐separated value, 逗号分隔值),是一种常见的文件格式,用来存储批量数据...
python-numpy
csv文件的写入和存取
写入csv文件
csv (comma‐separated value, 逗号分隔值),是一种常见的文件格式,用来存储批量数据。
写入csv文件
np.savetxt(frame, array, fmt='%.18e', delimiter=none) ? frame : 文件、字符串或产生器,可以是.gz或.bz2的压缩文件 ? array : 存入文件的数组 ? fmt : 写入文件的格式,例如:%d %.2f %.18e ? delimiter : 分割字符串,默认是任何空格
示例:
>>> a = np.arange(100).reshape(5,20) >>> np.savetxt('a.csv',a,fmt='%d',delimiter=',')
得到的文件是这样的
0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19 20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39 40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59 60,61,62,63,64,65,66,67,68,69,70,71,72,73,74,75,76,77,78,79 80,81,82,83,84,85,86,87,88,89,90,91,92,93,94,95,96,97,98,99
改变参数,以浮点数写入
>>> a = np.arange(100).reshape(5,20) >>> np.savetxt('a.csv',a,fmt='%.1f',delimiter=',')
0.0,1.0,2.0,3.0,4.0,5.0,6.0,7.0,8.0,9.0,10.0,11.0,12.0,13.0,14.0,15.0,16.0,17.0,18.0,19.0 20.0,21.0,22.0,23.0,24.0,25.0,26.0,27.0,28.0,29.0,30.0,31.0,32.0,33.0,34.0,35.0,36.0,37.0,38.0,39.0 40.0,41.0,42.0,43.0,44.0,45.0,46.0,47.0,48.0,49.0,50.0,51.0,52.0,53.0,54.0,55.0,56.0,57.0,58.0,59.0 60.0,61.0,62.0,63.0,64.0,65.0,66.0,67.0,68.0,69.0,70.0,71.0,72.0,73.0,74.0,75.0,76.0,77.0,78.0,79.0 80.0,81.0,82.0,83.0,84.0,85.0,86.0,87.0,88.0,89.0,90.0,91.0,92.0,93.0,94.0,95.0,96.0,97.0,98.0,99.0
读取csv文件
读取csv文件
np.loadtxt(frame, dtype=np.float, delimiter=none, unpack=false) ? frame : 文件、字符串或产生器,可以是.gz或.bz2的压缩文件 ? dtype : 数据类型,可选 ? delimiter : 分割字符串,默认是任何空格 ? unpack : 如果true,读入属性将分别写入不同变量
示例:
>>> b = np.loadtxt('a.csv',delimiter=',') >>> b array([[ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9., 10., 11., 12., 13., 14., 15., 16., 17., 18., 19.], [ 20., 21., 22., 23., 24., 25., 26., 27., 28., 29., 30., 31., 32., 33., 34., 35., 36., 37., 38., 39.], [ 40., 41., 42., 43., 44., 45., 46., 47., 48., 49., 50., 51., 52., 53., 54., 55., 56., 57., 58., 59.], [ 60., 61., 62., 63., 64., 65., 66., 67., 68., 69., 70., 71., 72., 73., 74., 75., 76., 77., 78., 79.], [ 80., 81., 82., 83., 84., 85., 86., 87., 88., 89., 90., 91., 92., 93., 94., 95., 96., 97., 98., 99.]]) >>> b = np.loadtxt('a.csv',dtype=np.int,delimiter=',') >>> b array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19], [20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39], [40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59], [60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79], [80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99]])
csv只能有效存储一维和二维数组
np.savetxt() np.loadtxt()只能有效存取一维和二维数组
多维数据的存取
多维数据的写入
a.tofile(frame, sep='', format='%s') ? frame : 文件、字符串 ? sep : 数据分割字符串,如果是空串,写入文件为二进制 ? format : 写入数据的格式
示例;
>>> a = np.arange(100).reshape(5,10,2) >>> a.tofile("a.dat",sep=',',format='%d')
a.dat的内容:
0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74,75,76,77,78,79,80,81,82,83,84,85,86,87,88,89,90,91,92,93,94,95,96,97,98,99
如果不指定分隔符,则产生二进制文件,无法用文本编辑器看懂。
多维数据的读取
np.fromfile(frame, dtype=float, count=‐1, sep='') ? frame : 文件、字符串 ? dtype : 读取的数据类型 ? count : 读入元素个数,‐1表示读入整个文件 ? sep : 数据分割字符串,如果是空串,写入文件为二进制
numpy的随机数函数
numpy的random子库
np.random.*
函数 | 说明 |
---|---|
rand(d0,d1,…,dn) | 根据d0-dn创建随机数数组,浮点数,[0,1),均匀分布 |
randn(d0,d1,…,dn) | 根据d0-dn创建随机数数组,标准正态分布 |
randint(low[,high,shape]) | 根据shape创建随机整数或整数数组,范围是[low,high) |
seed(s) | 随机数种子,s是给定的种子值 |
shuffle(a) | 根据数组a的第1轴进行随排列,改变数组a |
permutation(a) | 根据数组a的第1轴产生一个新的乱序数组,不改变数组a |
choice(a[,size,replace,p]) | 从一维数组a中以概率p抽取元素,形成size形状新数组replace表示是否可能重用元素,默认为false |
uniform(low,high,size) | 产生具有均匀分布的数组,low起始值,high结束值,size为形状 |
normal(loc,scale,size) | 产生具有正态分布的数组,loc为均值,scale标准差,size为形状 |
poisson(lam,size) | 产生具有泊松分布的数组,lam为随机事件发生率,size为形状 |
numpy的统计函数
numpy直接提供的统计类函数
np.*
函数 | 说明 |
---|---|
sum(a,axis=none) | 根据给定axis计算数组a相关元素之和,axis整数或元组 |
mean(a,axis=none) | 根据给定axis计算数组a相关元素的期望,axis整数或元组 |
average(a,axis=none,weights=none) | 根据给定axis计算数组a相关元素的加权平均值 |
std(a,axis=none) | 根据给定轴axis计算数组a相关元素的标准差 |
var(a,axis = none) | 根据给定轴axis计算数组a相关元素的方差 |
min(a) max(a) | 计算数组a中元素的最小值,最大值 |
argmin(a) argmax(a) | 计算数组a中元素的最小值,最大值的降一维后下标 |
unravel_index(index,shape) | 根据shape将一维下标index转换成多维下标 |
ptp(a) | 计算数组a中元素最大值和最小值的差 |
median(a) | 计算数组a中元素的中位数(中值) |
axis=none 是统计函数的标配参数
numpy的梯度函数
函数 | 说明 |
---|---|
np.gradient(f) | 计算数组f中元素的梯度,当f为多维时,返回每个维度梯度 |
梯度:连续值之间的变化率,即斜率
xy坐标轴连续三个x坐标对应的y轴值:a, b, c,其中,b的梯度是: (c‐a)/2
>>> a = np.random.randint(0,20,5) >>> np.gradient(a) array([ 9. , -0.5, -2. , -3. , -12. ])
上一篇: 关注这里 解决企业网站被降权问题