数据分析—numpy(常用的函数)
2018-04-03 20:37
225 查看
import numpy as np
# 通用函数\n",
# 随机生成一个二维数组\n",
arr1 = np.random.rand(2,3)
print(arr1)
# 向上取整\n",
print(np.ceil(arr1))
# 向下取整\n",
print(np.floor(arr1))
# 四舍五入\n",
print(np.rint(arr1))
# 判断数组中的元素是否为NaN\n",
print(np.isnan(arr1))
# 让数组中的元素相乘\n",
arr2 = np.arange(10).reshape(5,2)
arr3 = np.array([
[5,2],
[2,5],
[5,6],
[1,2],
[3,7]
])
print(arr2)
print(arr3)
print(arr2*arr3)
# 相乘\n",
print(np.multiply(arr2,arr3))
# 相除\n",
print(np.divide(arr2,arr3.astype(np.float64)))
[[0.57393464 0.28393638 0.11905425]
[0.42822072 0.26175512 0.53014504]]
[[1. 1. 1.]
[1. 1. 1.]]
[[0. 0. 0.]
[0. 0. 0.]]
[[1. 0. 0.]
[0. 0. 1.]]
[[False False False]
[False False False]]
[[0 1]
[2 3]
[4 5]
[6 7]
[8 9]]
[[5 2]
[2 5]
[5 6]
[1 2]
[3 7]]
[[ 0 2]
[ 4 15]
[20 30]
[ 6 14]
[24 63]]
[[ 0 2]
[ 4 15]
[20 30]
[ 6 14]
[24 63]]
[[0. 0.5 ]
[1. 0.6 ]
[0.8 0.83333333]
[6. 3.5 ]
[2.66666667 1.28571429]]
# 常用的统计函数\n",
arr = np.arange(10).reshape(5,2)
# 计算相加结果\n",
print(np.sum(arr))
# 计算平均数\n",
print(np.mean(arr))
# 最大值\n",
print(np.max(arr))
# 最小值\n",
print(np.min(arr))
# 方差\n",
print(np.var(arr))
# 标准差\n",
print(np.std(arr))
# 最大值的下标(索引)\n",
print(np.argmax(arr))
# 最小值的下标(索引)\n",
print(np.argmin(arr))
# 累加计算\n",
print(np.cumsum(arr))
# 累乘\n",
print(np.cumprod(arr))
45
4.5
9
0
8.25
2.8722813232690143
9
0
[ 0 1 3 6 10 15 21 28 36 45]
[0 0 0 0 0 0 0 0 0 0]
# where() 函数\n",
arr = np.random.rand(2,3)
print(arr)
# 更改数组中的数据\n",
arr[0,1] = 1
print(arr)
# where()函数 \n",
# 1.条件 2.条件成立时取得数据 3.条件不成立时 取得数据\n",
print(np.where(arr>0.5,1,0))
# any()函数 表示数组中至少有一个符合条件的元素,返回True,否则返回False\n",
print(np.any(arr>=1))
# all()函数 表示数组中的元素必须全部符合条件时,返回True,否则返回False\n",
print(np.all(arr>=0.5))
# unique() 返回数组中的唯一值,返回一个排好序的一维数组\n",
arr1 = np.array([[4,6,3],[1,2,3],[4,5,6]])
print(np.unique(arr1))
[[0.84271454 0.74004928 0.1483319 ]
[0.68118256 0.26789889 0.19417253]]
[[0.84271454 1. 0.1483319 ]
[0.68118256 0.26789889 0.19417253]]
[[1 1 0]
[1 0 0]]
True
False
[1 2 3 4 5 6]
# 通用函数\n",
# 随机生成一个二维数组\n",
arr1 = np.random.rand(2,3)
print(arr1)
# 向上取整\n",
print(np.ceil(arr1))
# 向下取整\n",
print(np.floor(arr1))
# 四舍五入\n",
print(np.rint(arr1))
# 判断数组中的元素是否为NaN\n",
print(np.isnan(arr1))
# 让数组中的元素相乘\n",
arr2 = np.arange(10).reshape(5,2)
arr3 = np.array([
[5,2],
[2,5],
[5,6],
[1,2],
[3,7]
])
print(arr2)
print(arr3)
print(arr2*arr3)
# 相乘\n",
print(np.multiply(arr2,arr3))
# 相除\n",
print(np.divide(arr2,arr3.astype(np.float64)))
[[0.57393464 0.28393638 0.11905425]
[0.42822072 0.26175512 0.53014504]]
[[1. 1. 1.]
[1. 1. 1.]]
[[0. 0. 0.]
[0. 0. 0.]]
[[1. 0. 0.]
[0. 0. 1.]]
[[False False False]
[False False False]]
[[0 1]
[2 3]
[4 5]
[6 7]
[8 9]]
[[5 2]
[2 5]
[5 6]
[1 2]
[3 7]]
[[ 0 2]
[ 4 15]
[20 30]
[ 6 14]
[24 63]]
[[ 0 2]
[ 4 15]
[20 30]
[ 6 14]
[24 63]]
[[0. 0.5 ]
[1. 0.6 ]
[0.8 0.83333333]
[6. 3.5 ]
[2.66666667 1.28571429]]
# 常用的统计函数\n",
arr = np.arange(10).reshape(5,2)
# 计算相加结果\n",
print(np.sum(arr))
# 计算平均数\n",
print(np.mean(arr))
# 最大值\n",
print(np.max(arr))
# 最小值\n",
print(np.min(arr))
# 方差\n",
print(np.var(arr))
# 标准差\n",
print(np.std(arr))
# 最大值的下标(索引)\n",
print(np.argmax(arr))
# 最小值的下标(索引)\n",
print(np.argmin(arr))
# 累加计算\n",
print(np.cumsum(arr))
# 累乘\n",
print(np.cumprod(arr))
45
4.5
9
0
8.25
2.8722813232690143
9
0
[ 0 1 3 6 10 15 21 28 36 45]
[0 0 0 0 0 0 0 0 0 0]
# where() 函数\n",
arr = np.random.rand(2,3)
print(arr)
# 更改数组中的数据\n",
arr[0,1] = 1
print(arr)
# where()函数 \n",
# 1.条件 2.条件成立时取得数据 3.条件不成立时 取得数据\n",
print(np.where(arr>0.5,1,0))
# any()函数 表示数组中至少有一个符合条件的元素,返回True,否则返回False\n",
print(np.any(arr>=1))
# all()函数 表示数组中的元素必须全部符合条件时,返回True,否则返回False\n",
print(np.all(arr>=0.5))
# unique() 返回数组中的唯一值,返回一个排好序的一维数组\n",
arr1 = np.array([[4,6,3],[1,2,3],[4,5,6]])
print(np.unique(arr1))
[[0.84271454 0.74004928 0.1483319 ]
[0.68118256 0.26789889 0.19417253]]
[[0.84271454 1. 0.1483319 ]
[0.68118256 0.26789889 0.19417253]]
[[1 1 0]
[1 0 0]]
True
False
[1 2 3 4 5 6]
相关文章推荐
- python/pandas/numpy数据分析(十)-函数, rank,重复索引
- Python数据分析与展示(2)——Numpy数据存取与函数
- 数据分析与展示——NumPy数据存取与函数
- pandas常用的数据分析函数(一)
- Python Numpy数据分析中常用方法
- Python数据分析常用函数笔记
- pandas做数据分析(四):常用函数
- 【Python数据分析与展示】(二)NUMPY数据存取与函数
- python数据分析常用函数
- 常用数据分析,数据挖掘工具函数
- Python常用的数据分析工具入门: numpy和pandas入门
- 学习Python数据分析随手笔记【一】numpy数组的函数简单应用
- R中常用的数据分析函数
- 数据分析常用函数列表
- 数据分析处理库Pandas-常用函数
- Python数据分析常用手册——Numpy和Pandas
- 常用的数据统计分析软件
- PostgreSQL源码分析(2)– 常用数据类型/SQL语句的解释和执行
- 几个数据分析中常用到的excel函数
- 利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍 一、pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主