一、numpy簡單運算

• 數組運算--可以理解為矩陣運算
• dtype屬性可以顯示數據類型，并可以通過其指定數據類型

• 可以通過astype方法調整數據類型

由bool類型變成int類型

• 通過numpy生成小數數組，并使用np.round()保留特定位數小數

---

• np.arrange(12)-->生成一維數組

• np.array([[1,2,3],[4,5,6]])

• 通過t.shape可以看出變量t是幾維數組
• t.reshape 可以幫助我們修改形狀，可以把一維變成二維、三維等

一維變二維

一維變三維

在三維數據中，形狀是(2,3,4)的，2表示數據分為上下兩塊，3表示3行，4表示4列

當然，reshape也可以三維變二維，可以看到reshape是直接有返回值的，并不會改變t3本來的形狀。上一張圖有賦值操作，所以改變了t3的形狀。

三維變二維

三維變一維，t3.reshape((24,))，reshape括號中只能填一個數，填2個數還是會變成二維數組

三維變一維

• 如果對數組內容未知，如何變成一維呢？①使用t.shape[0],t.shape[1]求解；②使用t.flatten()方法求解：按照行展開。

方法①

方法②

• 數組和數的計算

加：對數組內每個數組均作相加運算，這是numpy的廣播機制

減乘除：均有廣播機制

/0 出現warning，程序仍可以執行--->0/0=nan 1/0=inf

其中，NAN表示not a number，不是一個數字；inf表示無限、無窮的

• 數組和數組的計算

對應相同維度相同形狀的：

加：對應位置相加

減乘除：均為對應位置相加

對應不同維度的、相同數據寬度的：

二維對一維：二維數組中的每行或者每列都與一維數組做運算

每行

每列

按照行、按照列都不能計算的形狀不同的數組，會報錯。

• 如果兩個數組的后緣維度（即從末尾開始算起的維度） 的軸長度相符或者其中一方的長度為1，則認為它們是廣播兼容的。廣播會在缺失或長度為1的維度上進行。

---

二、 軸

一維數組、二維、三維

對于一維數組，只有一個0軸；對于二維數組，shape(2,2)，有0軸和1軸；以此類推，三維數組有0，1，2三軸。

如何計算二維數組的的平均值，按照axis=0來計算

Numpy讀取數據

Pandas讀取本地數據更加強大。

如何讀取數據

CSV：逗號分隔文件

Csv讀取文件

代碼：np.loadtxt()

默認逗號分隔，默認是科學計數法表示

數組的轉置

多種方法可以實現數組的轉置

t.T 這是個屬性

t.swapaxes(1,0) 交換軸

t.transpose() 轉置

---

三、索引 切片

取行、取列

取行列的方法類似；對于不連續的多行或多列，通過[]括起來即可。

如何取多個不相鄰的點呢？

---

numpy中數值的修改

• 簡單修改，對取出來的區域直接賦值即可

• 如何取小于10的值【利用布爾索引】

t2<10-->在數組中符合條件的會顯示True

通過這樣，可以取出符合條件的數值，并進行值得修改

t2[t2<10] = 10

• 三元運算符：np.where(t<10,0,10)

t<10的值賦值為0 t>=10的值賦值10

• clip操作（裁剪）：如何做到 小于10的替換為10 大于18的替換為18

通過t.clip(10,18)

其中，nan是什么？nan是一個浮點類型的數據。

可以通過以下代碼：

import

即可把數組中某值變成nan

---

四、numpy中的nan和inf

• nan：not a number 表示不是一個數字

• nan的特性

nan和nan不相等

可以利用兩個nan不相等的性質，判斷數組中的nan的個數

np.count_nonzero(t) -->用來判斷數組中不為0【非0---> True】的數值個數

np.count_nonzero(t!=t) --->用來判斷數組中為NAN的數值個數

np.isnan(t) --->判斷數組中為NAN的數值 效果和t!=t類似

所以也可以用np.count_nonzero(np.isnan(t))

• nan和任何值計算都是nan

• np.sum(t,axis=0) ---->按照0軸方向計算求和、按列方向求和【按照0軸方向求和，所得結果形狀和0軸方向形狀相同】
• np.sum(t,axis=1) ---->按照1軸方向計算求和、按行方向求和
• np.sum(t)----->沒有指定軸，默認求數組所有元素的和

• 在一組數據中，把缺失數據nan不能全部替換為0。一般方式為把缺失的數值替換為均值或者中值，或者直接刪除有缺失值的一行（pandas）
• numpy常用統計函數

---

• 把數值中的nan替換成均值或中值

import

替換前

替換后

五、小結

• 如何選擇一行或多行的數據？

切片或索引，逗號前面是行、逗號后面是列的選擇。

• 如何給選取的行或者列賦值？

t[2:,3] = 3 ---->通過索引選中某值后，再賦值

• 如何把大于10的值替換為10？

通過布爾索引：t[t>10] = 10

• np.where如何使用?

三元運算符：np.where(t>10,20,0) 把t中大于10的替換成20，其他的替換為0

• np.clip如何使用？

t.clip(10,20) ----> 把小于10的替換為10 大于20的替換為20

• 如何進行轉置？

t.T t.transpose() t.swapaxes(1,0)

• 讀取本地文件

np.loadtxt(file_path,delimiter,dtype)

• np.nan和np.inf是什么？

nan-->不是一個數字

np.nan != np.nan

np.count_nonzero(np.nan!=np.nan)-->統計數組中有多少個nan

np.isnan(t) -->統計數組中有多少個nan，效果一致

inf---->表示無窮

• 常用的統計函數有幾個?

t.sum(axis=0) ---> 在行方向進行計算，計算每列的和

t.mean(axis=0) --->計算每列的均值

np.median(t,axis=0) ----> np提供的全局方法

t.max()/ t.min() --> 最大/最小值

np.ptp --> 計算極差

t.std ---> 標準差 ---> 反映數據的穩定程度

• 如何繪制直方圖？

1）首先尋找組距：計算一組值的最大值、最小值

2）設置大約的組距d，組數bit_nums=（最大值-最小值）// 組距

3）直方圖需要導入文件

from

4）通過matplotlib組件開始畫圖

plt

5）可以通過布爾索引，去掉一些極端的值，組距同時也要根據需要更正

• 如何通過散點圖繪制兩個變量x和y之間的關系？

plt

此時如果需要去除一些極端的數值，需要從x,y所屬的數組進行選擇；否則可能不會一一對應

總結

以上是生活随笔為你收集整理的js表格中将每行的两个数据求和显示_python数据分析相关【一】的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。