Python数据分析Numpy库方法简介(二)

数据分析图片保存:vg

　　1.保存图片:plt.savefig(path)

　　2.图片格式:jpg,png,svg(建议使用,不失真)

　　3.数据存储格式: excle,csv

csv介绍

　　csv就是用逗号隔开的纯文本信息!!会以表格的信息打开

矩阵生成的相关属性

　　　　

　　impor numpy as np #导入模块

　　a = np.array([1,2,3,4,5]) #一维矩阵
　　a = np.array([[1,2,3],[4,5,6]]) #二维矩阵
　　np.eye(3) #单位矩阵
　　np.diag(np.array([1,2,3,4])) #对角矩阵
　　a.size #矩阵的总数量
　　a.shape #矩阵的行列
　　a.ndim #矩阵的维度
　　a.dtype #矩阵的数据类型

矩阵的基本操作

　　　　　　

　　#基本操作
　　import numpy as np
　　a = np.arange(1,10).reshape(3,3)
　　b = np.arange(11,20).reshape(3,3)
　　a+b/np.add(a,b)
　　a[a>5] #判断提出大于5的数据
　　a**2
　　#自带的数学函数
　　a.max() #最大值
　　a.min() #最小值
　　a.mean() #平均数
　　a.sum() #和
　　a.sum(axis=01)#每列行的和
　　a.std() #标准差反应是数据和平均值的离散情况
　　a.sqrt() #平方根
　　np.where(a<80,0,90) #三目 如果小于80替换为0,否则替换成90

切片灵活操作数据 (重点)　

　　#切片灵活操作数据
　　import numpy as np
　　a = np.arange(1,10).reshape(3,3)
　　"""
　　array([[1, 2, 3],
　　[4, 5, 6],
　　　　[7, 8, 9]])
　　"""
　　a[:,1] #所有行的第二列数据 array([2, 5, 8])
　　a[:2,:2] #前两行的前两列数据array([[1, 2][4,5]])
　　a[0].max() #第一行的最大数据 3
　　a[0][1] #第一行的第二个数据 2

Numpy读文档

格式(一般不使用)

• a = np.genfromtxt(path,delimiter=',',dtype=str,skip_header=1)

Ndarray和list的区别

• Ndarray创建时有固定的大小(list可动态增加)

• Ndarray元素都具有相同的数据类型

• Ndarray内置大量的数学函数可进行高等数学相关操作(高效)

• Ndarray支持矢量化(向量化)--简洁,高效,更接近标准数学

  • 比如:二维list每个元素相乘,需要双层循环

  • a+b ===>矩阵自动实现每个对应元素相加

  • 列表 a +b ===> 列表连接

算法汇总

1. np.std()标准差 --------->反应与平均值的离散情况

2. 正态分布:

   • 也叫钟行图,高斯分布

   • 反应是集中的分布趋势,峰值周围是分布数据量最多的

   • np.random.randn(3,3)测试的符合正太分布的数据

   • 反应的现实情况,种群智力水平,身高,体重,医学领域.

3. 点阵积:dot()

   • 待讲................