<dfn id='eULAD1Fl'></dfn>

        <noscript id='eULAD1Fl'></noscript>

      1. 频道栏目
        首页 > 程序开发 > Web开发 > Python > 正文
        python数据分析之numpy基础代码展示
        2019-02-21 14:40:38         来源:SunChao3555的博客  
        收藏   我要投稿

        python数据分析之numpy基础代码展示

        #coding:utf-8
        import scrapy
        import xlwt, lxml
        import re, json,time
        import matplotlib.pyplot as plt
        import numpy as np
        import pylab
        from scipy import linalg
        
        '''
        points=np.arange(-5,5,0.01)
        xs,ys=np.meshgrid(points,points)
        print(xs)
        
        z=np.sqrt(xs **2+ys**2)
        print(z)
        print(np.arange(32))
        plt.imshow(xs,cmap=plt.cm.gray)
        # plt.colorbar()
        plt.title("haha")
        pylab.show()
        '''
        
        
        '''利用数组进行数据处理 将条件逻辑表述为数组运算
        列表推导的局限性
         纯python代码,速度不够快
         无法应用于高维数组
        where 和where的嵌套
        '''
        # l=[i for i in np.arange(4).reshape(2,2)]
        # #np.where(condition,x,y)如果条件成立执行x,否则执行y。另外,x和y可以继续写成np.where()的形式构成嵌套
        # x=[i for i in np.arange(11,20)]
        # y=[j for j in np.arange(21,30)]
        # print(l)
        # print(np.array(l))
        # result=np.where(np.linalg.det(l)<0,x,y)
        # print(result)
        # print((np.array(l)>0).sum())
        # bool=np.array(l)>0
        # print(bool)
        # print(bool.any())#有一个为True则返回True
        # print(bool.all())#有一个为False则返回False
        '''
        关于zip函数的一点解释,zip可以接受任意多参数,然后重新组合成1个tuple列表。
        zip([1, 2, 3], [4, 5, 6], [7, 8, 9])
        返回结果:[(1, 4, 7), (2, 5, 8), (3, 6, 9)]
        '''
        
        
        '''
        #排序sort()
        #找到位置在5%的数字
        large_arr=np.random.randn(1000)
        large_arr.sort()
        print(large_arr[int(0.05*len(large_arr))])
        
        #去重以及其他集合运算
        '''
        
        '''
        unique(x) 计算x中的唯一元素,并返回有序结果
        intersectld(x,y) 计算x和y中的公共元素,并返回有序结果
        unionld(x,y)计算x和y的并集,并返回有序结果
        inld(x,y)得到一个表述“x的元素是否包含于y”的布尔数组
        setdiffld(x,y) 集合的差,即元素在x中且不在y中
        setxorld(x,y) 集合的异或,即存在于一个数组中但不同时存在于两个数组中的元素
        '''
        set_arr=np.array([1,1,2,3,4,5])
        print(np.unique(set_arr))
        set_arr2=np.unique(set_arr)
        print(np.intersect1d(set_arr,set_arr2))
        
        '''
        #文件的输入输出
        #arr=np.loadtxt('file.txt',delimiter=',') 读取csv
        arr=np.arange(10)
        #np.save('some_array',arr)
        print(np.load('some_array.npy'))
        
        np.savez('array_archive.npz',a=arr,b=arr)#多个数组压缩存储
        arch=np.load('array_archive.npz')
        print(arch['a'])
        '''
        
        '''
        线性代数 常用的numpy.linalg函数
        diag 以一维数组的形式返回方阵的对角线(或非对角线元素),或将一维数组转换为方阵(非对角线元素为0)
        dot 矩阵乘法
        trace 计算对角线元素的和
        det 计算矩阵行列式
        eig 计算方阵的特征值和特征向量
        inv 计算方阵的逆
        pinv 计算矩阵的Moore-Penrose伪逆
        qr 计算QR分解
        svd 计算奇异值分解
        solve 解线性方程Ax=b,其中A为一个方阵
        lstsq 计算Ax=b的最小二乘解
        '''
        
        #数组重塑 reshape()
        '''
        #数组的合并与拆分
        concatenate 最一般化的连接,沿一条轴连接一维数组 [两个数组连接的axis需要规格一致]
        vstack,row_stack 以面向行的方式对数组进行堆叠(沿轴0)
        hstack 以面向行的方式对数组进行堆叠(沿轴1)
        column_stack 类似于hstack,但会先将一维数组转换为二维列向量
        dstack 以面向“深度”的方式对数组进行堆叠(沿轴2)
        split 沿指定轴在指定的位置拆分数组
        hsplit,vsplit,dsplit split的便捷化函数,分别沿着轴0,1,2进行拆分
        '''
        # r_对象
        # c_对象
        
        arr1=np.arange(1,7).reshape((2,3))
        arr2=np.arange(7,13).reshape((2,3))
        arr3=np.arange(13,28).reshape((5,3))
        #
        # print(arr1)
        # print(arr2)
        #连接
        # print(np.concatenate([arr1,arr2],0))
        # print(np.concatenate([arr1,arr2],1))
        # # print(np.concatenate([arr1,arr3],0))
        #
        # #堆叠
        # print(np.vstack((arr1,arr2)))#垂直堆叠
        # print(np.hstack((arr1,arr2)))#水平堆叠
        
        #拆分
        print(np.split(arr3,[0,1],axis=1))
        arr4=np.random.randn(5,5)
        print(arr4)
        first,second,third=np.split(arr4,[1,3],axis=0)#其中[1,3]为下刀的位置
        # first,second,third=np.split(arr4,[1,3],axis=1)
        print(first)
        print('888888888888')
        print(second)
        print('888888888888')
        print(third)
        print('888888888888')
        
        #堆叠辅助类
        
        arr5=np.arange(6).reshape((3,2))
        arr6=np.random.randn(3,2)
        #r_用于按行堆叠
        print(np.r_[arr5,arr6])
        
        #c_用于按列堆叠
        print(np.c_[np.r_[arr5,arr6],np.arange(6)])
        
        #切片直接转为数组
        print(np.c_[1:6,-10:-5])
        
        #元素的重复操作
        print(arr5.repeat(3))#按元素
        print(arr5.repeat([1,2,3,4,5,6]))#按元素,长度要匹配
        
        #repeat(n,axis)指定轴
        print(arr5.repeat(2,0))#按行
        print(arr5.repeat(2,1))#按列
        
        #tile
        print(np.tile(arr5,(2)))#贴瓷砖
        print(np.tile(arr5,(2,3)))#指定每个轴的tile次数
        
        #距离矩阵计算
        #给定mxn阶矩阵X,满足X=[x1,x2,...,xn],这里第i列向量是m维向量。  求nxn矩阵,使得Dij=||Xi-Xj||^2
        X = np.array([range(0, 500), range(500, 1000)])
        m, n = X.shape
        
        t = time.time()
        D = np.zeros([n, n])
        for i in range(n):
         for j in range(i + 1, n):
          D[i, j] = linalg.norm(X[:, i] - X[:, j]) ** 2
          D[j, i] = D[i, j]
        print(time.time() - t)
        
        t = time.time()
        D = np.zeros([n, n])
        for i in range(n):
         for j in range(i + 1, n):
          d = X[:, i] - X[:, j]
          D[i, j] = np.dot(d, d)
          D[j, i] = D[i, j]
        print(time.time() - t)
        
        t = time.time()
        G = np.dot(X.T, X)
        D = np.zeros([n, n])
        for i in range(n):
         for j in range(i + 1, n):
          D[i, j] = G[i, i] - G[i, j] * 2 + G[j,j]
          D[j, i] = D[i, j]
        print(time.time() - t)
        
        t = time.time()
        G = np.dot(X.T, X)
        H = np.tile(np.diag(G), (n, 1))
        D = H + H.T - G * 2
        print(time.time() - t)

         

        点击复制链接 与好友分享!回本站首页
        上一篇:python简单面试题:输入某年某月某日,判断这一天是这一年的第几天
        下一篇:利用Python实现权限设置的详细教程
        相关文章
        图文推荐
        点击排行

        关于我们 | 联系我们 | 广告服务 | 投资合作 | 版权申明 | 在线帮助 | 网站地图 | 作品发布 | Vip技术培训 | 举报中心

        版权所有: 第一门户--致力于做实用的IT技术学习网站