python做大数据分析，python 数据分析模块_Python数据分析之Numpy模块

import Numpy as np

ar=np.array([[1,3,5,7,9],[2,4,6,8,10]]) # Numpy.array中必须是数组

print(ar,type(ar)) # type方法输出np实例对象类型

print(ar.ndim) # ndim属性np实例对象的维度(一维，二维等)

python做大数据分析、print(ar.shape) # shape属性打印NP属性的行列数量

print(ar.size) # size属性打印NP属性的数据的个数

print(type(ar),ar.dtype) # dtype属性打印np内存储数据类型

# np 数组的创建方法

ar2 = np.array(range(10))

python数据分析入门？print(ar2)

ar2=np.arange(10)

print(ar2)

ar3=np.arange(5,10)

print(ar3)

python 分析数据，# 返回5.0-12.0，步长为2\n",

ar4 = np.arange(5,12,2)

print(ar4)

ar4= np.arange(10000)

print(ar4)

python sys模块。# 创建数组：linspace():返回在间隔[开始，停止]上计算的num个均匀间隔的样本

# numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)\n",

# start：起始值，stop：结束值\n",

# num：生成样本数，默认为50\n",

# endpoint：如果为真，则停止是最后一个样本。否则，不包括在内。默认值为True。\n",

python常用模块？# retstep：如果为真，返回(样本，步骤)，其中步长是样本之间的间距 → 输出为一个包含2个元素的元祖，第一个元素为array，第二个为步长实际值"

ar5= np.linspace(1,21,20,endpoint=False,retstep=True,dtype=int)

print(ar5)

# 创建数组：zeros()/zeros_like()/ones()/ones_like()\n

# numpy.zeros(shape, dtype=float, order='C'):返回给定形状和类型的新数组，用零填充。\n",

python模块导入。# shape：数组纬度，二维以上需要用()，且输入参数为整数\n",

# dtype：数据类型，默认numpy.float64\n",

# order：是否在存储器中以C或Fortran连续(按行或列方式)存储多维数据。\n",

ar6=np.zeros(10)

print(ar6)

python数据处理模块。ar6= np.zeros((5,10),dtype=int)

print(ar6)

ar7= np.array([['a','b','c'],[1,2,3]])

ar8=np.zeros_like(ar7)

print(ar8)

python数据分析包、ar9= np.ones(10)

print(ar9)

ar9=np.ones_like(ar7)

print(ar9)

#创建一个正方的N*N的单位矩阵，对角线值为1，其余为0"

python分析数据可以分析什么，ar10= np.eye(10)

print(ar10)

#%%

arr1=np.arange(5,19)

print(arr1)

python怎么做数据分析？arr2= arr1.T

print(arr1,arr2)

arr1 = np.array([[1,2,3,4,5],['a','b','c','d','e']])

print(arr1)

print(arr1.T)

python数据分析5个案例。print(arr1)

arr2 = np.arange(10)

print(arr2.reshape(2,5))

print("--------------")

print(arr2)

python模块大全。#print(arr2.resize(3,4))

print(arr2)

print("--------------")

print(np.resize(arr2,(3,4)))

print(arr2)

python数据分析模型，print("-------------------")

arr4= np.array([1,2,3,4],dtype=float)

arr5= arr4.astype(np.str)

print(arr4,arr5)

arr6 = np.array([[1,2,3,4,5],[2,3,4,5,6],[2,4,6,8,0]])

python数据分析库，arr7=arr6*10+100

print(arr7)

print(arr7.max())

print(arr7.mean())

print(arr7.sum())

print(np.sum(arr7,axis=0)) # 按列求和

print(np.sum(arr7,axis=1)) # 按行求和

#%%

#序列索引

arr1 = np.arange(12).reshape(3,4)

print(arr1)

print("------------------------")

print(arr1[1][2]) # 行列都是从零开始计数

print("------------------------")

print(arr1[1:3]) #左闭右开结构

print("------------------------")

print(arr1[1,3]) # 从0开始选择第1行，第3列的数据

print("------------------------")

print(arr1[1:3,1:3]) # 选择从1开始的2行，从1开始的2列

print("------------------------")

print(arr1[arr1>5]) # boole切片

#%%

# 随机数

#生成一个[0,1)之间的随机浮点数或N维浮点数组 —— 均匀分布

arr1 = np.random.rand(10)

print(arr1)

print(np.random.rand(2,3))

import matplotlib.pyplot as plt

#plt.scatter(np.random.rand(500),np.random.rand(500))

#plt.show()

#生成一个浮点数或N维浮点数组 —— 正态分布

arr2= np.random.randn(10)

print(arr2)

plt.scatter(np.random.randn(1000),np.random.randn(1000))

plt.show()

# numpy.random.randint(low, high=None, size=None, dtype='l')：生成一个整数或N维整数数组

# 若high不为None时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数，且high必须大于low

# dtype参数：只能是int类型

arr3=np.random.randint(1,100,size=20,dtype=int)

print(arr3)

plt.scatter(np.random.normal(),np.random.normal())

plt.show()