Python NumPy的使用

Posted 2021-09-03 ʚVVcatɞ

NumPy

• 学习目标：
• • • • NumPy的使用
• 学习内容：
• 使用步骤
• • Numpy 数组操作
  • • • 1、 数组的拼接
      • 2、 数组的分割
      • 3、 数组的行列交换
  • NumPy 统计函数
  • • • 1、 求和
      • 2、 求和函数
      • 3、 均值函数
      • 4、 中值函数
      • 5、 最大值与最小值函数
      • 6、 极值函数
      • 7、 标准差函数
      • 小结
      • • 对数组中的 nan 填充均值
• 总结

学习目标：

NumPy的使用

环境：

• Anaconda 2.0.4
• Python 3.7.10
  • numpy 1.20.2

NumPy安装：

pip install numPy

Python 引入 numpy 库

import numpy as np

学习内容：

Numpy 数组操作

• 1、 数组的拼接
• 2、 数组的分割
• 3、 数组的行列交换

NumPy 统计函数

• 1、求和
• 2、均值
• 3、中值
• 4、最大值
• 5、最小值
• 6、极值
• 7、标准差

使用步骤

Numpy 数组操作

1、 数组的拼接

函数	描述
hstack	水平堆叠序列中的数组（列方向）
vstack	竖直堆叠序列中的数组（行方向）

代码如下（示例）：

import numpy as np

t1 = np.arange(12).reshape((2, 6))  # 创建一个 2行6列的数组
print(t1)

t2 = np.arange(12, 24).reshape((2, 6)) 
print(t2)

[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]]
 
[[12 13 14 15 16 17]
 [18 19 20 21 22 23]]

t3 = np.vstack((t1, t2))  # 竖直拼接
print(t3)  

[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]
 [12 13 14 15 16 17]
 [18 19 20 21 22 23]]

t4 = np.hstack((t1, t2))  # 水平拼接
print(t4)

[[ 0  1  2  3  4  5 12 13 14 15 16 17]
 [ 6  7  8  9 10 11 18 19 20 21 22 23]]

---

2、 数组的分割

函数	描述
split	将一个数组分割为多个子数组
hsplit	将一个数组水平分割为多个子数组（按列）
vsplit	将一个数组垂直分割为多个子数组（按行）

numpy.split(ary, indices_or_sections, axis)

• axis：设置沿着哪个方向进行切分，默认为 0，横向切分，即水平方向。为 1 时，纵向切分，即竖直方向。

代码如下（示例）：

import numpy as np

t1 = np.arange(12).reshape((2, 6))
t2 = np.arange(12, 24).reshape((2, 6))
t3 = np.vstack((t1, t2))  # 将上面2个数组进行竖直拼接
print(t3)
t4 = np.hstack((t1, t2))  # 将t1 t2两个数组进行水平拼接
print(t4)

print(np.split(t3, 2, axis=0)) # 使用np.split()函数将上面的数组进行横向分割

[array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]]), 
 array([[12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])]

print(np.split(t3, 2, axis=1)) # 使用np.split()函数将上面的数组进行纵向分割

[array([[ 0,  1,  2],
       [ 6,  7,  8],
       [12, 13, 14],
       [18, 19, 20]]), 
 array([[ 3,  4,  5],
       [ 9, 10, 11],
       [15, 16, 17],
       [21, 22, 23]])]

注：axis 为 0 时在水平方向分割，axis 为 1 时在垂直方向分割。

print(np.hsplit(t4, 2))  # 用 np.hsplit()函数水平分割分割成2个数组

[array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]]), 
 array([[12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])]

print(np.vsplit(t3, 2))  # 用 np.vsplit()函数 垂直分隔成2个数组

[array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]]), 
 array([[12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])]

print(np.vsplit(t3, 4))  # 用 np.vsplit()函数 垂直分隔成4个数组

[array([[0, 1, 2, 3, 4, 5]]), 
array([[ 6,  7,  8,  9, 10, 11]]), 
array([[12, 13, 14, 15, 16, 17]]), 
array([[18, 19, 20, 21, 22, 23]])]

3、 数组的行列交换

代码如下（示例）：

t = np.arange(12, 24).reshape(3, 4)
print(t)

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]

print("-------------行交换-------------")
t[[1, 2], :] = t[[2, 1], :]  # 行交换  第2行与第三行进行交换
print(t)

[[ 0  1  2  3]
 [ 8  9 10 11]
 [ 4  5  6  7]]

print("-------------列交换-------------")
t = np.arange(0, 12).reshape(3, 4)
t[:, [0, 2]] = t[:, [2, 0]]  # 列交换  第1列与第3列进行交换，每次交换都会改变原数组
print(t)

[[ 2  1  0  3]
 [ 6  5  4  7]
 [10  9  8 11]]

NumPy 统计函数

函数	描述
sum	求和
mean	返回数组中元素的算术平均值
np.median	中值
max	最大值
min	最小值
ptp	极值
std	标准差

注：标准差是一组数据平均值分散程度的一种度量。一个较大的标准差，代表大部分数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值反映出数据的波动稳定情况，越大表示波动越大，越不稳定。

1、 求和

代码如下（示例）：

t1 = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10], [11, 12, 13, np.nan, 15], [16, 17, 18, 19, 20]])
t2 = np.arange(12).reshape((4, 3))  # 创建 4行 3列的数组
print(t1)
print(t2)

[[ 0.  2.  3.  4.  5.]
 [ 0.  7.  8.  9. 10.]
 [ 0. 12. 13. nan 15.]
 [ 0. 17. 18. 19. 20.]]
 
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]

print(np.sum(t2))  # 计算t2数组所有的和

66

print(np.sum(t2, axis=0))  # 计算t2数组每一行相加的结果

[18 22 26]

print(np.sum(t2, axis=1))  # 计算t2数组每一列相加的结果

[ 3 12 21 30]

print(np.sum(t1, axis=0))  # 计算t1数组每一行相加的结果  

[ 0. 38. 42. nan 50.]

print(np.sum(t1, axis=1))  # 计算t1数组每一列相加的结果  

[14. 34. nan 74.]

注意：nan和任何值计算都为nan

2、 求和函数

# numpy中常用统计函数
t2 = np.arange(12).reshape((4, 3))
print(t2.sum(axis=0))  # 求和

[18 22 26]

3、 均值函数

print(t2.mean(axis=0))  # 均值

[4.5 5.5 6.5]

4、 中值函数

print(np.median(t2))  # 中值
print(np.median(t2, axis=0))  # 中值

5.5
[4.5 5.5 6.5]

5、 最大值与最小值函数

print(t2.max(axis=0))  # 最大值
print(t2.min(axis=0))  # 最小值

[ 9 10 11]
[0 1 2]

6、 极值函数

print(np.ptp(t2))  # 极值， 即最大值和最小值之差
print(np.ptp(t2, axis=0))

11
[9 9 9]

7、 标准差函数

print(t2.std(axis=0))  # 标准差

[3.35410197 3.35410197 3.35410197]

小结

对数组中的 nan 填充均值

# coding=utf-8
import numpy as np

# 为每一列的nan填充均值
def fill_column_ndarray(t1):
    for i in range(t1.shape[1]):   # 遍历每一列
        temp_col = t1[:, i]  # 当前的一列
        nan_num = np.count_nonzero(temp_col != temp_col)
        if nan_num != 0:  # 不为0，说明当前这一列中有nan
            temp_not_nan_col = temp_col[temp_col == temp_col]  # 当前一列不为nan的array
            # 选中当前为nan的位置，把值赋给为不为nan的均值
            temp_col[np.isnan(temp_col)] = temp_not_nan_col.mean()
    return t1

# 为每一行的nan填充均值
def fill_row_ndarray(t2):
    for i in range(t1.shape[0]):   # 遍历每一行
        temp_row = t1[i, :]  # 当前的一行
        nan_num = np.count_nonzero(temp_row != temp_row)
        if nan_num != 0:  # 不为0，说明当前这一列中有nan
            temp_not_nan_row = temp_row[temp_row == temp_row]  # 当前一行不为nan的array
            # 选中当前为nan的位置，把值赋给为不为nan的均值
            temp_row[np.isnan(temp_row)] = temp_not_nan_row.mean()
    return t1

if __name__ == '__main__':
    t1 = np.arange(12).reshape((3, 4)).astype("float")
    t1[1, 0:] = np.nan  # 给数组第二行赋值
    print("原数组：")
    print(t1)
    t1 = fill_column_ndarray(t1)
    print("竖向填充均值：")
    print(t1)

    print("*" * 25)
    t2 = np.arange(12).reshape((3, 4)).astype("float")
    t2[:, 2] = np.nan  # 给数组的第三列赋值
    print("原数组：")
    print(t2)
    t2 = fill_row_ndarray(t2)
    print("横向填充均值：")
    print(t2)

原数组：
[[ 0.  1.  2.  3.]
 [nan nan nan nan]
 [ 8.  9. 10. 11.]]
竖向填充均值：
[[ 0.  1.  2.  3.]
 [ 4.  5.  6.  7.]
 [ 8.  9. 10. 11.]]
*************************
原数组：
[[ 0.  1. nan  3.]
 [ 4.  5. nan  7.]
 [ 8.  9. nan 11.]]
横向填充均值：
[[ 0.  1.  2.  3.]
 [ 4.  5.  6.  7.]
 [ 8.  9. 10. 11.]]

总结

1.Numpy 中包含了一些函数用于处理数组，大概可分为以下几类：

• 修改数组形状
• 翻转数组
• 修改数组维度
• 连接数组
• 分割数组
• 数组元素的添加与删除

2.nan和任何值计算都为nan。
3.axis 为 0 时在水平方向，axis 为 1 时在垂直方向。