numpy模块的使用(二)

ndarry缺失值填充均值:

import numpy as np def fill_ndarry(t1): for i in range(t1.shape[1]): 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说明这一列中有nan # 当前一列不为nan的array temp_not_nan_col = temp_col[temp_col==temp_col] # 把当前为nan的位置替换为不为nan的均值 temp_col[np.isnan(temp_col)] = temp_not_nan_col.mean() return t1 if __name__=="__main__": # 创建二维数组 t1 = np.arange(12).reshape(3,4).astype(float) # 将某些位置的值设置为nan t1[1,2:] = np.nan # 输出t1数组 print(t1) print("-"*10) # 调用均值函数 t1 = fill_ndarry(t1) print(t1)

例题:

现在这里有一个英国和美国各自youtube1000多个视频的点击,喜欢,不喜欢,评论数量([“views”,“likes”,“dislikes”,“comment_total”])的csv,运用所学知识,尝试来对其进行操作

数据来源:https://www.kaggle.com/datasnaek/youtube/data

英国和美国各自youtube1000的数据结合之前的matplotlib绘制出各自的评论数量的直方图希望了解英国的youtube中视频的评论数和喜欢数的关系,应该如何绘制改图 数据格式:

1.代码:

import numpy as np from matplotlib import pyplot as plt us_file_path = "./youtube_video_data/US_video_data_numbers.csv" uk_file_path = "./youtube_video_data/GB_video_data_numbers.csv" # 读取数据 t = np.loadtxt(us_file_path,delimiter=",",dtype="int") # 取评论数 t_comments = t[:,-1] # 选择比5000小的数据 t_comments = t_comments[t_comments<5000] # 组距 d = 50 # 组数 bin_num = (t_comments.max()-t_comments.min())//d # 设置图片大小 plt.figure(figsize=(20,8),dpi=80) # 画直方图 plt.hist(t_comments,bin_num) # 网格 plt.grid() # 显示图片 plt.show()

效果图:

2.代码:

import numpy as np from matplotlib import pyplot as plt import matplotlib font = {'family' : 'WenQuanYi Micro Hei', 'weight' : 'bold', 'size' : '10'} matplotlib.rc("font",**font) us_file_path = "./youtube_video_data/US_video_data_numbers.csv" uk_file_path = "./youtube_video_data/GB_video_data_numbers.csv" # 读取数据 t_uk = np.loadtxt(uk_file_path,delimiter=",",dtype="int") # 提取喜欢数小于25000的行 t_uk = t_uk[t_uk[:,1]<50000] # 评论数 t_uk_comments = t_uk[:,-1] # 喜欢数 t_uk_like = t_uk[:,1] # 设置图片大小 plt.figure(figsize=(20,8),dpi=80) # 绘制散点图 plt.scatter(t_uk_like,t_uk_comments) # 添加描述 plt.xlabel("喜欢数") plt.ylabel("评论数") plt.title("评论数和喜欢数的关系") # 显示 plt.show()

效果图:

数组的拼接:

In [3]: t1 = np.arange(12).reshape((2,6)) In [4]: t1 Out[4]: array([[ 0, 1, 2, 3, 4, 5], [ 6, 7, 8, 9, 10, 11]]) In [5]: t2 = np.arange(12,24).reshape(2,6) In [6]: t2 Out[6]: array([[12, 13, 14, 15, 16, 17], [18, 19, 20, 21, 22, 23]]) In [7]: np.vstack((t1,t2)) ————> 垂直拼接 Out[7]: array([[ 0, 1, 2, 3, 4, 5], [ 6, 7, 8, 9, 10, 11], [12, 13, 14, 15, 16, 17], [18, 19, 20, 21, 22, 23]]) In [8]: np.hstack((t1,t2)) ————> 水平拼接 Out[8]: array([[ 0, 1, 2, 3, 4, 5, 12, 13, 14, 15, 16, 17], [ 6, 7, 8, 9, 10, 11, 18, 19, 20, 21, 22, 23]])

数组的行列交换:

In [9]: t = np.arange(12,24).reshape(3,4) In [10]: t Out[10]: array([[12, 13, 14, 15], [16, 17, 18, 19], [20, 21, 22, 23]]) In [11]: t[[1,2],:] = t [[2,1],:] ——>行交换(第2,3行交换) In [12]: t Out[12]: array([[12, 13, 14, 15], [20, 21, 22, 23], [16, 17, 18, 19]]) In [13]: t[:,[0,2]] = t[:,[2,0]] ——>列交换(第1,3列交换) In [14]: t Out[14]: array([[14, 13, 12, 15], [22, 21, 20, 23], [18, 17, 16, 19]])

例:

现在希望把之前案例中两个国家的数据方法一起来研究分析,同时保留国家的信息（每条数据的国家来源）,应该怎么办

代码:

import numpy as np us_file_path = "./youtube_video_data/US_video_data_numbers.csv" uk_file_path = "./youtube_video_data/GB_video_data_numbers.csv" # 读取数据 us_data = np.loadtxt(us_file_path,delimiter=",",dtype="int") uk_data = np.loadtxt(uk_file_path,delimiter=",",dtype="int") # 添加国家信息 # 构造全为0的数据 zeros_data = np.zeros((us_data.shape[0],1)).astype(int) ones_data = np.ones((uk_data.shape[0],1)).astype(int) # 分别添加一列全为0或1的数组 us_data = np.hstack((us_data,zeros_data)) uk_data = np.hstack((uk_data,ones_data)) # print(uk_data) # 拼接数据 finally_data = np.vstack((us_data,uk_data)) print(finally_data)

numpy更多好用的方法:

1. 获取最大值最小值的位置 1) np.argmax(t,axis=0) <<==>> t.argmax(axis=0) 2) np.argmin(t,axis=1) 3. 创建一个全0的数组: np.zeros((3,4)) 4. 创建一个全1的数组:np.ones((3,4)) 5. 创建一个对角线为1的正方形数组(方阵)：np.eye(3)

numpy生成随机数:

随机数方法都在np.random下,如: np.random.rand(2,3)

分布的补充:

均匀分布: 在相同的大小范围内的出现概率是等可能的 正态分布: 呈钟型,两头低,中间高,左右对称

numpy的注意点copy和view:

a = b 完全不复制,a和b相互影响 a = b[:],视图的操作,一种切片,会创建新的对象a,但是a的数据完全由b保管,他们两个的数据变化是一致的 a = b.copy(),复制,a和b互不影响