【Python数据分析与展示】（二）NUMPY数据存取与函数

numpy存储文件

np.savetxt(frame,array,,fmt=’%.18e’,delimiter = None)

a = np.arange(100).reshape(5,20)np.savetxt("a.csv",a,fmt = '%d',delimiter = ",")

numpy读取文件

np.loadtxt(frame,dtype =np.float,delimiter = None,unpack = False)

np.loadtxt("a.csv",dtype = np.int,delimiter = ",")

csv只能存储一维和二维数组
对于多维数组我们用tofile,fromfile
a.tofile(frame,sep=”,format = “%s”) #sep如果是空串，则写入二进制文件
a.fromfile(frame,dtype = float,count=-1,spe=”) # count=-1表示默认读取所有数据

numpy的快捷存储和提取

np.save(frame,array) 或np.savez(frame,array)
frame:文件名，以npy和npz为扩展名
np.load(frame)

numpy的随机数函数

函数 说明 random.rand(d0,d1…dn) 根据d0到dn创建随机数数组，浮点数，[0-1)，均匀分布 random.randn(d0,d1…dn) 根据d0到dn创建随机数数组，标准正态分布 random.randint(low[,high,shape]) 根据shape创建随机整数或整数数组，[low-high) random.seed(s) 随机数种子，s是给定的种子数（为了产生相同的随机数，方便测试） random.shuffle(a) 对数组a第0轴（行）进行随机排列，改变数组a random.permutation(a) 同上，不改变数组a random.choice(a[,size,replace = False,p]) 从一维数组a中以概率p抽取元素，行程size形状新数组，默认不能重用元素 random.uniform(low,high,size) 均匀分布的数组 random.normal(loc,scale,size) 正态分布的数组，loc均值，scale标准差 random.uniform(lam,size) 泊松分布的数组，lam随机事件发生率

numpy的统计函数

函数 说明 sum(a,axis =None) 根据指定轴求和 mean（a，axis = None） 根据指定轴求平均值 average（a，axis = None,weights = None） 根据指定轴求加权平均数 std（a，axis = None） 求标准差 var（a，axis = None） 求方差 max(a) min(a) argmin(a) argmax(a) a中最小值最大值降成一维后的下标位置 unravel_index (index,shape) 根据shape将一维下标index转化成多维下标 ptp(a) 计算数组中最大值和最小值的差 median (a) 中值 gradient(a) 计算梯度，如果为多维，则多个维度的梯度

a = np.arange(0,24).reshape(2,3,4)np.sum(a,axis =1) #array([ 15,  51,  87, 123])np.sum(a,axis =0) #array([[12, 14, 16, 18],       [20, 22, 24, 26],       [28, 30, 32, 34]]) np.argmax(a) # 23np.unravel_index(23,(2,3,4)) #(1, 2, 3)c = np.random.randint(2,20,(2,6))#array([[10, 17, 17, 11,  2, 17],       [ 4,  4, 10, 10,  8, 10]])np.gradient(c)#[array([[ -6., -13.,  -7.,  -1.,   6.,  -7.],        [ -6., -13.,  -7.,  -1.,   6.,  -7.]]), array([[  7. ,   3.5,  -3. ,  -7.5,   3. ,  15. ],        [  0. ,   3. ,   3. ,  -1. ,   0. ,   2. ]])]