python中的numpy模塊
㈠ 圖解python中數據分析工具包：Numpy
numpy是我學習python遇到的第一個第三方工具包，它可以讓我們快速上手數據分析。numpy提供了向量和矩陣計算和處理的大部分介面。目前很多python的基礎工具包都是基於numpy開發而來，比如 scikit-learn, SciPy, pandas, 還有 tensorflow。 numpy可以處理表格、圖像、文本等數據，極大地方便我們處理和分析數據。本文主要內容來自於Jay Alammar的一篇文章以及自己學習記錄。
原文地址： https://jalammar.github.io/visual-numpy/
使用過程中，如果希望 Numpy 能創建並初始化數組的值， Numpy 提供了 ones()、zeros() 和 random.random() 等方法。只需傳遞希望生成的元素數量（大小）即可：
還可以進行如下操作：
一般，需要數組和單個數字之間也可以進行運算操作（即向量和標量之間的運算）。比如說 data * 1.6 ，numpy利用一個叫做廣播機制（broadcasting）的概念實現了這一運算。：
我們可以通過索引對numpy數據獲取任意位置數據或者對數據切片
我們可以通過numpy自帶的函數對數據進行一些想要的聚合計算，比如min、max 和 sum ，還可以使用 mean 得到平均值，使用 prod 得到所有元素的乘積，使用 std 得到標准差等等。
上述操作不僅可以應用於單維度數據，還可以用於多維度數據{（矩陣）。
同樣可以使用ones()、zeros() 和 random.random()創建矩陣，只要寫入一個描述矩陣維數的元組即可：
numpy還可以處理更高維度的數據：
創建更高維度數據只需要在創建時，在參數中增加一個維度值即可：
根據數組中數值是否滿足條件，輸出為True或False.
希望得到滿足條件的索引，用np.where函數實現.
根據索引得到對應位置的值.
np.where也可以接受另兩個可選擇的參數a和b。當條件滿足時，輸出a，反之輸出b.
獲取數組最大值和最小值的索引可以使用np.argmax和np.argmin.
1、numpy.tofile()和numpy.fromfile()
保存為二進制格式，但是不保存數組形狀和數據類型， 即都壓縮為一維的數組，需要自己記錄數據的形狀，讀取的時候再reshape.
2、numpy.save() 和 numpy.load()
保存為二進制格式，保存數組形狀和數據類型， 不需要進行reshape
實例：
3、numpy.savetxt()和numpy.loadtxt()
np.savetxt(fname,array,fmt=』%.18e』,delimiter=None)
Parameter解釋：
array:待存入文件的數組。
fmt:寫入文件的格式
實例：
㈡ python(pandas模塊)
1.什麼是pandas? numpy模塊和pandas模塊都是用於處理數據的模塊。 numpy主要用於針對數組進行統計計算,處理數字數據比較方便。 pandas除了可以處理數字數據,還可...
㈢ python基礎2：隨機數生成—random模塊、numpy中的random函數
在Python中可以用於隨機數生成的有兩種主要途徑，一是random模塊，另一個是numpy庫中random函數。
在我們日常使用中，如果是為了得到隨機的單個數，多考慮random模塊；如果是為了得到隨機小數或者整數的矩陣，就多考慮numpy中的random函數,當然numpy也可以的到隨機的單個數
一、random模塊
二、numpy庫中random函數
random模塊中將近有7個函數都是可以用來生成隨機數的:
作用：隨機生成一個 [0,1) 的浮點數
作用：隨機生成一個 [a,b) 的浮點數
作用：隨機生成一個 [a,b] 的整數
作用：從列表，元組，字元串、集合（可用於for循環的數據類型）中隨機選擇一個元素
作用：在生成的<以a為始，每step遞增，以b為終>這樣的一個整數序列中隨機選擇一個數
作用：打亂一個列表的元素順序
從序列population中隨機取出k個數；population的類型可以是列表、元組、集合、字元串；
在Numpy庫中，常用使用np.random.rand()、np.random.randn()和np.random.randint()隨機函數。
作用：返回一個或一組服從標准正態分布的隨機樣本值
備註：標准正態分布是以0為均數、以1為標准差的正態分布，記為N（0，1）。對應的正態分布曲線如下所示，即
作用：使用方法與np.random.randn()函數相同 ，通過本函數可以返回一個或一組服從「0~1」均勻分布的隨機樣本值。隨機樣本取值范圍是[0,1)，不包括1
numpy.random.randint(low, high=None, size=None, dtype='l')
輸入：
low—–為最小值
high—-為最大值
size—–為數組維度大小
dtype—為數據類型，默認的數據類型是np.int。
作用： 返回隨機整數或整型數組，范圍區間為[low,high），包含low，不包含high； high沒有填寫時，默認生成隨機數的范圍是[0，low
np.random.random([size])
作用：生成[0,1)之間的浮點數,與np.random.rand()功能類似
np.random.choice(a,[ size, replace, p])
參考文檔1： 【python】numpy之random庫簡單的隨機數據生成.rand()、.randint()、.randn()、.random()等（一）
參考文檔2： Python中隨機數的生成
參考文檔3： numpy.random模塊常用函數
終於寫完了，我以為它很簡單的………………預計1小時，結果寫了2.5小時
㈣ python中怎樣安裝numpy模塊
1.在python官網https://pypi.python.org/pypi/numpy中找到安裝的python版本對應的numpy版本。
例如：
python版本是
㈤ python數據分析模塊：numpy、pandas全解
一維數組情況：
二維數組情況：
3參數情況：
2參數情況：
1參數情況：
一維情況：
二維情況：
一維情況：
二維情況：
一維情況：
二維情況：第三個參數指定維度
只查看行數、或者列數
逗號隔開兩個索引
某些行
某些列
可以看出append()函數在二維數組中添加元素，結果轉為了一維數組。
那怎麼保持二維數組呢？可以設置axis參數按行或者按列添加
可以看出先把二維數組降成了一維數組，再在索引為1的位置添加元素。
那麼怎麼保持在二維添加元素呢？ 同樣設置axis參數
也分按行和按列刪除
標記缺失值： isnan()函數
補充缺失值：
同樣axis參數可以指定拼接按行還是按列
2. hstack()函數：以水平堆疊的方式拼接數組
3. vstack()函數：以垂直堆疊的方式拼接數組
第二個參數還可以是數組，指定拆分的位置
hsplit()函數：橫向拆成幾個數組
vsplit()函數：縱向拆成幾個數組
數組與數組之間的運算
數組與數值的運算
可以指定整個數組求和，還是按行或者按列
axis=0：每一列的元素求和
axis=1：每一行的元素求和
axis=0：每一列求均值
axis=1：每一行求均值
axis=0：每一列求最大值
axis=1：每一行求最大值
pandas有兩個重要的數據結構對象：Series和DataFrame。
Series是創建一個一維數組對象，會自動生成行標簽。
會自動生成行列標簽
也可以用字典形式生成數據
在用字典生成數據的基礎上，同時指定行標簽
例如對下表的數據進行讀取
4月是第四個表，我們應把sheet_name參數指定為3；因為索引是從0開始的。
可以看出read_excel()函數自動創建了一個DataFrame對象，同時自動把第一行數據當做列標簽。
可以看出不給出header參數時，該參數默認為0。
header=1時結果如下：
header=None時結果如下：
index_col=0時，第0列為列標簽
index_col=0時
usecols=[2]：指定第二列
指定多列
數據如下：
[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-j1SHxY8y-1637655972909)(C: ypora-user-imagesimage-20211114192949607.png)]
nrows=3時
head()函數中參數為空默認前5行
指定head(3)時如下
numpy模塊也是shape
查看特定列的書庫類型
特定列數據類型轉換
先查看一下所有數據
與單行相比，結果顯示的格式不一樣了
iloc()挑選：
或者給出區間
挑選數據要麼標簽，要麼索引挑選
或者
或者寫成區間
標簽挑選
或者索引挑選
先查看一下數據
或者用字典一對一修改
[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-a6QKIoie-1637655972912)(C: ypora-user-imagesimage-20211123110431201.png)]
isin()函數查看錶中是否有該值
查看特定列是否有該值
可以看出上述代碼並沒有替換，那怎麼替換呢？
末尾插入一列
指定插入到哪列
axis參數可以指定刪除行還是刪除列
指定標簽刪除
指定索引刪除
方法三
指定行標簽刪除
指定索引刪除
方法三：
先查看所有數據
info()函數查看數據類型，還可以查看是否有缺失值
isnull()函數查看是否有缺失值
在numpy模塊中用isnan()函數
刪除有缺失值的行
刪除整行都為缺失值的行： 需要指定how參數
不同列的缺失值設置不同的填充值
默認保留第一個重復值所在的行，刪除其他重復值所在的行
保留第一個重復值所在的行
保留最後一個重復值所在的行
是重復的就刪除
降序如下
參數指定first時，表示在數據有重復值時，越先出現的數據排名越靠前
獲取產品為單肩包的行數據
獲取數量>60的行數據
獲取產品為單肩包 且 數量>60 的行數據
獲取產品為單肩包 或 數量>60 的行數據
stack()函數轉換成樹形結構
how參數指定外連接
on參數指定按哪一列合並
concat()函數採用 全連接 的方式，沒有的數設置為缺失值
重置行標簽
效果與concat()一樣
末尾添加行元素
指定列求和
指定列求均值
指定列求最值
獲取單列的
corr()函數獲取相關系數
獲取指定列與其他列的相關系數
[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-46g9qgQw-1637655972913)(C: ypora-user-imagesimage-20211123135643804.png)]
groupby()函數返回的是一個DataFrameBy對象，該對象包含分組後的數據，但是不能直觀地顯示出來。
分組後獲取指定列的匯總情況
獲取多列的匯總情況
獲取多列的情況
ta = pd.read_excel(『相關性分析.xlsx』)
print(data)
corr()函數獲取相關系數
獲取指定列與其他列的相關系數
[外鏈圖片轉存中…(img-46g9qgQw-1637655972913)]
groupby()函數返回的是一個DataFrameBy對象，該對象包含分組後的數據，但是不能直觀地顯示出來。
分組後獲取指定列的匯總情況
獲取多列的匯總情況
獲取多列的情況
㈥ Python,的numpy模塊中有沒有 階乘函數
有階乘函數，Numpy中，mat必須是2維的,但是array可以是多維的（1D，2D，3D····ND）. Matrix是Array的一個小的分支，包含於Array。所以matrix 擁有array的所有特性。
在numpy中matrix的主要優勢是：相對簡單的乘法運算符號。例如，a和b是兩個matrices，那麼a*b，就是矩陣積。
若a=mat([1,2,3])是矩陣，則 a.A 則轉換成了數組，反之，a.M則轉換成了矩陣。
(6)python中的numpy模塊擴展閱讀：
常用的Numpy運算：
取矩陣中的某一行ss[1,:]或該行的某兩列ss[1,0:2]
將數組轉換成矩陣randMat=mat(random.rand(4,4))
矩陣求逆randMat.I
單位陣eye(4)
零矩陣zeros((x,y))建立x行y列的零矩陣。
最大值和最小值a.max(),a.min(),而a.max(0)表示按列選取每列的最大值。最大/小元素的下標a.argmax(),a.argmin()
#作為方法x.sum() #所有元素相加x.sum(axis=0) #按列相加x.sum(axis=1) #按行相加#作為函數sum(a,axis=0)ss.mean()
mean(a,axis=0(或1)) #按列或行求均值var(a)var(a,axis=0(或1)) #按列或行求方差。
std(a)std(a,axis=0(或1)) #按列或行求標准差ss.T或ss.transpose() #轉置。
㈦ python(pandas模塊)
Pandas是Python的一個數據分析包，最初由AQR Capital
Management於2008年4月開發，並於2009年底開源出來，目前由專注於Python數據包開發的Pydata開發team繼續開發和維護，屬於PyData項目的一部分，pandas最初被作為金融數據分析工具而開發出來，因此pandas為時間序列分析提供了很好的支持。
Pandas的名稱來自於面板數據和python數據分析。panel
data是經濟學中關於多維數據集的一個術語，在Pandas中也提供了panel的數據類型。
Pandas數據結構：
Series：一維數組，與numpy中的一維array類似。二者與Python基本的數據結構list相近，Series如今能保存不同種數據類型，字元串、boolean值、數字等都能保存在series中。
Time-series：以時間為索引的series。
DataFrame：二維的表格型數據結構，很多功能與R中的data.frame類似，可以將DataFrame理解為Series的容器。
Panel ：三維的數組，可以理解為DataFrame的容器。
Panel4D：是像Panel一樣的4維數據容器。
PanelND：擁有factory集合，可以創建像Panel4D一樣N維命名容器的模塊。