数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

NumPy进阶修炼第三期

import numpy as np
import pandas as pd
import warnings
warnings.filterwarnings("ignore")

41 生成指定格式数据

备注:使用numpy生成6行6列的二维数组,值为1-100随机数

data = np.random.randint(1,100, [6,6])
data

数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

42 找到每列的最大值

np.amax(data, axis=0)

数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

43 找到每行的最小值

np.amin(data, axis=1)

数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

44 提取data每个元素的出现次数

np.unique(data,return_counts=True)

数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

45 获取data每行元素的大小排名

data.argsort()

数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

46 将数组按行重复一次

np.repeat(data, 2, axis=0)

数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

47 去除数组的重复行

np.unique(data,axis = 0)

数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

48 不放回抽样

备注:从data的第一行中不放回抽3个元素

np.random.choice(data[0:1][0], 3, replace=False)

数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

49 提取data第二行中不含第三行的元素的元素

a = data[1:2]
b = data[2:3]
index=np.isin(a,b)
array=a[~index]
array

数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

50 判断data是否有空行

(~data.any(axis=1)).any()

数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

51 将每行升序排列

data.sort(axis = 1)
data

数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

52 将data的数据格式修改为float

data1 = data.astype(float)

53 将小于5的元素修改为nan

data1[data1 < 5] = np.nan
data1

数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

54 删除data1含有nan的行

data1 = data1[~np.isnan(data1).any(axis=1), :]
data1

数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

55 找出data1第一行出现频率最高的值

vals, counts = np.unique(data1[0,:], return_counts=True)
print(vals[np.argmax(counts)])

数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

56 找到data1中与100最接近的数字

a = 100
data1.flat[np.abs(data1 - a).argmin()]

数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

57 data1每一行的元素减去每一行的平均值

data1 - data1.mean(axis=1, keepdims=True)

数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

58 将data1归一化至区间[0,1]

a = np.max(data1) - np.min(data1)
(data1 - np.min(data1)) / a

数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

59 将data1标准化

mu = np.mean(data1, axis=0)
sigma = np.std(data1, axis=0)
(data1 - mu) / sigma

数据可视化基础专题(二十六):numpy80题(五)NumPy进阶修炼第三期|41-60

60 将data1存储至本地

np.savetxt('test.txt',data1)

 

上一篇:python 迁移代码常用函数——修改数据至原代码所需要的格式,降低代码迁移难度


下一篇:基于Xilinx的RapidIO核的SRIO的自定义AXI总线设计