数据分析学习-第06课(第1-2节)-numpy中的nan和常用方法(有相应课件视频下载链接在文末)

第六课–numpy中的nan和常用方法

第1节 数据的拼接

np.vstack((t1,t2))—>竖直拼接
np.hstack((t1,t2))----->水平拼接
t[ [1,2],:]=t[ [2,1],:]----->行交换
t[:,[0,2] ] = t[:,[2,0] ]----->列交换

第2节 numpy中的随机方法

1.拼接的实践

由于我没下到数据，所以我就自己造了数据，能下到数据最好，没有就自己造吧

import numpy as np

# us_path = "./youtube_video_data/US_video_data_number.csv"
# uk_path = "./youtube_video_data/GB_video_data_number.csv"
#us_data = np.loadtxt(us_path,delimiter="," ,dtype=int)
#uk_data = np.loadtxt(uk_path,delimiter="," ,dtype=int)

us_data = np.array(range(25)).reshape(5,5)
uk_data = np.arange(100,125).reshape(5,5)
#print(us_data)
#print(uk_data)

zeros_data = np.zeros((us_data.shape[0],1)).astype(int)
ones_data = np.ones((uk_data.shape[0],1)).astype(int)
#print(zeros_data)
#print(ones_data)

us_data = np.hstack((us_data,zeros_data))#竖直拼接
uk_data = np.hstack((uk_data,ones_data))
print(us_data)
print(uk_data)
data = np.vstack((us_data,uk_data))#横向拼接
print(data)

2.更多好用的方法：

import numpy as np
t1 = np.zeros((3,4))
t2 = np.ones((3,4))
print(t1)
print(t2)
t3 = np.eye(4)
print(t3)
print(np.argmin(t3,axis=0))

需要多动手练习：
注意：np.argmin/np.argmax中axis=0是计算一行，axis=1是计算一列中最大最小值

3.numpy生成随机数

import numpy as np
np.random.seed(10)
t = np.random.randint(10,20,(4,5))
print(t)

注意：1.加了随机种子和没加是有区别的，加了之后只有第一次是变化的，其他时候是不变的 2.注意随机种子是怎么加的，不是在randint函数中加的，而是在之前加的。

4.numpy的copy和view

import numpy as np
np.random.seed(10)
b = np.random.randint(10,20,(4,5))
print(b)
print("*"*20)
a=b[:]
#a=b
#a=b.copy()
a[a>15]=16
print(b)

[[19 14 10 11 19]
[10 11 18 19 10]
[18 16 14 13 10]
[14 16 18 11 18]]

---

[[16 14 10 11 16]
[10 11 16 16 10]
[16 16 14 13 10]
[14 16 16 11 16]]

注：a=b.copy()—a与b是不应影响的，其他两种是有影响的。

第3节 numpy中的nan和常用统计方法

第4节 numpy中填充nan和youtube数据的练习

链接：https://pan.baidu.com/s/1d-_QhcV8ZyTnayDigBpT7A
提取码：0vbq
复制这段内容后打开百度网盘手机App，操作更方便哦