阿里天池——Numpy实战

一、数据集

阿里天池数据源: numpy-datawhale数据集

二、导入鸢尾属植物数据集，保持文本不变。

import numpy as np
iris=np.loadtxt('./iris.txt',dtype=str,delimiter=',')
print(iris)

三、求出鸢尾属植物萼片长度的平均值、中位数和标准差（第1列，sepallength）

由于得到的数据是字符串类型，所以我们应当将字符串转为float类型。
(注意 要去掉标题行)

sepallength=iris[1:,0:1]
sepallength=sepallength.astype(float)
print(sepallength)

中位数，平均值，标准差

medi_sepallength=np.median(sepallength)
mean_sepallength=np.mean(sepallength)
std_sepallength=np.std(sepallength)
print(medi_sepallength)
print(mean_sepallength)
print(std_sepallength)

四、创建一种标准化形式的鸢尾属植物萼片长度，其值正好介于0和1之间，这样最小值为0，最大值为1（第1列，sepallength）。

sep_max=np.max(sepallength)
sep_min=np.min(sepallength)
std_sepallength=(sepallength-sep_min)/(sep_max-sep_min)
print(std_sepallength)

五、找到鸢尾属植物萼片长度的第5和第95百分位数（第1列，sepallength）。

np.percentile(sepallength,[5,95])

六、把iris_data数据集中的20个随机位置修改为np.nan值。

np.random.seed(20200605)
sepallength.size
#replace=False 不允许重复
x = np.random.choice(sepallength.size, 20, replace=False)
x
sl=sepallength
sl
for i in range(x.size):
    sl[x[i],:]=np.nan
sl

七、在iris_data的sepallength中查找缺失值的个数和位置（第1列）

np.isnan(sl)
sl_nan=np.where(np.isnan(sl))
sl_nan[0]
sl_nan[0].size

八、筛选具有 sepallength（第1列）< 5.0 并且 petallength（第3列）> 1.5 的 iris_data行。

#取两列不相邻的 列
sep_pet_length=np.array([iris[1:,0],iris[1:,2]]).T
sep_length=sep_pet_length[:,0].astype(float)
pet_length=sep_pet_length[:,1].astype(float)
np.where((sep_length<5.0)&(pet_length>1.5))

九、选择没有任何 nan 值的 iris_data行。

iris_f=iris[1:,:-1].astype(float)
#有nan值的行下标
x=np.where(np.isnan(iris_f))
#x[0]:第几行 ；axis=0按行删除 
np.delete(iris_f,x[0],axis=0)

十、计算 iris_data 中sepalLength（第1列）和petalLength（第3列）之间的相关系数。

np.corrcoef(sep_length,pet_length)

十一、找出iris_data是否有任何缺失值。

np.isnan(iris[1:,-1].astype(float)).any()

十二、在numpy数组中将所有出现的nan替换为0

iris_data=iris[1:,:-1].astype(float)
iris_data[np.isnan(iris_data)]=0

十三、找出鸢尾属植物物种中的唯一值和唯一值出现的数量。

np.unique(iris_data)
np.unique(iris_data).size

十四、 将 iris_data 的花瓣长度（第3列）以形成分类变量的形式显示。定义：Less than 3 --> ‘small’；3-5 --> ‘medium’；’>=5 --> ‘large’。

iris_3_data=iris_data[:,2]
bins=np.array([3,5])
inds=np.digitize(iris_3_data,bins)
str=np.array(inds,dtype=np.str)
for i in range(inds.size):
    if inds[i]==0:
        str[i]='small'
    elif inds[i]==1:
        str[i]='medium'
    else:
        str[i]='large'
str

十五、在 iris_data 中创建一个新列，其中 volume 是 (pi x petallength x sepallength ^ 2）/ 3。

volume = np.pi*iris_data[:,2]*iris_data[:,1]**2/3
volume.shape
iris_data.shape
np.c_[iris_data,volume]

十六、随机抽鸢尾属植物的种类，使得Iris-setosa的数量是Iris-versicolor和Iris-virginica数量的两倍。

species = np.array(['Iris‐setosa', 'Iris‐versicolor', 'Iris‐virginica'])
species_out = np.random.choice(species, 10000, p=[0.5, 0.25, 0.25])

十七、根据 sepallength 列对数据集进行排序

iris_data=iris[1:,:-1]
sepallength = iris_data[:,0]
#注意：返回的是下标
index = np.argsort(sepallength)
index
iris_data[index][:]

十八、在鸢尾属植物数据集中找到最常见的花瓣长度值（第3列）。

petallength = iris_data[:,2]
# vals:返回一个排好序列的不同的数组
#return_index：(可选参数，布尔类型)，如果为True则结果会同时返回被提

取元素在原始数组中的索引值(index)
#return_counts：(可选参数，布尔类型)，如果为True则结果会同时每个元素在原始数组中出现的次数。
vals,index,counts=np.unique(petallength,return_index=True,return_counts=True)
vals,index,counts
#argmax:返回下标
#amax:返回值
vals[np.argmax(counts)]

十九、在鸢尾花数据集的 petalwidth（第4列）中查找第一次出现的值大于1.0的位置

petalWidth = iris_data[:,3].astype(float)
index = np.where(petalWidth > 1.0)#所有大于1.0的位置
index[0][0]