阿里天池——Numpy实战
文章目录
- 阿里天池——Numpy实战
-
- 一、数据集
- 二、导入鸢尾属植物数据集,保持文本不变。
- 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)
- 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)。
- 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)。
- 六、把iris_data数据集中的20个随机位置修改为np.nan值。
- 七、在iris_data的sepallength中查找缺失值的个数和位置(第1列)
- 八、筛选具有 sepallength(第1列)< 5.0 并且 petallength(第3列)> 1.5 的 iris_data行。
- 九、选择没有任何 nan 值的 iris_data行。
- 十、计算 iris_data 中sepalLength(第1列)和petalLength(第3列)之间的相关系数。
- 十一、找出iris_data是否有任何缺失值。
- 十二、在numpy数组中将所有出现的nan替换为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。
- 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'。
- 十五、在 iris_data 中创建一个新列,其中 volume 是 (pi x petallength x sepallength ^ 2)/ 3。
- 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。
- 十七、根据 sepallength 列对数据集进行排序
- 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)。
- 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
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]
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
THE END
二维码