金融数据分析与挖掘实战练习2.5-2.9

# 2.5.1数组切片
#满足条件的切片
import numpy as np
D = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]]) #定义数组

print(D)

[[ 1  2  3  4][ 5  6  7  8][ 9 10 11 12][13 14 15 16]]

# 将D中的第0列大于5的所有列数据取出
D1 = D[D[ : ,0] > 5, : ]
print(D1)

[[ 9 10 11 12][13 14 15 16]]

# 取D中第0列大于5的第2、3列数据
D2 = D[D[ : ,0] > 5,[2,3]]  #输出的是第2行的第2列数据和第3行的第3列数据
print(D2)

[11 16]

TF = [True,False,False,True]   #可以用逻辑真假来选择数组中的行或列
D3 = D[TF,:]
print(D3)

[[ 1  2  3  4][13 14 15 16]]

# 取第0,3行的2，3列数据
D4 = D[TF,[2,3]]    #输出的是第0行的第2列数据和第3行的第3列数据
print(D4)

[ 3 16]

# 取D中大于4的所有元素
D5 = D[D[:,:] > 4]
print(D5)

[ 5  6  7  8  9 10 11 12 13 14 15 16]

D6 = D[D > 4]
print(D6)

[ 5  6  7  8  9 10 11 12 13 14 15 16]

#2.5.2 利用ix_()函数进行数组切片
# ix_()这个函数是直接构造行列的索引进行切片
# 提取D中行数为1,2，列数为1,3的所有元素
D7 = D[np.ix_([1,2],[1,3])]
print(D7)

[[ 6  8][10 12]]

# 提取D中行数为0,1，列数为1,3的所有元素
D8 = D[np.ix_([0,1],[1,3])]
print(D8)

[[2 4][6 8]]

D81 = D[np.ix_(np.arange(2),[1,3])]
print(D81)

[[2 4][6 8]]

# 提取D中第一列小于11得到的逻辑数作为行索引，列数为1,2的所有元素
D9 = D[np.ix_(D[:,1] < 11,[1,2])]
print(D9)

[[ 2  3][ 6  7][10 11]]

D10 = D[np.ix_(TF,[2])] # 按照TF的逻辑值（真，假，假，真）作为行索引，第2列的所有值
print(D10)

[[ 3][15]]

# 2.6 数组连接（分为行连接和列连接）
A = np.array([[1,2],[3,4]])
B = np.array([[5,6],[7,8]])
# 行连接需要行数相同，列连接需要列数相同
C_S = np.hstack((A,B))
print(C_S)

[[1 2 5 6][3 4 7 8]]

C_V = np.vstack((A,B))
print(C_V)

[[1 2][3 4][5 6][7 8]]

# 2.7 数据存储与调用
np.save("data",C_V)  # numpy下面的保存函数，第一个参数是文件名（自定义），第二个参数是要保存的变量名

# 保存后，如果需要调用查看，可用load函数加载
dy = np.load("data.npy")
print(dy)

[[1 2][3 4][5 6][7 8]]

# 2.8 改变数组的形态
#用 reshape 函数 来改变行列维度
arr = np.arange(12)
print(arr)

[ 0  1  2  3  4  5  6  7  8  9 10 11]

arr1 = arr.reshape(3,4) # 将原始1行12列的一维数组转变为3行4列的数组
print(arr1)

[[ 0  1  2  3][ 4  5  6  7][ 8  9 10 11]]

arr2 = np.arange(12).reshape(3,4)  #也可以简单一步写出arr1
print(arr2)

[[ 0  1  2  3][ 4  5  6  7][ 8  9 10 11]]

arr3 = arr2.ravel() # ravel函数是将原mn维数组平展成1维数组
print(arr3)

[ 0  1  2  3  4  5  6  7  8  9 10 11]

# 2.9 数组排序与搜索
arr4 = np.array([5,8,3,12,7,9,32,65,22])
arr4s = np.sort(arr4)   #将数组按顺序排列
print(arr4s)

[ 3  5  7  8  9 12 22 32 65]

arr5 = arr4.reshape(3,3)
maxindex = np.argmax(arr4)
print(maxindex)   # 返回的是最大值的索引位置，如果存在多个最大（小），只返回第一次出现的结果

minindex = np.argmin(arr4)
print(minindex)   # 返回的是最小值的索引位置

print(arr5)

[[ 5  8  3][12  7  9][32 65 22]]

maxindex1 = np.argmax(arr5,axis = 0)
minindex1 = np.argmin(arr5,axis = 1)
print(maxindex1)  #返回各列的最大值索引位置
print(minindex1)  # 返回各行的最小值索引位置

[2 2 2]
[2 1 2]

金融数据分析与挖掘实战练习2.5-2.9相关推荐

金融数据分析与挖掘实战 4.2 Matplotlib（二）
Matplotlib常用图形绘制 Matplotlib绘制的常用图形包括散点图.线性图.柱状图.直方图.饼图.箱线图和子图. 1.散点图散点图又称为散点分布图,是以利用坐标点(散点)的分布形态反映特 ...
金融数据分析余挖掘实战1.9-1.10补充
# 1.9.2 有返回值的函数 def sumt(t): #求1一直加到t的和s = 0while t > 0:s = s + tt = t - 1return s s = sumt(30) # ...
金融数据分析与挖掘实战练习2.10
# 2.10矩阵及线性代数的运算 # 2.10.1 创建矩阵 import numpy as np mat1 = np.mat("1 2 3 ; 4 5 6 ; 7 8 9") p ...
金融数据分析与挖掘实战练习2.1-2.4
#逻辑运算符 3 and 4 4 3 and 5 and 8 # 如果用and连接多个正整数,那么将显示最后的那个 8 3 and 8 and 5 5 3 or 5 or 8 #如果用or连接多个正整 ...
金融数据分析与挖掘实战练习-1.9
# if while 的综合运用 # 猜数字 #请猜我心中的那个数字(假如是10) s = input("请猜测我心中记住的那个数字是:") guess = int(s) if g ...
金融数据分析与挖掘实战1.7-1.8
#1.7练习:如果成绩为60分以下,记为E,60-70 记为D,70-80 记为C ,80-90记为B, # 90-100记为A,某个同学成绩为75分,请设计一个if语句打印输出结果 #采用if语句进 ...
金融数据分析与挖掘实战1.5.2-1.5.3
# 列表的元素排序 L1 = [1,3,2,6,8,4,3,9,7] L1.sort() print(L1) [1, 2, 3, 3, 4, 6, 7, 8, 9] L1[3] = 5 #把L1列表中 ...
金融数据分析与挖掘实战1.4.4-1.5.1
# 1.4.4 统计 L1 = [1,2,3,4,5,6] t1 = (1,2,3,4,6) s2 = 'hello word!' m1 = max(L1) print(m1) 6 m2 = max( ...
金融数据分析与挖掘实战1.4.1-1.4.3
# 1.4.1 索引 # 在变量名后面紧跟中括号,中括号里面的数字就是要索引的位置 s3 = "I Like python" L1 = [1,2,3,4,5,6] t2 = (1, ...

金融数据分析与挖掘实战练习2.5-2.9

金融数据分析与挖掘实战练习2.5-2.9相关推荐

最新文章

热门文章