D03 Numpy排序、篩選、統計

title： D03|Numpy排序、篩選、統計

author： Adolph Lee

categories： 資料探勘基礎

tags：

Python

資料探勘基礎

統計

篩選

排序

​

在進行資料探勘工作之前，我們常常需要對資料的全貌今昔概覽，利用描述性統計獲取資料的特徵，例如資料的均值，中位數，眾數，離中趨勢，頻數分析，分佈分析以及繪製對應的圖表。在生活中最為常見的資料存放形式是二維表，我們將二維表資料轉換為ndarray之後對應的即為二維陣列，下面以二維陣列為例，講述numpy的排序、篩選、統計。

排序

關於排序，numpy的開發者們一早就為我們準備好了方法函式供我們使用，並且提供了多種不同的排序演算法例如最常用的quicksort以及穩定性最強的mergesort。

​

numpy。sort

numpy。sort（a， axis， kind， order）

a ⇒array指的是需要排序的陣列

axis ⇒ axis指定按行序排序或按列序排序 axis=0 列序， axis=1 行序 預設為行序

kind ⇒ 排序演算法的種類，例如：kind = ‘mergesort’ 預設值為quicksort

order ⇒ 如果陣列包含欄位名稱，那麼就可以利用order指定欄位

​

import numpy as nparray_2d = np。array（［［1，3，2］，［7，4，5］，［5，7，9］，［5，8，8］］）print（array_2d）# 按行序排序print（np。sort（array_2d））print（array_2d）# 按列序排序print（np。sort（array_2d，axis=0））

​

在演示按欄位排序之前，我們先學習為ndarray新增欄位名稱

利用資料型別物件（dtype）定義欄位名稱及欄位型別

這一過程就像在資料庫中建表

​

import numpy as npfiled = np。dtype（［（‘name’，‘S20’），（‘age’，int）］） # 注意使用小括號 而非中括號array_2d = np。array（［（‘Tyrone’，22），（‘Arya’，18），（‘Jon’，36）］，dtype=filed）print（array_2d）# 按欄位排序print（np。sort（array_2d，order=‘name’））

​

篩選

numpy提供了兩個篩選方法一個是where 一個是extract，where返回的符合條件元素所在的索引，extract返回的是符合條件元素本身，二則之間的異同，讓我們用實際輸出結果來比較。

​

where（condition）

where 返回符合條件元素所在索引

condition ⇒ 篩選條件

​

import numpy as nparray_2d = np。arange（0，10）。reshape（2，5）where_condition = np。where（array_2d > 5）print（where_condition）# 透過索引獲取元素print（array_2d［where_condition］）

​

extarct（condition，array）

extarct 返回符合條件元素所在索引

condition ⇒ 篩選條件

array 指定陣列

返回一維陣列

import numpy as nparray_2d = np。arange（0，10）。reshape（2，5）extarct_condition = np。extract（array_2d>5，array_2d）print（extarct_condition）

以上內容即為有關numpy的排序與篩選，學習好這一部分的知識，有助於我們更加便捷的理解，另一個數據科學庫pandas，pandas是基於numpy所開發的，下面進入numpy章節的最後一個部分，numpy的描述性統計。 ​

統計

numpy中的統計函式都是相當便捷與簡單的，例如獲取最大最小值獲取中位數，均值，加勸均值，分位數，方差標準差等，下面我們將一一介紹。

amax ⇒ 獲取最大值

amin ⇒ 獲取最小值

ptp ⇒ 獲取最大值最小值之差

percentile ⇒ 獲取分位數，percentile有三個引數（a，q，axis） a⇒指定陣列，q⇒指定百分數（0-100），axis⇒指定行序列序

median ⇒ 獲取中位數

mean ⇒ 獲取均值

average ⇒ 獲取加權平均值

std ⇒ 獲取標準差 標準差計算公式：std = sqrt（mean（（x-x。mean）**2））

var ⇒ 獲取方差 方差計算公式：var = std**2

​

import numpy as nparray_1d = np。arange（0，10）print（array_1d）# 獲取最大值print（np。amax（array_1d））# 獲取最小值print（np。amin（array_1d））# 獲取最大值最小值之差print（np。ptp（array_1d））# 獲取上下四分位數print（np。percentile（array_1d，75），np。percentile（array_1d，25））# 獲取中位數print（np。median（array_1d））# 獲取均值print（np。mean（array_1d））# 獲取加權平均值print（np。average（array_1d））# 獲取標準差print（np。std（array_1d））# 獲取方差print（np。var（array_1d））

​

至此，Numpy的介紹的就結束了，不難看出利用numpy操作二維陣列還是多有不便，想要操作其如同資料庫或者Excel表格一樣方便，還比較困難，而基於numpy開發的pandas庫的出現解決了這一問題。下一章節我們將開始認識pandas。

轉載請註明出處