Python学习之Numpy速成记——基础篇(下)

                                                                             作者丨琳儿

                                                          来源丨医数思维云课堂(ID:Datamedi)   

上一期我们学习了Numpy基础知识,对Numpy有了一个基本的认识。这一期我将会向大家介绍Numpy常用函数

03

常用函数

1.读写文件

(1)用savetxt函数将数据存储到文件中,当然我们需要指定文件名以及要保存的数组。

i2 = np.eye(2)

print i2

np.savetxt("eye.txt", i2)

np.savetxt("weeksummary.csv", weeksummary, delimiter=",", fmt="%s")

指定了文件名、需要保存的数组名、分隔符(在这个例子中为英文标点逗号)以及存储浮点数的格式。

2.CSV 文件

日期,收盘价、成交量、开盘价、最高价和最低价:

c,v = np.loadtxt(R'C:UsersAdministrator.PC-201704251340DesktopPython

umpydata.csv',delimiter=',',usecols=(1,2),unpack=True)

c,v=np.loadtxt('data.csv', delimiter=',', usecols=(6,7), unpack=True)

skiprows=0,跳过0行。

loadtxt函数读取了一个包含股价数据的CSV文件。

delimite设置分隔符为,(英文标点逗号)。

usecols的参数为一个元组,以获取第7字段至第8字段的数据。

unpack参数设置为True,意思是分拆存储不同列的数据,即分别将收盘。价和成交量的数组赋值给变量c和v。

r代表不转义,如果不加r那么""中就要加双反斜杠。

3.常用数学函数

(1)mean函数可以计算数组元素的算术平均值:

print ("mean =", np.mean(c))

(2)min函数和max函数:

h,l=np.loadtxt('data.csv',delimiter=',', usecols=(4,5), unpack=True)

print ("highest =", np.max(c))

print ("lowest =", np.min(c))

(3)ptp函数可以计算数组的取值范围,该函数返回的是数组元素的最大值和最小值之间的差值。也就是说,返回值等于max(array) - min(array):

print ("Spread high price =", np.ptp(c))

(4)median的函数:

print ("median =", np.median(c))

(5)msort函数,获得排序后的数组:

sorted_close = np.msort(c)

print ("sorted =", np.msort(c))

(6)方差,标准差:

print("variance =", np.var(c))

print("Standard deviation =", np.std(c))

(7)使用cov函数计算股票收益率的协方差矩阵:

covariance = np.cov(c, v)

print("Covariance", covariance)

(8)使用diagonal函数查看对角线上的元素:

print("Covariance diagonal", covariance.diagonal())

(9)使用trace函数计算矩阵的迹,即对角线上元素之和:

print("Covariance trace", covariance.trace())

(10)使用corrcoef函数计算相关系数(或者更精确地,相关系数矩阵):

print("Correlation coefficient", np.corrcoef(c,v))

(11)去重函数:

a = np.array([2, 6, 5])

b = np.array([1, 2, 3])

c = np.array([1, 1, 3])

print(np.unique(c))

print(np.intersect1d(a,b))

print(np.union1d(a,b))

print(np.in1d(a,b))

Python学习之Numpy常用函数的内容就讲到这里,大家有任何疑问都可以加入我们的QQ群:生物统计学习讨论群:938773609。期待我们的再次相约。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 224,815评论 6 522
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 96,251评论 3 402
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 171,999评论 0 366
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 60,996评论 1 300
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 69,993评论 6 400
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 53,477评论 1 314
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 41,848评论 3 428
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 40,823评论 0 279
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 47,361评论 1 324
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 39,401评论 3 346
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 41,518评论 1 354
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 37,119评论 5 351
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 42,850评论 3 338
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 33,292评论 0 25
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 34,424评论 1 275
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 50,072评论 3 381
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 46,588评论 2 365

推荐阅读更多精彩内容