第 24 天：统计¶
📘 第24天¶
Python进行统计分析¶
统计学¶
统计学是研究数据的_收集_、组织、显示、分析、解释_和_呈现_的学科。 统计学是数学的一个分支，建议作为数据科学和机器学习的先决条件。统计学是一个非常广泛的领域，但在本节中，我们将只关注最相关的部分。 完成这个挑战后，你可以进入Web开发、数据分析、机器学习和数据科学的道路。无论你选择哪条路，在你的职业生涯中的某个时刻，你都会得到可能需要处理的数据。拥有一些统计知识将帮助你基于数据做出决策，正如他们所说的_数据会告诉我们。
数据¶
什么是数据？数据是为某种目的收集和翻译的任何字符集，通常用于分析。它可以是任何字符，包括文本和数字、图片、声音或视频。如果数据没有放在上下文中，对人类或计算机来说都没有任何意义。为了从数据中获取意义，我们需要使用不同的工具来处理数据。
数据分析、数据科学或机器学习的工作流程都是从数据开始的。数据可以由某些数据源提供，也可以创建。有结构化和非结构化数据。
数据可以以小型或大型格式存在。我们将获得的大多数数据类型已在文件处理部分中介绍。
统计模块¶
Python的_statistics_模块提供了用于计算数值数据的数学统计的函数。该模块并不打算与第三方库如NumPy、SciPy或面向专业统计学家的专有全功能统计软件包（如Minitab、SAS和Matlab）竞争。它的目标是达到图形和科学计算器的水平。
NumPy¶
在第一部分中，我们将Python定义为一种优秀的通用编程语言，但在其他流行库（如numpy、scipy、matplotlib、pandas等）的帮助下，它成为了一个强大的科学计算环境。
NumPy是Python中科学计算的核心库。它提供了高性能的多维数组对象和用于处理这些数组的工具。
到目前为止，我们一直在使用vscode，但从现在开始，我建议使用Jupyter Notebook。要访问jupyter notebook，让我们安装anaconda。如果你使用anaconda，大多数常用的包都已包含在内，如果你已安装anaconda，就不需要再安装这些包。
导入NumPy¶
如果你喜欢jupyter notebook，可以使用它
Python
# 如何导入numpy
import numpy as np
# 如何检查numpy包的版本
print('numpy:', np.__version__)
# 检查可用的方法
print(dir(np))
使用NumPy创建数组¶
创建整型NumPy数组¶
Python
# 创建Python列表
python_list = [1,2,3,4,5]
# 检查数据类型
print('Type:', type (python_list)) # <class 'list'>
#
print(python_list) # [1, 2, 3, 4, 5]
two_dimensional_list = [[0,1,2], [3,4,5], [6,7,8]]
print(two_dimensional_list) # [[0, 1, 2], [3, 4, 5], [6, 7, 8]]
# 从Python列表创建NumPy(数值Python)数组
numpy_array_from_list = np.array(python_list)
print(type (numpy_array_from_list)) # <class 'numpy.ndarray'>
print(numpy_array_from_list) # array([1, 2, 3, 4, 5])
创建浮点型NumPy数组¶
使用浮点数据类型参数从列表创建浮点NumPy数组
Python
# Python列表
python_list = [1,2,3,4,5]
numy_array_from_list2 = np.array(python_list, dtype=float)
print(numy_array_from_list2) # array([1., 2., 3., 4., 5.])
创建布尔型NumPy数组¶
从列表创建布尔NumPy数组
Python
numpy_bool_array = np.array([0, 1, -1, 0, 0], dtype=bool)
print(numpy_bool_array) # array([False, True, True, False, False])
使用NumPy创建多维数组¶
一个NumPy数组可能有一个或多个行和列
Python
two_dimensional_list = [[0,1,2], [3,4,5], [6,7,8]]
numpy_two_dimensional_list = np.array(two_dimensional_list)
print(type (numpy_two_dimensional_list))
print(numpy_two_dimensional_list)
将NumPy数组转换为列表¶
Python
# 我们总是可以使用tolist()将数组转换回Python列表。
np_to_list = numpy_array_from_list.tolist()
print(type (np_to_list))
print('一维数组:', np_to_list)
print('二维数组: ', numpy_two_dimensional_list.tolist())
从元组创建NumPy数组¶
Python
# 从元组创建NumPy数组
# 在Python中创建元组
python_tuple = (1,2,3,4,5)
print(type (python_tuple)) # <class 'tuple'>
print('python_tuple: ', python_tuple) # python_tuple: (1, 2, 3, 4, 5)
numpy_array_from_tuple = np.array(python_tuple)
print(type (numpy_array_from_tuple)) # <class 'numpy.ndarray'>
print('numpy_array_from_tuple: ', numpy_array_from_tuple) # numpy_array_from_tuple: [1 2 3 4 5]
NumPy数组的形状¶
shape方法以元组形式提供数组的形状。第一个是行，第二个是列。如果数组只是一维的，它返回数组的大小。
Python
nums = np.array([1, 2, 3, 4, 5])
print(nums)
print('nums的形状: ', nums.shape)
print(numpy_two_dimensional_list)
print('numpy_two_dimensional_list的形状: ', numpy_two_dimensional_list.shape)
three_by_four_array = np.array([[0, 1, 2, 3],
[4,5,6,7],
[8,9,10, 11]])
print(three_by_four_array.shape)
Bash
[1 2 3 4 5]
nums的形状: (5,)
[[0 1 2]
[3 4 5]
[6 7 8]]
numpy_two_dimensional_list的形状: (3, 3)
(3, 4)
NumPy数组的数据类型¶
数据类型的类型：str, int, float, complex, bool, list, None
Python
int_lists = [-3, -2, -1, 0, 1, 2,3]
int_array = np.array(int_lists)
float_array = np.array(int_lists, dtype=float)
print(int_array)
print(int_array.dtype)
print(float_array)
print(float_array.dtype)
NumPy数组的大小¶
在NumPy中，要知道NumPy数组列表中的项目数，我们使用size
Python
numpy_array_from_list = np.array([1, 2, 3, 4, 5])
two_dimensional_list = np.array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
print('大小:', numpy_array_from_list.size) # 5
print('大小:', two_dimensional_list.size) # 9
使用NumPy进行数学运算¶
NumPy数组与Python列表不完全相同。要对Python列表进行数学运算，我们必须遍历项目，但NumPy可以不通过循环就进行任何数学运算。 数学运算：
- 加法 (+)
- 减法 (-)
- 乘法 (*)
- 除法 (/)
- 模数 (%)
- 整除 (//)
- 指数 (**)
加法¶
Python
# 声明
numpy_array_from_list = np.array([1, 2, 3, 4, 5])
print('原始数组: ', numpy_array_from_list)
print('加法: ', numpy_array_from_list + 2)
print('加法: ', np.add(numpy_array_from_list, 2))
减法¶
Python
# 声明
numpy_array_from_list = np.array([1, 2, 3, 4, 5])
print('原始数组: ', numpy_array_from_list)
print('减法: ', numpy_array_from_list - 2)
print('减法: ', np.subtract(numpy_array_from_list, 2))
乘法¶
Python
# 声明
numpy_array_from_list = np.array([1, 2, 3, 4, 5])
print('原始数组: ', numpy_array_from_list)
print('乘法: ', numpy_array_from_list * 2)
print('乘法: ', np.multiply(numpy_array_from_list, 2))
除法¶
Python
# 声明
numpy_array_from_list = np.array([1, 2, 3, 4, 5])
print('原始数组: ', numpy_array_from_list)
print('除法: ', numpy_array_from_list / 2)
print('除法: ', np.divide(numpy_array_from_list, 2))
模数¶
Python
# 声明
numpy_array_from_list = np.array([1, 2, 3, 4, 5])
print('原始数组: ', numpy_array_from_list)
print('模数: ', numpy_array_from_list % 2)
print('模数: ', np.mod(numpy_array_from_list, 2))
整除¶
Python
# 声明
numpy_array_from_list = np.array([1, 2, 3, 4, 5])
print('原始数组: ', numpy_array_from_list)
print('整除: ', numpy_array_from_list // 2)
print('整除: ', np.floor_divide(numpy_array_from_list, 2))
指数¶
Python
# 声明
numpy_array_from_list = np.array([1, 2, 3, 4, 5])
print('原始数组: ', numpy_array_from_list)
print('指数: ', numpy_array_from_list ** 2)
print('指数: ', np.power(numpy_array_from_list, 2))
检查数据类型¶
Python
numpy_int_arr = np.array([1, 2, 3, 4])
numpy_float_arr = np.array([1.1, 2.0, 3.2])
numpy_bool_arr = np.array([-3, -2, 0, 1, 2, 3], dtype='bool')
print(numpy_int_arr.dtype)
print(numpy_float_arr.dtype)
print(numpy_bool_arr.dtype)
转换类型¶
我们可以使用astype将数据类型从一种类型转换为另一种类型。让我们将int类型转换为浮点数，浮点数转换为整数，整数转换为布尔型。
Python
numpy_int_arr = np.array([1, 2, 3, 4], dtype='float')
numpy_int_arr.astype('int').dtype
numpy_float_arr = np.array([1.1, 2.0, 3.2])
numpy_float_arr.astype('int').dtype
numpy_int_arr = np.array([-3, -2, 0, 1, 2, 3])
numpy_int_arr.astype('bool').dtype
多维数组¶
NumPy的主要优点之一是处理多维数组。我们先构建多维数组。
Python
two_dimension_array = np.array([(1,2,3),(4,5,6), (7,8,9)])
print(type (two_dimension_array))
print(two_dimension_array)
print('形状: ', two_dimension_array.shape)
print('大小: ', two_dimension_array.size)
print('数据类型: ', two_dimension_array.dtype)
从NumPy中获取项目¶
Python
# 二维数组
two_dimension_array = np.array([[1,2,3],[4,5,6], [7,8,9]])
first_row = two_dimension_array[0]
second_row = two_dimension_array[1]
third_row = two_dimension_array[2]
print('第一行:', first_row)
print('第二行:', second_row)
print('第三行: ', third_row)
现在让我们获取每一行的第一项：
Python
first_column= two_dimension_array[:,0]
second_column = two_dimension_array[:,1]
third_column = two_dimension_array[:,2]
print('第一列:', first_column)
print('第二列:', second_column)
print('第三列: ', third_column)
NumPy数组切片¶
切片NumPy数组与切片Python列表相似，只是它适用于两个维度（行和列）。让我们先看看如何从NumPy数组中切片项目。
Python
numpy_array_from_list = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
print('原始数组：', numpy_array_from_list)
# 第一个参数代表：起始位置
# 第二个参数代表：停止位置
# 第三个参数代表：步长
print('第一个参数代表：起始位置')
print('第二个参数代表：停止位置')
print('第三个参数代表：步长')
# 使用正index
ten_first_items = numpy_array_from_list[0:10]
print('前10项：', ten_first_items)
first_five_items = numpy_array_from_list[:5]
print('前5项：', first_five_items)
last_five_items = numpy_array_from_list[5:]
print('后5项：', last_five_items)
# 使用负index
last_five_items = numpy_array_from_list[-5:]
print('后5项：', last_five_items)
Bash
原始数组： [ 1 2 3 4 5 6 7 8 9 10]
第一个参数代表：起始位置
第二个参数代表：停止位置
第三个参数代表：步长
前10项： [ 1 2 3 4 5 6 7 8 9 10]
前5项： [1 2 3 4 5]
后5项： [ 6 7 8 9 10]
后5项： [ 6 7 8 9 10]
现在，让我们通过设置步长来访问每个2个项目：
让我们反转数组：
我们可以在NumPy二维数组上使用切片：
Python
two_dimension_array = np.array([[1,2,3],[4,5,6], [7,8,9]])
print(two_dimension_array)
print(two_dimension_array[1, 1])
print(two_dimension_array[1, 1:3])
print(two_dimension_array[1:3, 1:3])
NumPy连接数组¶
NumPy提供了连接数组的方法。
Python
first_array = np.array([1, 2, 3])
second_array = np.array([4, 5, 6])
third_array = np.array([7, 8, 9])
print('第一个数组：', first_array)
print('第二个数组：', second_array)
print('第三个数组：', third_array)
水平连接¶
Python
horizontal_concat = np.hstack((first_array, second_array, third_array))
print('水平连接：', horizontal_concat)
垂直连接¶
Python
vertical_concat = np.vstack((first_array, second_array, third_array))
print('垂直连接：', vertical_concat)
常见NumPy函数¶
我们看看最常见的NumPy函数：
最小值、最大值、平均值、中位数和百分位数¶
Python
numpy_array_from_list = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
print('最小值：', numpy_array_from_list.min())
print('最大值：', numpy_array_from_list.max())
print('平均值：', numpy_array_from_list.mean())
🎉 恭喜！🎉