數(shù)據(jù)分析應(yīng)用項目化教程（Python） 課件 任務(wù)3.5 多維數(shù)組的數(shù)據(jù)處理與運(yùn)算2

第三章使用NumPy進(jìn)行多維數(shù)組創(chuàng)建與運(yùn)算

任務(wù)3.5多維數(shù)組的數(shù)據(jù)處理與運(yùn)算通用函數(shù)numpy中的nan和infnan的注意點axis參數(shù)理解通用函數(shù)

NumPy提供熟悉的數(shù)學(xué)函數(shù)，例如sin，cos和exp。在NumPy中，這些被稱為“通用函數(shù)”。在NumPy中，這些函數(shù)在數(shù)組上按元素進(jìn)行運(yùn)算，產(chǎn)生數(shù)組作為輸出。一元通用函數(shù)：接收一個數(shù)組參數(shù)；二元通用函數(shù)：接收二個數(shù)組參數(shù)通?函數(shù)（即ufunc）是?種對ndarray中的數(shù)據(jù)執(zhí)?元素級運(yùn)算的函數(shù)。通用函數(shù)的輸入是一組標(biāo)量，輸出也是一組標(biāo)量。一元通用函數(shù)函數(shù)使用說明abs(a)、fabs(a)逐個元素地計算整數(shù)、浮點數(shù)或復(fù)數(shù)的絕對值sqrt(a)計算每個元素的平方根(與a**0.5相等)square(a)計算每個元素的平方(與a**2相等)exp(a)計算每個元素的自然指數(shù)值e^x次方log(a)、log10(a)、log2(a)、log1p(a)分別為自然對數(shù)（底數(shù)為e）、底數(shù)為10的log、底數(shù)為2的log，log(1+x)sign(a)計算每個元素的符號值：1(正數(shù))、0(零)、-1(負(fù)數(shù))ceil(a)計算每個元素的最高整數(shù)值(即大于或者等于給定數(shù)值的最小整數(shù))modf(a)分別將數(shù)組的小數(shù)部分和整數(shù)部分按數(shù)組形式返回二元通用函數(shù)函數(shù)使用說明add(a,b)將數(shù)組a和數(shù)組b中對應(yīng)位置的元素相加subtract(a,b)從a數(shù)組中減去b數(shù)組中的元素multiply(a,b)將數(shù)組a與數(shù)組b相乘divide(a,b)，floor_divide(a,b)將數(shù)組a除于數(shù)組b；數(shù)組a整除數(shù)組b（舍去余數(shù))maximum(a,b)、fmax(a,b)將數(shù)組a與數(shù)組b中對應(yīng)位置的元素比較，返回元素級的最大值；比較數(shù)組a和b，并返回一個包含按元素的最大值的新數(shù)組，如果兩個元素相同，則返回第一個。minimum(a,b)、fmin(a,b)將數(shù)組a與數(shù)組b中對應(yīng)位置的元素比較，返回元素級的最小值；比較數(shù)組a和b，并返回一個包含按元素的最小值的新數(shù)組，如果兩個元素相同，則返回第一個。mod(a,b)計算數(shù)組a與數(shù)組b中相應(yīng)元素的相除后的余數(shù)(求模計算)copysign(a,b)將b數(shù)組中各元素的符號賦值給a數(shù)組中的對應(yīng)元素greater、greater_equal、less、less_equal、equal、not_equal、logical_and、logical_or、logical_xor執(zhí)行元素級的比較運(yùn)算，最終產(chǎn)生布爾型數(shù)組,相當(dāng)于運(yùn)算符>、≥、<、≤、==、!=;執(zhí)行元素級的真值邏輯運(yùn)算，相當(dāng)于與&,或|,異或^numpy中的nan和infnan(NAN,Nan):不是一個數(shù)字，數(shù)據(jù)分析中，nan常被用作表示數(shù)據(jù)缺失值。什么時候numpy中會出現(xiàn)nan：

當(dāng)我們讀取本地的文件為float的時候，如果有缺失，就會出現(xiàn)nan；

當(dāng)做了一個不合適的計算的時候，比如inf-infnp.sqrt(-3)inf(-inf,inf):infinity,inf表示正無窮，-inf表示負(fù)無窮什么時候會出現(xiàn)inf包括（-inf，+inf）當(dāng)做了一個不合適的計算的時候，比如np.divide(-3,0)nan的注意點1．兩個nan是不相等的In[2]:np.nan==np.nanOut[2]:False2．np.nan!=np.nanIn[3]:np.nan!=np.nanOut[3]:True3.利用以上特性，判斷數(shù)組中nan個數(shù)In[4]:t=np.array([1,2,np.nan,np.nan])In[5]:np.count_nonzero(t!=t)Out[5]:24.如何判斷ndarray對象中哪些元素是nan？通過np.isnan(t)來判斷，返回布爾數(shù)組。有了布爾數(shù)組作為索引，就可以把所有nan替換掉。In[6]:np.isnan(t)Out[6]:array([False,False,True,True])In[7]:t[np.isnan(t)]=0In[8]:tOut[8]:array([1.,2.,0.,0.])5.nan和任何值計算都為nanIn[9]:np.nan+0Out[9]:nan6.nan或者inf的類型是floatIn[10]:type(np.nan)Out[10]:floatIn[11]:type(np.inf)Out[11]:floatnan值替換

在一組數(shù)據(jù)中單純的把nan替換為0，合適么？會帶來什么樣的影響？比

如，全部替換為0后，替換之前的平均值如果大于0，替換之后的均值肯定會變小，所以更一般的方式是把缺失的數(shù)值替換為均值（中值）或者是直接刪除有缺失值的一行。那么問題來了：

如何計算一組數(shù)據(jù)的中值或者是均值？對列、行做循環(huán)，逐個元素判斷來計算。

在對numpy數(shù)組求平均np.mean()時，如果數(shù)組中有nan，此時求得的結(jié)果為nan。那么該如何忽略其中的nan來計算呢？此時可以用另一個方法：np.nanmean()，np.median，np.nanmax()，np.nanmin()等。ndarry缺失值填充列均值，并且不使用np.nanmean()，如何處理呢？axis參數(shù)理解小結(jié)通用函數(shù)：以逐元素方式操作多維數(shù)組的函數(shù)，支持?jǐn)?shù)組廣播。有數(shù)學(xué)運(yùn)算函數(shù)、三角函數(shù)、位運(yùn)算函數(shù)、比較函數(shù)、浮