Python數(shù)據(jù)分析numpy文本數(shù)據(jù)讀取索引切片實例詳解
更新時間：2023年08月21日 09:30:24 作者：YiYa_咿呀
這篇文章主要為大家介紹了Python數(shù)據(jù)分析numpy文本數(shù)據(jù)讀取索引切片實例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪
數(shù)據(jù)導入和數(shù)組轉(zhuǎn)置
np.loadtxt(framme,dtype='dataType',delimmiter='分隔符',
skiprows=''(跳過的行數(shù)'),
usecols=''需要用到的行數(shù)',
unpack='Ture/Flase(是否轉(zhuǎn)置)':加載文本文件數(shù)據(jù)
loadtxt參數(shù)意義
- numpy數(shù)組轉(zhuǎn)置的是4種方法
- np.loadtxt中的參數(shù)unpack值設(shè)置為TRUE
- 使用數(shù)組的.T屬性進行轉(zhuǎn)置
- 使用數(shù)組的transpose()方法進行轉(zhuǎn)置
- 使用numpy數(shù)組的swapaxes方法
實例如下：
import numpy as np filepath = './doubantop250.csv' t1 = np.loadtxt(filepath,usecols=(1,2,3),delimiter=',',dtype='float') print(t1) # 轉(zhuǎn)置的四種方式 # first method:Set the value of parameter "unpack" —— True t2 = np.loadtxt(filepath,usecols=(1,2,3),delimiter=',',dtype='float',unpack=True) # second method: use the '.T' attributions of array's t3 = t1.T print(t3) # third method: use the method of 'transpose' t4 = t1.transpose() print(t4) # forth method: swapaxes(arguments：axes needed swapped) t5 = t1.swapaxes(0,1) print(t5)
運行結(jié)果：
numpy數(shù)組索引與切片
import numpy as np filename = './doubantop250.csv' t1 = np.loadtxt(filename,delimiter=',',dtype='float',usecols=(1,2,3)) # print(t1) # 取行操作 print(t1[0]) print(t1[0,:]) # 取連續(xù)的多行 print(t1[3:]) print(t1[3:,:]) # 取不連續(xù)的多行 print(t1[[1,3,13,19]]) print(t1[[1,2,4,6],:]) # 取列 print(t1[:,0]) # 取連續(xù)的列 print(t1[:,2:]) # 取不連續(xù)的列 print(t1[:,[1,2]]) # 取第2-5行，2-3列 # 取多個位置的交叉數(shù)據(jù) print(t1[1:5,1:3]) # 取不相鄰的位置的數(shù)據(jù)信息 print(t1[[1,4,6],[0,1,2]])
import numpy as np filepath = './doubantop250.csv' t1 = np.loadtxt(filepath,delimiter=',',usecols=(1,2,3)) print(t1<9.5) t1[t1 < 9.5] = 0 print(t1[:,1]) # if-else操作 np.where(t1>=9.6,10,0) print(t1) # clip(m,n)把數(shù)組中小于m的替換成m,大于n的替換成n
以上就是Python數(shù)據(jù)分析numpy文本數(shù)據(jù)讀取索引切片實例詳解的詳細內(nèi)容，更多關(guān)于Python numpy數(shù)據(jù)讀取索引的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
2020年10款優(yōu)秀的Python第三方庫,看看有你中意的嗎？
2020已經(jīng)過去，在過去的一年里，又有非常多優(yōu)秀的Python庫涌現(xiàn)出來。相對于numpy、TensorFlow、pandas這些已經(jīng)經(jīng)過多年維護、迭代，對于大多數(shù)Python開發(fā)者耳熟能詳?shù)膸觳煌?/div> 2021-01-01
這篇文章主要介紹了pycharm如何為函數(shù)插入文檔注釋，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-02-02
這篇文章主要介紹了Python模塊相關(guān)知識點,總結(jié)分析了Python模塊的功能、原理、使用方法與操作注意事項,需要的朋友可以參考下2020-03-03
python跨文件夾調(diào)用別的文件夾下py文件或參數(shù)方式詳解
這篇文章主要給大家介紹了關(guān)于python跨文件夾調(diào)用別的文件夾下py文件或參數(shù)方式的相關(guān)資料,在python中有時候我們需要調(diào)用另一.py文件中的方法或者類,需要的朋友可以參考下2023-08-08
探討python??pandas.DataFrame.to_json?函數(shù)
這篇文章主要介紹了python??pandas.DataFrame.to_json?函數(shù)示例詳解,to_json?函數(shù)提供了靈活的參數(shù)設(shè)置,使得?pandas?數(shù)據(jù)框能夠以多種格式導出為?JSON?文件,需要的朋友可以參考下2024-07-07
Python+OpenCV手勢檢測與識別Mediapipe基礎(chǔ)篇
網(wǎng)上搜到了一些關(guān)于手勢處理的實驗,我在這兒簡單的實現(xiàn)一下,下面這篇文章主要給大家介紹了關(guān)于Python+OpenCV手勢檢測與識別Mediapipe基礎(chǔ)篇的相關(guān)資料,需要的朋友可以參考下2022-12-12
Python實現(xiàn)讀取大量Excel文件并跨文件批量計算平均值
這篇文章主要為大家詳細介紹了如何利用Python語言，實現(xiàn)對多個不同Excel文件進行數(shù)據(jù)讀取與平均值計算的方法，感興趣的可以了解一下2023-02-02
Pycharm直接使用遠程服務(wù)器代碼并調(diào)試的解決方法
這篇文章主要介紹了Pycharm直接使用遠程服務(wù)器代碼并調(diào)試的解決方法,本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2023-02-02
詳解Python Pyside6如何準確嵌入可視化數(shù)據(jù)圖表
Pyside6是一款基于Qt框架的Python GUI開發(fā)庫。它提供了豐富的UI組件和功能，支持多種操作系統(tǒng)。本文主要介紹了Pyside6嵌入可視化數(shù)據(jù)圖表的方法，需要的可以參考一下2023-05-05
從環(huán)境變量到配置中心帶你掌握Python多環(huán)境配置
這篇文章主要為大家詳細介紹了Python中配置管理的藝術(shù),本文會從環(huán)境變量到配置中心帶你優(yōu)雅駕馭多環(huán)境配置,文中的示例代碼講解詳細,感興趣的小伙伴可以了解下2026-03-03最新評論