【python数据分析（4）】 Numpy随机数和Numpy数据的输入输出

1. Numpy随机数

​​numpy.random​​包含多种概率分布的随机样本，是数据分析辅助的重点工具之一，可以理解为直接将random库封装在里面了

1.1 ​​np.random.normal()：​​ 标准正态分布 —— 随机生成期望值为0，标准差为1的数据

samples = np.random.normal(size=(4,4))
print(samples)

–> 输出的结果为：(每次运行的结果是不一样的)

[[ 0.17875618 -1.19367146 -1.29127688  1.11541622]
 [ 1.48126355 -0.81119863 -0.94187702 -0.13203948]
 [ 0.11418808 -2.34415548  0.17391121  1.4822019 ]
 [ 0.46157021  0.43227682  0.58489093  0.74553395]]

1.2 ​​numpy.random.rand()：​​均匀分布 —— 随机生成一个[0,1)之间的浮点数或N维浮点数组

a = np.random.rand()
print(a,type(a))  # 生成一个随机浮点数

b = np.random.rand(4)
print(b,type(b))  # 生成形状为4的一维数组

c = np.random.rand(2,3)
print(c,type(c))  # 生成形状为2*3的二维数组，注意这里不是((2,3))

–> 输出的结果为：

0.3671245126484347 <class 'float'>

[ 0.95365841  0.45627035  0.71528562  0.98488116] <class 'numpy.ndarray'>

[[ 0.82284657  0.95853197  0.87376954]
 [ 0.53341526  0.17313861  0.18831533]] <class 'numpy.ndarray'>

1.3 ​​numpy.random.randn()：​​正态分布 —— 生成一个浮点数或N维浮点数组

samples1 = np.random.randn(10)
print(samples1)

samples2 = np.random.randn(2,5)
print(samples2)

–> 输出的结果为：

[-1.07341567 -0.6601267  -0.19374853  1.44820858  0.26453877 -0.4937472
 -0.82022635 -0.62650093  1.19518224  1.19693846]
 
[[-0.61614341  0.74219791 -0.10559783  0.13597484  0.67165899]
 [ 0.76474081 -0.89700563 -0.38994125 -0.23313716 -0.44029526]]

1.4 ★★★★★ ​​numpy.random.randint(low, high=None, size=None, dtype='l')：​​生成一个整数或N维整数数组

若​​high​​​不为​​None​​​时，取​​[low,high)​​​之间随机整数，否则取值​​[0,low)​​​之间随机整数，且​​high​​​必须大于​​low​​​​dtype​​参数：只能是int类型

print(np.random.randint(2))
# low=2：生成1个[0,2)之间随机整数  

print(np.random.randint(2,size=5))
# low=2,size=5 ：生成5个[0,2)之间随机整数

print(np.random.randint(2,6,size=5))
# low=2,high=6,size=5：生成5个[2,6)之间随机整数  

print(np.random.randint(2,size=(2,3)))
# low=2,size=(2,3)：生成一个2x3整数数组,取数范围：[0,2)随机整数 

print(np.random.randint(2,6,(2,3)))
# low=2,high=6,size=(2,3)：生成一个2*3整数数组,取值范围：[2,6)随机整数

–> 输出的结果为：

1
[1 0 0 1 1]
[5 2 5 5 2]
[[1 1 0]
 [1 1 0]]
[[4 4 3]
 [2 5 3]]

2. Numpy数据的输入输出

2.1 存储数组数据 .npy文件

​​np.save()​​存储文件

ar = np.random.rand(5,5)
print(ar)
np.save('D:/arraydata.npy', ar)

–> 输出的结果为：

[[0.87254906 0.00726477 0.37502478 0.64723601 0.10740997]
 [0.54276754 0.82614351 0.70233536 0.51561633 0.78215584]
 [0.58463386 0.23444911 0.39902693 0.77578908 0.34745686]
 [0.43733726 0.64815567 0.62844921 0.07246289 0.29193098]
 [0.44410149 0.89325329 0.76075618 0.6014087  0.98217215]]

2.2 读取数组数据 .npy文件

​​np.load()​​读取文件

ar_load =np.load('D:/arraydata.npy')
print(ar_load)

–> 输出的结果为：

[[0.87254906 0.00726477 0.37502478 0.64723601 0.10740997]
 [0.54276754 0.82614351 0.70233536 0.51561633 0.78215584]
 [0.58463386 0.23444911 0.39902693 0.77578908 0.34745686]
 [0.43733726 0.64815567 0.62844921 0.07246289 0.29193098]
 [0.44410149 0.89325329 0.76075618 0.6014087  0.98217215]]

2.3 存储/读取文本文件

​​np.savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='\n', header='', footer='', comments='# ')：​​​存储为文本txt文件
​​​fmt='%.18e'​​​ 默认输出格式，可进行修改
​​​delimiter=' '​​ 默认空格分隔

ar = np.random.rand(5,5)
np.savetxt('array.txt',ar, delimiter=',')

ar_loadtxt = np.loadtxt('array.txt', delimiter=',')
print(ar_loadtxt)

–> 输出的结果为：

系统输出窗口：

[[0.27809561 0.13099526 0.41413755 0.24738731 0.96509306]
 [0.52061013 0.46544273 0.48742147 0.65186243 0.06035009]
 [0.84144618 0.18436624 0.57374973 0.82352666 0.17068944]
 [0.65558846 0.28659065 0.3509751  0.14739354 0.33983354]
 [0.26037459 0.76700635 0.13992939 0.86856601 0.91177684]]

如果这里不希望输出的时候是科学计数法，想要以保留两位小数的方式保存数据，代码如下：

ar = np.random.rand(5,5)
np.savetxt('array.txt',ar,fmt='%.2f',delimiter=',')

ar_loadtxt = np.loadtxt('array.txt', delimiter=',')
print(ar_loadtxt)

–> 输出的结果为：

系统输出窗口：

[[0.11 0.58 0.84 0.33 0.06]
 [0.46 0.43 0.95 0.03 0.25]
 [0.65 0.55 0.55 0.63 0.8 ]
 [0.51 0.38 0.98 0.73 0.98]
 [0.15 0.34 0.11 0.6  0.77]]