Python Numpy鸢尾花实训,数据处理

黎明之道 等级 870 0 0

Python Numpy鸢尾花实训,数据处理

本文所用数据下载地址——>点这里下载

本实训读取iris数据集中鸢尾花的萼片、花瓣长度数据,并对其进行排序,去重,并求出和、累计和、均值、标准差、方差、最小值、最大值。

1、导入模块

import numpy as np
import csv 

Python Numpy鸢尾花实训,数据处理

2、获取数据

iris_data = []
with open("iris.csv") as csvfile:
    #使用csvfile中的文件
    csv_reader = csv.reader(csvfile)
    birth_header = next(csv_reader)
    for row in csv_reader:
        iris_data.append(row)
iris_data 

Python Numpy鸢尾花实训,数据处理

3、数据清理,去掉索引号(没有索引要转换数据类型)

iris_list = []
for row in iris_data:
    iris_list.append(tuple(row))

iris_list 

Python Numpy鸢尾花实训,数据处理

4、数据统计

(1)创建数据类型

datatype = np.dtype([("Sepal.Length",np.str_,40),#花萼的长度为字符型40
                    ("Sepal.Width",np.str_,40),
                    ("Petal.Length",np.str_,40),#花瓣的长度字符型40
                    ("Petal.Width",np.str_,40),
                    ("Species",np.str_,40)])#种类 

Python Numpy鸢尾花实训,数据处理

(2)创建二维数组

iris_data = np.array(iris_list,dtype = datatype)
iris_data 

Python Numpy鸢尾花实训,数据处理

(3)将待处理数据的类型转化为float类型

PetalLength = iris_data["Petal.Length"].astype(float)
PetalLength 

Python Numpy鸢尾花实训,数据处理

(4)排序

np.sort(PetalLength) 

Python Numpy鸢尾花实训,数据处理

(5)数据去重

np.unique(PetalLength) 

Python Numpy鸢尾花实训,数据处理

(6)对指定列求和、均值、标准差、方差、最小值及最大值

np.sum(PetalLength)#求和
np.mean(PetalLength)#求均值
np.std(PetalLength)#求标准差
np.var(PetalLength)#求方差
np.min(PetalLength)#求最小值
np.max(PetalLength)#求最大值 

Python Numpy鸢尾花实训,数据处理

收藏
评论区

相关推荐

Python Numpy鸢尾花实训,数据处理
Python Numpy鸢尾花实训,数据处理本文所用数据下载地址——本实训读取iris数据集中鸢尾花的萼片、花瓣长度数据,并对其进行排序,去重,并求出和、累计和、均值、标准差、方差、最小值、最大
NumPy数值计算基础(超详细的numpy使用方法)
NumPy数值计算基础 NumPy是在1995年诞生的Python库Numeric的基础上建立起来的,但真正促使NumPy的发行的是Python的SciPy库。但SciPy中并没有合适的类似于Numeric中的对
Pytorch构建栈式自编码器实现以图搜图任务(以cifar10做数据集)
(Pytorch构建栈式自编码器实现以图搜图任务) 本文旨在使用CIFAR10数据集,构建与训练栈式自编码器,提取数据集中图像的特征;基于所提取的特征完成CIFAR10中任意图像的检索任务并展示效果。 搞清楚pytorch与tensorflow区别 pytorchpytorch是一种python科学计算框架作用: 无缝替换numpy,通过G
盘点最重要的7个Python库
点击上方“Python爬虫与数据挖掘”,进行关注回复“书籍”即可获赠Python从入门到进阶共10本电子书导读:对于那些对Python数据生态系统不太熟悉的人士,我将简要地介绍一部分重要的库。 作者:韦斯·麦金尼(Wes McKinney)译者:徐敬来源:大数据DT(ID:hzdashuju) 01 NumPy http://numpy
Python矩阵和Numpy数组的那些事儿
大家好,我是IT共享者,人称皮皮。今天给大家介绍矩阵和NumPy数组。 一、什么是矩阵?使用嵌套列表和NumPy包的Python矩阵。矩阵是一种二维数据结构,其中数字按行和列排列。 二、Python矩阵 1\. 列表视为矩阵Python没有矩阵的内置类型。但是,可以将列表的列表视为矩阵。例:A 2\. 如何使用嵌套列表。A 三、NumPy数组 1\.
Ubuntu16.04下安装opencv3.4.2
1.安装官方给的opencv依赖包 * GCC 4.4.x or later * CMake 2.6 or higher * Git * GTK+2.x or higher, including headers (libgtk2.0-dev) # 控制opencv GUI * pkg-config * Python 2.6 or l
Ubuntu16.04安装视觉SLAM环境(OpenCV)
### **一、****安装依赖库** 1 sudo apt-get install build-essential 2 sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
Ubuntu16.4下QT配置opencv3.1+FFmpeg
安装依赖环境 ------ sudo apt-get install build-essential sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev sudo apt-get i
Ubuntu18.04安装OpenCV4.1.0
Ubuntu18.04安装OpenCV4.1.0 1.首先要安装依赖 sudo apt-get install build-essential \ cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev \ python-de
ubuntu16.04搭建opencv2.4.13开发环境
1.先去官网下载对应版本的opencv压缩文件,打开终端解压文件. unzip opencv-2.4.13.zip   mv opencv-2.4.13 opencv  2.安装一些必须的依赖库 sudo apt install cmake  sudo apt install build-essential cmake libgtk2.0-dev 
MINIST深度学习识别:python全连接神经网络和pytorch LeNet CNN网络训练实现及比较(二)
**版权声明:本文为博主原创文章,欢迎转载,并请注明出处。联系方式:460356155@qq.com** 在前一篇文章[MINIST深度学习识别:python全连接神经网络和pytorch LeNet CNN网络训练实现及比较(一)](https://www.oschina.net/action/GoToLink?url=https%3A%2F%2Fwww
Python3 比较两个图片是否类似或相同
  Python代码 #coding:utf8 import os from PIL import Image,ImageDraw,ImageFile import numpy import pytesseract import cv2 import imagehash import coll
Python实训第三天
#1.requests基本使用import requests # 导入requests请求库 # 往百度主页发送请求,获取响应对象 response = requests.get(url='https://www.baidu.com/') # 设置字符编码为 utf-8 response.enco
Python问题汇总
**1.dict is not callable** tree是一个字典类型。 tree("left") -> tree\["left"\] **2.list indices must be integers or slices, not tuple** dataset是原生的python数组,是list类型(python原生数组叫list类型)
Tensorflow开篇:环境安装1—Anaconda3
​Anaconda是一个Python科学计算环境,提供了很多常用的Python库,例如:  numpy,scipy, matplotlib等等。自带的包管理器conda也很强大,可以方便地安装各种Python库。 Anaconda3-4.1.1-Windows-x86_64.exe --python2.7 Ana