一、数据集
1.数据说明
-
fixed acidity 固定酸度
-
volatile acidity 挥发性酸度
-
pH 酸碱值
-
alcohol 酒精度数
-
quality 品质得分
2.部分数据展示
- 若需要全部数据，请私信作者，谢谢
二、导入数据——使用genfromtxt函数来读取文件
（1）genfromtxt函数详解
- 官网介绍：numpy.genfromtxt — NumPy v1.26 Manual
- genfromtxt(fname, dtype=<class 'float'>, comments='#', delimiter=None, skip_header=0, skip_footer=0, converters=None, missing_values=None, filling_values=None, usecols=None, names=None,...)
（1）fname：要读取的文件、文件名、列表或生成器；
（2）dtype【可选】：结果数组的数据类型。如果为“无”，则数据类型将分别由每列的内容确定；
（3）comments【可选】：str(字符串)，用于指示注释开始的字符。注释后一行中出现的所有字符都将被丢弃；
（4）delimiter【可选】：str、int(整型) or sequence(序列)，用于分隔值的字符串。默认情况下，任何连续的空格都充当分隔符。还可以提供整数或整数序列作为每个字段的宽度。
（5）skip_header【可选】：int，在文件开头要跳过的行数；
（6）skip_footer【可选】：int，文件末尾要跳过的行数；
（7）converters【可选】：variable(变量),将列数据转换为值的函数集。转换器还可用于为缺失数据提供默认值：converters = {3: lambda s: float(s or 0)}
（8）missing_values【可选】：variable，与缺失数据相对应的字符串集；
（9） filling_values【可选】：数据丢失时用作默认值的一组值；
（10）usecols【可选】：sequence，要读取哪些列，0 为第一列。例如， 将提取第 2、5 和 6 列。usecols = (1, 4, 5)
（11）names【可选】：True、str、sequence，默认值为None，如果names为True，则从第一个skip_header行之后的第一行读取字段名称。该行前面可以选择添加注释分隔符。如果名称是逗号分隔名称的序列或单字符串，则这些名称将用于定义结构化数据类型中的字段名称。如果名称为 None，则将使用 dtype 字段的名称（如果有）。
（2）读取文件数据
方法一：
# 1.导入numpy库，命名为numoy
import numpy as np
# 2.使用genformtxt函数来读取文件,通过观察发现数据以分号(;)作为分割
wines1 = np.genfromtxt(r"D:/数据分析与可视化/实验/实验一——葡萄酒品质数据基础分析/winequality-red.csv",delimiter=";")
# 3.查看数据
wines1
得到的结果如下图2-1所示：
- 问题：从上图的结果会发现，第一行的数据为nan，这是缺失值的意思，造成这种原因是因为数据第一行为各变量名，是字符串格式，而genfromtxt默认导入的数据格式为浮点型，故会被读成缺失值。
- 解决方法：为了防止缺失值的产生，可以调整参数skip_header为1，在读取时跳过第一行。
# 4.skip_header 用于设置数据加载时跳过文件头部的字符行数
wines1 = np.genfromtxt(r"D:/数据分析与可视化/实验/实验一——葡萄酒品质数据基础分析/winequality-red.csv",delimiter=";",skip_header=1)
# 5.查看数据
wines1得到的结果如下图2-2所示：
方法二：
- 问题： 从上图2-1、2-2可发现，各变量名的数据均不显示
- 解决办法：设定names为True来解决
# 1.names关键字设置为True
wines2 = np.genfromtxt(r"D:/数据分析与可视化/实验/实验一——葡萄酒品质数据基础分析/winequality-red.csv",delimiter=";",names = True)
# 2.查看数据
wines2
得到的结果如下图2-3所示：
- 注意：names参数的默认值为None。若为关键字赋予任何其他值，新名称将覆盖已使用dtype参数定义的字段名称
# 3.赋予参数names其他值
names = ['a','b','c','d','e','f','g','h','i','l','j','k']
# 4.再次导入数据，查看变化
wines2 = np.genfromtxt(r"D:/数据分析与可视化/实验/实验一——葡萄酒品质数据基础分析/winequality-red.csv",delimiter=";",names = names)
# 5.查看数据
wines2得到的结果如下图2-4所示：
- 从上图可见， 不仅修改了首行读取的列名，还默认了各列的数据类型都是浮点型'f8'
- 但两种方法读入的数据相同，但是在维度上却不相同，使用shape方法查看两种方法读入的数据的维度
# 第一种方法读入的数据的维度
print("第一份数据的维度",wines1.shape)
# 第二种方法读入的数据的维度
print("第二份数据的维度",wines2.shape)得到的结果如下图2-5所示：
- 从上图可见： 通过第一种方法读入的数据是一个二维数组，而通过第二种方法读入的数据是一个一维数组
- 使用dtype方法查看两份数据的数据类型
# 通过dtype查看各这两个数组的数据类型
wines1.dtype 
wines2.dtype 
三、数据选取
1.使用索引选取数据
| 索引 | -5 | -4 | -3 | -2 | -1 | ||
| 0 | 1 | 2 | 3 | 4 | |||
| 0 | -2 | a | b | c | d | e | |
| 1 | -1 | f | g | h | i | j | |
- 若想获取字母c，那么使用的列索引为2或者是-3，行索引为0或者是-2
# 1. 导入numpy库
import numpy as np
# 2. 使用numpy创建二维数组
data = np.array([
['a','b','c','d','e'],
['f','g','h','i','j'],
])
# 3.列索引 2 or -3 ，行索引 0 or -2
print("列索引为2:",data[0,2],data[-2,2])
print("列索引为-3:",data[0,-3],data[-2,-3])得到的结果如下图3-1所示：
- 对于红酒品质的数据，若想获取第三种红葡萄酒的品质得分，即第三行第十二列的数据，对应的行索引为2，列索引为11
# 1.通过切片的方式来得到第三种红葡萄酒的品质得分
wines1[2,11]
# 2.得到的结果
5.02.使用切片选取数据
-
如果我们想要从第四列中选择前三项，我们可以使用冒号（:）来完成。
-
冒号表示我们要从起始索引中选择所有元素，但不包括结束索引。
-
前括后不括——>（start(开始)：end(结束)：step(步长)）
（1）通过切片的方式来得到葡萄酒的第四列中的前三项
# 1.通过切片的方式来得到葡萄酒的第四列中的前三项
wines1[0:3,3]
# 2.得到的结果
array([1.9, 2.6, 2.3])
# 3.若从第一位开始取数据，则0可以省略
wines1[:3,3]
# 4.得到的结果
array([1.9, 2.6, 2.3])（2）通过切片的方式来得到葡萄酒的第四列中的全部数据
- 当不指定开始或结束索引，只用冒号制定时，将选择所有数据。
# 1. 通过切片的方式来得到葡萄酒的第四列中的全部数据
wines1[:,3]
# 2.得到的结果为
array([1.9, 2.6, 2.3, ..., 2.3, 2. , 3.6])
# 3.同理，提取第一种红葡萄酒的所有数据，即第一行整行数据
wines1[0,:]
# 4.得到的结果为
array([ 7.4 , 0.7 , 0. , 1.9 , 0.076 , 11. , 34. ,
0.9978, 3.51 , 0.56 , 9.4 , 5. ])
注意：本文中数据以及内容若有侵权，请第一时间联系删除。
本文是作者个人学习后的总结，未经作者授权，禁止转载，谢谢配合。
