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
5.0

2.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。