1. 掌握数组中数据排序的方法
2. 掌握数组中数据清洗的方法（包含去重以及数据的重复）
3. 掌握数组中各种统计功能的使用方法

在使用NumPy进行统计分析时，一般要考虑以下几个步骤：即对数据按照要求进行排序，然后对不符合要求的数据进行清洗，最后对数据进行统计。

在NumPy中的排序方式主要可以概括为直接排序和间接排序两种。

直接排序：对数值直接进行排序，常用函数为sort() 间接排序：根据一个或多个键对数据进行排序，常用函数为argsort()和lexsort()

sort()函数是最常用的排序方法，无返回值 。在函数运行之后，原始数据会被修改。使用sort()函数排序时可以设置axis参数，用以指定排序的方向 。

Example1: 随机数的排序

>>> import numpy as np
>>> np.random.seed(50)
>>> arr = np.random.randint(1,10,10)
# 创建一个数组arr包括10个1～9的随机整数
>>> arr.sort()
# 对arr进行排序，并将修改arr中原有的值为新的顺序
# 此时顺序为升序，思考：如何改成逆序
>>> arr = np.random.randint(1,10,size=(3,3))
>>> arr.sort(axis = 1)
>>> arr.sort(axis = 0)
# axis参数，1代表横向，0代表纵向

Expand1: random.seed的作用

random.seed()的作用是什么？

seed( ) 用于指定随机数生成时所用算法开始的整数值。

1. 如果使用相同的seed( )值，则每次生成的随即数都相同；
2. 如果不设置这个值，则系统根据时间来自己选择这个值，此时每次生成的随机数因时间差异而不同。
3. 设置的seed()值仅一次有效

Example2: order的用法

sort函数排序时，使用order 指定排序字段

>>> dt = np.dtype([('name', 'S10'),('age', int)]) 
>>> a = np.array([("kevin", 21),("peter",25),("tony", 17), ("mike",27)], dtype = dt)
>>> print ('数组:') 
>>> print (a) 
>>> print ('\n')  
>>> print ('按 name 排序:') 
>>> print (np.sort(a, order = 'name'))

argsort函数对一维数组进行排序，排序时记录的是这个数组中排好序之后的索引数组。这个数组表示的是数据在新的序列中的位置。

Example3

>>> arr = np.array([3,2,5,7,8,0,4,1,9,6])
>>> arr.argsort()
>>> arr[arr.argsort()]

lexsort函数可以一次性对满足多个键的数组执行间接排序。其排序返回的值与argsort函数一样，都是返回的索引。对于这个函数的应用，可以把它想象成对电子表格进行排序，每一列代表一个序列 ，排序时优先照顾靠后的列。

这里举一个应用场景：小升初考试，重点班录取学生按照总成绩录取。在总成绩相同时，数学成绩高的优先录取，在总成绩和数学成绩都相同时，按照英语成绩录取…… 这里，总成绩排在电子表格的最后一列，数学成绩在倒数第二列，英语成绩在倒数第三列。 Example4

>>> arr1 = np.array([3,2,5,7,8])
>>> arr2 = np.array([8,42,15,71,28])
>>> arr3 = np.array([115,342,115,771,528])
>>> arr4 = np.lexsort((arr1,arr2,arr3))
>>> list(zip(arr1[arr4],arr2[arr4],arr3[arr4]))

数据清洗是指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。

数据重复也是数据清洗过程中经常要去完成的一个方面。NumPy中提供了unique()函数来找出数组中的唯一值，并返回排序好的数组。

Example5

>>> vehicle = ['train','bus','ship','car','subway','ship','bicycle']
>>> np.unique(vehicle)

tile()函数用来对数据进行重复拼接。

函数格式: tile(A,reps)

A : array_like, A的类型众多，几乎所有类型都可以：array, list, tuple, dict, matrix以及基本数据类型int, string, float以及bool类型。 reps : array_like, reps的类型也很多，可以是tuple，list, dict, array, int, bool.但不可以是float, string, matrix类型。表示A沿各个维度重复的次数 Example6

>>> arr = [1,2]
>>> tile(arr,2)
array([1, 2, 1, 2])
# 表示一个维度重复2次

>>> tile(arr,(1,2))
array([[1, 2, 1, 2]])
#表示第一个维度重复两次，第二个维度重复一次

>>> tile(arr,(2,2,3))
array([[[1, 2, 1, 2, 1, 2],
        [1, 2, 1, 2, 1, 2]],

       [[1, 2, 1, 2, 1, 2],
        [1, 2, 1, 2, 1, 2]]])
# 表示第一维度重复三次，第二个维度重复两次，第三个维度重复两次

repeat()函数同样是用来对数据进行重复的。

用法有两种：

numpy.repeat(a, repeats, axis=None) a.repeat(repeats, axis=None) 其中a为数组，repeats为重复的次数，axis表示数组维度

>>> a = np.arange(10)  
>>> a  
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])  
>>> a.repeat(5)  
array([0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 4, 4, 4,  
        4, 4, 5, 5, 5, 5, 5, 6, 6, 6, 6, 6, 7, 7, 7, 7, 7, 8, 8, 8, 8, 8, 9,  
        9, 9, 9, 9])  
>>> a
np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])  #a数组的内容没改变

>>> a=np.array([10,20])
>>>a
array([10,20])
>>> a.repeat([3,2])   
array([10, 10, 10, 20, 20])  
>>> repeat(a,[3,2])   #  对a数组中的对应元素进行重复复制，需要注意的是len(repeats)==a.shape[axis]
array([10, 10, 10, 20, 20]) 

>>> a=np.array([[10,20],[30,40]])  
>>> a.repeat([3,2],axis=0)  
array([[10, 20],  
         [10, 20],  
         [10, 20],  
         [30, 40],  
         [30, 40]])  
>>> a.repeat([3,2],axis=1)  
array([[10, 10, 10, 20, 20],  
         [30, 30, 30, 40, 40]]) 

在NumPy中，常见的统计函数有以下几种:

以上函数在对数据进行统计时，如不指定axis参数，则表示对整个数组进行统计。当axis参数为1时，表示沿横轴进行计算，当axis参数为0时，表示沿纵轴进行计算。