数据分析与可视化 实践基础练习三 （NumPy）

一、实训要求

实训：葡萄酒品质数据NumPy基础分析

本次案例使用葡萄酒品质数据，该数据集包含1599种红葡萄酒的各种信息，如酒的固定酸度、挥发性酸度和pH值等测量值，也包括一个酒的品质得分，该得分是至少三类口味测试者给该款酒打分的平均值。该数据来源于公开数据库UCI，更多详细信息可以查看 https://archive.ics.uci.edu/ml/datasets/Wine+Quality 。

数据集下载，DataSet。

数据说明：

img-202304011237728

二、练习题目

请完成以下操作：

1、提取第一种葡萄酒的所有数据；

2、将葡萄酒数据降为一维数据；

3、将降维后的数组重新恢复成以前的形状；

4、我们计划引入一种新的葡萄酒品质打分方法，同时保留原来的品质得分，所以需要添加一列新值在原始数组后，初始值全为0；

5、我们认为葡萄酒数据中的品质得分普遍偏低，打算将所有葡萄酒的品质得分加10；

6、我们想要选择最大化酒精含量和品质的葡萄酒（我们想喝醉，但我们想喝好酒），需要计算各葡萄酒酒精度数乘以品质得分的值;

7、计算品质得分数据的标准差;

8、哪些葡萄酒的酒精度数高于10 ，并统计其个数。

三、题解

1
2
3
4
5
6
7
# 基础实训3：葡萄酒品质数据NumPy基础分析

# 0.导入数据
import numpy as np # numpy主要用于对多维数组进行计算

wines = np.loadtxt("./winequality-red.csv", delimiter = ";", skiprows = 1) # 原数据集第1行是字符串，读取数据时要跳过1行(skiprows=1)
wines # 输出
1
2
3
4
5
6
7
array([[ 7.4  ,  0.7  ,  0.   , ...,  0.56 ,  9.4  ,  5.   ],
       [ 7.8  ,  0.88 ,  0.   , ...,  0.68 ,  9.8  ,  5.   ],
       [ 7.8  ,  0.76 ,  0.04 , ...,  0.65 ,  9.8  ,  5.   ],
       ...,
       [ 6.3  ,  0.51 ,  0.13 , ...,  0.75 , 11.   ,  6.   ],
       [ 5.9  ,  0.645,  0.12 , ...,  0.71 , 10.2  ,  5.   ],
       [ 6.   ,  0.31 ,  0.47 , ...,  0.66 , 11.   ,  6.   ]])
1
2
3
# 1、提取第一种葡萄酒的所有数据；

wines[0] # 输出第一行
1
2
array([ 7.4   ,  0.7   ,  0.    ,  1.9   ,  0.076 , 11.    , 34.    ,
        0.9978,  3.51  ,  0.56  ,  9.4   ,  5.    ])
1
2
3
4
# 2、将葡萄酒数据降为一维数据；

# 方法一
wines.flatten() # flatten()函数只能适用于numpy对象, 返回一个折叠成一维的数组且原数组不变。
1
array([ 7.4 ,  0.7 ,  0.  , ...,  0.66, 11.  ,  6.  ])
1
wines.shape
1
(1599, 12)
1
2
# 方法二
wines.reshape(1, 1599*12) # 获取数组的尺寸后，用reshape()重塑为1行n列
1
array([[ 7.4 ,  0.7 ,  0.  , ...,  0.66, 11.  ,  6.  ]])
1
2
3
# 3、将降维后的数组重新恢复成以前的形状；

wines.reshape(1599,12) # 还原数组尺寸
1
2
3
4
5
6
7
array([[ 7.4  ,  0.7  ,  0.   , ...,  0.56 ,  9.4  ,  5.   ],
       [ 7.8  ,  0.88 ,  0.   , ...,  0.68 ,  9.8  ,  5.   ],
       [ 7.8  ,  0.76 ,  0.04 , ...,  0.65 ,  9.8  ,  5.   ],
       ...,
       [ 6.3  ,  0.51 ,  0.13 , ...,  0.75 , 11.   ,  6.   ],
       [ 5.9  ,  0.645,  0.12 , ...,  0.71 , 10.2  ,  5.   ],
       [ 6.   ,  0.31 ,  0.47 , ...,  0.66 , 11.   ,  6.   ]])
1
2
3
4
5
# 4、我们计划引入一种新的葡萄酒品质打分方法，同时保留原来的品质得分，所以需要添加一列新值在原始数组后，初始值全为0；

new_col = np.zeros((1599)) # 相当于初始化一列全0
wines = np.insert(wines, 12, new_col, axis = 1) # 在最后一列位置引入新列（轴向，0：行，1：列）
wines
1
2
3
4
5
6
7
array([[ 7.4  ,  0.7  ,  0.   , ...,  9.4  ,  5.   ,  0.   ],
       [ 7.8  ,  0.88 ,  0.   , ...,  9.8  ,  5.   ,  0.   ],
       [ 7.8  ,  0.76 ,  0.04 , ...,  9.8  ,  5.   ,  0.   ],
       ...,
       [ 6.3  ,  0.51 ,  0.13 , ..., 11.   ,  6.   ,  0.   ],
       [ 5.9  ,  0.645,  0.12 , ..., 10.2  ,  5.   ,  0.   ],
       [ 6.   ,  0.31 ,  0.47 , ..., 11.   ,  6.   ,  0.   ]])
1
2
3
4
# 5、我们认为葡萄酒数据中的品质得分普遍偏低，打算将所有葡萄酒的品质得分加10；

wines[:, -2] = wines[:, -2] + 10 # 将倒2列的值更新为加10后的值
wines
1
2
3
4
5
6
7
array([[ 7.4  ,  0.7  ,  0.   , ...,  9.4  , 15.   ,  0.   ],
       [ 7.8  ,  0.88 ,  0.   , ...,  9.8  , 15.   ,  0.   ],
       [ 7.8  ,  0.76 ,  0.04 , ...,  9.8  , 15.   ,  0.   ],
       ...,
       [ 6.3  ,  0.51 ,  0.13 , ..., 11.   , 16.   ,  0.   ],
       [ 5.9  ,  0.645,  0.12 , ..., 10.2  , 15.   ,  0.   ],
       [ 6.   ,  0.31 ,  0.47 , ..., 11.   , 16.   ,  0.   ]])
1
2
3
4
5
# 6、我们想要选择最大化酒精含量和品质的葡萄酒（我们想喝醉，但我们想喝好酒），需要计算各葡萄酒酒精度数乘以品质得分的值。

a = wines[:, -3] * wines[:, -2] # 倒3列时酒精度数，倒2列是品质得分相乘即可
print(a)
np.max(a) #再利用numpy求最大值即可
1
2
3
[141. 147. 147. ... 176. 153. 176.]

252.0
1
2
3
# 7、计算品质得分数据的标准差。

np.std(wines[:, -2]) # 计算品质得分的标准差
1
0.8073168769639513
1
2
3
# 8、哪些葡萄酒的酒精度数高于10 ，并统计其个数。

sum(wines[:, -3] > 10) # sum会计算为True的数量
1
852

四、参考资料

实训数据集（DataSet）

np.loadtxt()的详细用法

np.insert的用法