NumPy 基础用法

标签：类型   ber   nes   div   区别   IV   生成   exp   元组   

NumPy 是高性能科学计算和数据分析的基础包. 它是 pandas 等其他各种工具的基础.

主要功能:

• ndarray 一个多维数组结构, 高效且节省空间
• 无需循环对整组数据进行快速运算的数学函数
• 线性代数, 随机数生成和傅里叶变换功能

ndarry 多维数组

• 创建ndarry: np.array(array_like)
• 数组与列表的区别:
• 数组对象类元素类型必须相同
• 数组大小不可修改

ndarry 常用属性

• T: 数组的转置
• size: 数组元素个数
• ndim: 数组的维数
• shape: 数组的维度大小(元组形式)
• dtype: 数组元素的数据类型

ndarry 创建方法

• array() 将列表转为数组, 可选择显式指定 dtype
• arange() range 的 numpy 版支持浮点数
• linspace() 类似 arange(), 第三个参数为数组长度
• zero() 根据指定形状和 dtype 创建全0数组
• ones() 根据指定形状和 dtype 创建全1数组
• empty() 根据指定形状和 dtype 创建空数组(内存随机值)
• eye() 根据指定边长和 dtype 创建单位矩阵

ndarray 索引

• 一维数组索引 a[5]
• 多维数组索引 a[2][3]

• 新式写法 a[2, 3] (推荐)

• 对于一个数组, 选出其第1, 3, 4, 6, 7个元素, 组成新的二维数组: a[[1,3,4,6,7]]
• 布尔型索引, 选出所有大于5的偶数: a[(a>5) & (a%2=0)]
• 布尔型索引, 选出所有大于5的数和偶数: a[(a>5) | (a%2=0)]

• 对于一个二维数组, 选出其第一列和第三列, 组成新的二维数组: a[:, [1, 3]]

ndarry 切片

• 一维数组的切片: 与列表类似
• 多维数组的切片: a[1:2, 3:4] a[:, 3:5] a[:, 1] (前行后列)
• 与列表切片的不同: 数组切片时并不会自动复制(而是创建一个视图), 在切片数组上的修改会影响原数组
• copy() 方法可以创建数组的深拷贝

NumPy 通用函数

浮点数特殊值

• nan(Not 啊Number) 不等于任何浮点数(nan != nan)
• inf(infinty) 比任何浮点数都大
• NumPy中创建特殊值 np.nan np.inf
• 在数据分析中, nan常被用做数据缺失值

一元函数

abs sqrt exp log ceil(向上取整) floor(向下取整) rint trunc modf isnan isinf cos sin tan

二元函数

add substract multiply divide power mod maximum mininum

数学和统计方法

• sum 求和
• mean 求平均数
• std 求标准差
• var 求方差
• min 求最小值
• max 求方差
• argmin 求最小值索引
• argmax 求最大值索引

随机数生成

• rand 给定形状产生随机数组(0到1之间的数)
• randin 给定形状产生随机整数
• choice 给定形状产随机选择
• shuffle 与random.shuffle相同
• uniform 给定形状产生随机数组

NumPy 基础用法

标签：类型   ber   nes   div   区别   IV   生成   exp   元组   

原文地址：https://www.cnblogs.com/haoxi/p/9175781.html