Numpy科学计算从放弃到入门

标签：属性   intersect   form   对象   副本   space   bio   返回   输入数据   

什么是Numpy

Numpy是Python科学计算的基础包，不仅是python中使用最多的第三方库，还是SciPy、Pandas等数据科学的基础库。所提供的结构比Python自身的更高级、更高效。
可以说，Numpy所提供的数据结果是Python数据分析的基础。
标准的Python用列表list保存数组的值，list的元素在系统中内存是分散存储的，而Numpy的数组结构是存储在一个均匀连续的内存块中，遍历所有的元素更高效，节省了计算资源。
主要提供了以下功能：

• 快速高效的多维数组对象的ndarray
• 用于对数组执行元素级计算以及直接对数组执行数学运算的函数
• 用于读写硬盘上基于数组的数据集的工具
• 线性代数运算、傅立叶变换，以及随机数组生成
• 用于将C、C++、Fortran代码集成到Python的工具
• 作为算法之间传递数据的容器，对于数值型数据，Numpy数组在存储和处理数据时要比内置的Python数据结构高效得多

numpy提供了一个ndarray对象，多维数组的含义，维度称为rank（秩），每个线性的数组称为一个axes（轴）。数组是有属性的，可以通过函数shape获得数组的大小，通过dtype获得元素的属性

相关帮助文档

• 官方文档
• 中文快速入门
• 参考手册

一、如何创建数组

• array
  将输入数据（列表、元组、数组或其他序列类型）转换为ndarray。要么推断出dtype，要么显示指定dtype
  
• asarray
  将输入转换为ndarray，如果输入本身就是一个ndarray就不再复制
  array和asarray都可以将结构数据转化为ndarray，但是主要区别就是当数据源是ndarray时，array仍然会copy出一个副本，占用新的内存，但asarray不会

• arange
  类似内置的range，返回一个ndarray
  

• linspace
  和arrange的作用一样，只是包含指定的最终值

• zeros、zeros_like
  根据指定的形状和dtype创建一个全是9的数组。
  zeros_like以另一个数组为参数，并根据其形状和dtype创建一个全0数组

• ones、ones_like
  根据指定的形状和dtype创建一个全是1的数组。
  ones_like以另一个数组为参数，并根据其形状和dtype创建一个全1数组
  

• empty、empty_like
  类似ones和ones_like，只是产生的是全0数组

• eye、identity
  创建一个正方的N*N单位矩阵，对角线为1，其余为0
  

二、如何访问数组

• 下标索引
  arr2d=np.array([[1,2,3],[4,5,6],[7,8,9]])
  arr2d[0][2]和arr2d[0,2]是等价的

• 切片索引
  可以一次传入多个切片，
  arr2d[:2, 1:]

• 布尔型索引

将data中所有负值都设置为0

data[data < 0] = 0

• 选出所有名字为“cqh”的所有行

data[names == 'cqh']

• 整数索引
  利用整数数组进行索引

arr = np.empty((8,4))
for i in range(8):
    arr[i] = i
传入指定顺序
arr[[4,3,0,6]]
* 负数索引 
arr[[-3,-5,-7]]

• 方形索引
  使用np.ix_方法，可以将两个一维整数数组转换为一个用于选取方形区域的索引

arr = np.arange(32).reshape((8,4))

获取行[1,5,7,2]，列[0,3,1,2]，为

arr[np.ix_([1,5,7,2],[0,3,1,2])]

相当于执行了

arr[[1,5,7,2]][:,[0,3,1,2]]

错误方法：

arr[[1,5,7,2],[0,3,1,2]]

三、如何做算数运算

x1 = np.arange(1,11,2)
x2 = np.linspace(1,9,5)
np.add(x1, x2)
np.subtract(x1, x2)
np.multiply(x1, x2)
np.divide(x1, x2)
np.power(x1, x2)
np.remainder(x1, x2)

四、如何使用统计函数

默认axis=0代表沿着列统计，axis=1代表沿着行统计

• amax：矩阵中的最大值
• amin：矩阵中的最小值
• ptp：统计最大值与最小值的差
• percentile：统计数组的百分位数
• median：统计中位数
• mean：平均数
• average：加权平均值（需要传入各个元素的权重）
• std：标准差
• var：方差

五、如何转置数组和反转

• reshape

arr = np.arange(15).reshape((3,5))

• T

arr.T

六、如何去重、计算差集并集等集合操作

• unique(x)：计算x中的唯一元素，并返回有序结果
• intersect1d(x,y)：计算x和y中的公共元素，并返回有序结果
• union(x,y)：计算x和y的并集，并返回有序结果
• in1d(x,y)：得到一个表示“x的元素是否包含在y”的布尔型数组
• setdiff1d(x,y) 集合的差，元素在x中且不在y中
• setxor1d(x,y) 集合的对称差，存在于一个数组中但不同时存在两个数组中的元素

七、如何生成随机数

• rand：产生均匀分布的样本值
  

• uniform：产生在[0,1]中均匀分页的样本值
  

• randn：产生正态分布（平均值0，标准差1）的样本值，类似MATLAB接口
  

• normal：生成标准正态分布的样本数组
  

• randint：在给定的上下限范围内随机选取整数
  

• seed：确定随机数生成器的种子
• permutation：返回一个序列的随机排列
• shuffle：对一个序列就地随机排列
• bionmial：产生二项分布的样本值
• beta：生产Beta分布的样本值
• chisquare：产生卡方分布的样本值

• gamma：产生Gamma分布的样本值

八、如何输入输出文件

以二进制格式保存到磁盘

• np.save：保存到磁盘
• np.savez：将多个数组保存到一个压缩文件中，加载时得到一个字典对象
• np.load：从磁盘加载

存取文本文件

• loadtxt：指定各种分隔符
• savetxt：将数组写到以某种分隔符隔开的文本文件

Numpy科学计算从放弃到入门

标签：属性   intersect   form   对象   副本   space   bio   返回   输入数据   

原文地址：https://www.cnblogs.com/chenqionghe/p/12222642.html