Numpy科学计算从放弃到入门

站长

发表文章数:3062

机器学习竞赛分享:通用的团队竞技类的数据分析挖掘方法

目录

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

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
    Numpy科学计算从放弃到入门
  • 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
    Numpy科学计算从放弃到入门

  • 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

Numpy科学计算从放弃到入门

  • 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
    Numpy科学计算从放弃到入门

  • 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
    Numpy科学计算从放弃到入门

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

1.异常(Error和Exception)

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)

Numpy科学计算从放弃到入门

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))

Numpy科学计算从放弃到入门

  • T
arr.T

Numpy科学计算从放弃到入门

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
    Numpy科学计算从放弃到入门

  • uniform:产生在[0,1]中均匀分页的样本值
    Numpy科学计算从放弃到入门

  • randn:产生正态分布(平均值0,标准差1)的样本值,类似MATLAB接口
    Numpy科学计算从放弃到入门

  • normal:生成标准正态分布的样本数组
    Numpy科学计算从放弃到入门

  • randint:在给定的上下限范围内随机选取整数
    Numpy科学计算从放弃到入门

  • 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

头条一面竟然问我Maven?

未经允许不得转载:www.xssyun.com作者:站长, 转载或复制请以 超链接形式 并注明出处 xss云之家-资源网,新人技术交流平台,一个湖北娃的个人博客
原文地址:《Numpy科学计算从放弃到入门》 发布于2020-01-21

分享到:
赞(0) 生成海报

长按图片转发给朋友

投稿赚钱
2020年在家赚取零花钱
切换注册

登录

忘记密码 ?

您也可以使用第三方帐号快捷登录

Q Q 登 录
微 博 登 录
切换登录

注册