Python数据分析:Numpy学习笔记

小灰灰 2023-10-09 10:09 31阅读 0赞

## Numpy学习笔记 ##

### ndarray多维数组 ###

#### 创建 ####

import numpy as np
    np.array([1,2,3,4])
    np.array([1,2,3,4,],[5,6,7,8])
    np.zeros(8)
    np.zeros(3,4)
    np.ones(4)
    np.one_like([1,2,3,4])
    np.empty((2,2,2))
    np.arange(10)

数组创建函数

*  arange
 *  ones/ones\_like
 *  zeros/zeros\_like
 *  empty/empty\_like
 *  eye/identity

#### 属性 ####

*  ndim: 轴的个数
 *  shape: 数组的维度
 *  size: 元素总个数
 *  dtype: 数据类型
 *  itemsize: 每个元素的字节大小

#### 数据类型 ####

*  float
 *  int
 *  complex
 *  bool
 *  string\_
 *  object

类型转换

attr1.astype(np.float64)  # np.float64和'float64'都可以
    attr1.astype('string_')
    attr1.astype('int32')

#### 数组变换 ####

*  reshage: 变换
 *  flattern: 扁平
 *  ravel: 散开

arr1 = np.arrary(9)
    arr.reshape((3,3))
    arr.reshape((3, -1))  # -1根据数据数据本身/3决定

> 3种变换(数据重塑)都不会修改原数组

*  concatenate: 合并
 *  split: 拆分

arr1 = np.arrage(12).reshape(3, 4)
    arr2 = np.arrange(12,24).reshape(3,4)
    np.concatenate([arr1, arr2], axis=0)  # 相当于np.vstack([arr1, arr2])
    np.concatenate([arr1, arr2], axis=1) # 相当于np.hstack([arr1, arr2])
    np.split(arr1, [2, 4])

*  transpose: 数组转制(只支持2维)
 *  swapaxes: 轴对换(支持多维)

arr1 = np.arange(12).reshape(3,4)
    arr1.transpose((1,0))  # 相当于 arr1.T
    
    arr2 = np.arrage(16).reshape(2,2,4)
    arr2.swapaxes(1,2) # 交换y,z轴

#### 随机函数(random) ####

*  rand: 均匀分布的样品值
 *  randint: 随机整数
 *  randn: 平均数为0, 标准差为1的正态分布随机数
 *  normal: 指定平均数和标准差的正态分布数组
 *  seed: 随机种子
 *  permutation: 随机排序, 不改变原数组
 *  shuffle: 随机排序,改变原数组
 *  uniform(low, high, size): 均匀分布的数组
 *  poisson(lam, size): 泊松分布数组

arr1 = np.random.randint(100, 200, size=(5,4))
    np.random.randn(2,3,5)
    np.random.normal(4,5,size=(3,5))
    np.random.permutation(arr1)
    np.random.shuffle(arr1)

### 数组的索引和切片 ###

*  索引支持多维索引arr1\[2,3\] 或arr1\[2\]\[3\]
 *  索引值为原数组的视图, 修改arr1\[2,3\]会修改原数组(如并不想修改需使用arr1\[2,3\].copy())
 *  切片支持多维切片arr1\[2:, :-1\]
 *  布尔型索引 datas\[fruits==0\] = 1 \# 筛选赋值
 *  花式索引: arr\[np.ix\_(\[3,2\],\[2,1\]) \# arr\[\[3,2\]\]\[:,\[2,1\]\]

### 数组运算 ###

#### 标量运算 ####

arr1 = np.array([1, 2, 3])
    arr1 * 10
    arr1 * arr1
    arr1 - arr1

#### 通用函数 ####

*  abs: 绝对值
 *  square: 平方
 *  add: 两个数组相加
 *  minimum: 计算最小值
 *  modf: 分割整数部分和小数部分
    
    > 可以指定axis轴

#### 条件逻辑运算 ####

*  np.where(cond, arr1, arr2) \# 类似3元表达式

#### 统计运算 ####

*  sum: 求和
 *  mean: 求算术平均数
 *  std/var: 求标准差/方差
 *  min/max: 最小数/最大数
 *  argmin/argmax: 最小数/最大数索引
 *  cumsum: 所有元素的累加和
 *  cumprod 所有元的累计积
 *  all/any: 布尔类型运算

#### 集合运算 ####

*  np.unique: 找出所有唯一值,并排序
 *  np.inld: 是否包含指定的值
 *  np.intersect1d: 公共元素
 *  np.union1d: 并集
 *  np.setdiff1d: 差集
 *  setxor1d: 交集取反

#### 线性代数 ####

*  np.dot: 点积
 *  from numpy.linalg import det ...

### 数组存取 ###

*  np.loadtxt: 读取

arr1 = np.loadtxt('1.csv', delimiter=',')

### 示例: 图像变换 ###

转载于:https://www.cnblogs.com/superhin/p/11454725.html