Python模塊之Numpy

1.數組屬性

數組屬性反映了數組本身固有的信息。

屬性名字	屬性解釋
ndarray.shape	數組維度的元組
ndarray.ndim	數組維數
ndarray.size	數組中的元素數量
ndarray.itemsize	一個數組元素的長度（字節）
ndarray.dtype	數組元素的類型

2.數組生成

• 生成0和1數組

  • np.empty(shape[, dtype, order]) empty_like(a[, dtype, order, subok])
    eye(N[, M, k, dtype, order])
  • np.identity(n[, dtype])
  • np.ones(shape[, dtype, order])
  • np.ones_like(a[, dtype, order, subok])
  • np.zeros(shape[, dtype, order]) zeros_like(a[, dtype, order, subok])
    full(shape, fill_value[, dtype, order])
  • np.full_like(a, fill_value[, dtype, order, subok])

• 從現有數組生成

  • np.array(object[, dtype, copy, order, subok, ndmin])
    • 從現有的數組中創建
  • np.asarray(a[, dtype, order])
    • 相當於建立索引
  • np.asanyarray(a[, dtype, order]) ascontiguousarray(a[, dtype])
  • np.asmatrix(data[, dtype])
  • np.copy(a[, order])

• 生成固定範圍的數組

  • np.linspace (start, stop, num, endpoint, retstep, dtype)
    • 生成等間隔的序列
    • start 起始值
    • stop 終止值
    • num 個數默認50
    • endpoint 是否包含stop的值 默認爲True
    • retstep True 返回樣例
    • dtype 數據類型
  • np.arange(start,stop, step, dtype)
  • np.logspace(start,stop, num, endpoint, base, dtype)

• 生成隨機數組

  • 均勻分佈

  • np.random.rand(d0, d1, …, dn)

    • [0, 1]之間

  • np.random.uniform(low=0.0, high=1.0, size=None)

    • [low, high)之間 小數

  • np.random.randint(low, high=None, size=None, dtype=‘l’)

    • 整數

  • 正態分佈

  • np.random.randn(d0, d1, …, dn)

    • 標準正態分佈

  • np.random.normal(loc=0.0, scale=1.0, size=None)

    • loc 均值 scale 標準差

  • np.random.standard_normal(size=None)

    • 指定形狀的標準正態分佈

3.形狀改變

• ndarray.reshape() 返回轉換後的數組
• ndarray.resize() 替換原來的數組
• ndarray.T 轉置 行列互換

4.類型修改

• ndarray.astype()
• ndarray.tostring()
• ndarray.tobytes()

5.數組去重

• np.unique()

6.邏輯運算

import numpy as np
stock_change = np.random.normal(0, 1, (8, 10))
stock_change = stock_change[0:5, 0:5]
# 值大於0.5 設置爲1
stock_change[stock_change > 0.5] = 1

• np.all() 所有

• np.any() 任意

• np.where(條件, 爲真處理, 爲假處理) 三元運算符

  • np.where(stock_change > 0.5, 1, 0) 值大於0.5 的設爲1, 否則爲0
  • 復合邏輯
  • 多個條件 and : np.logical_and()
  • 多個條件 or : np.logical_or()

7.統計指標

• ndarray.min() 最小值
• ndarray.argmin() 最小值的位置
• ndarray.max() 最大值
• ndarray.argmax() 最大值的位置
• ndarray.mean() 平均值
• ndarray.std() 標準差
• ndarray.var() 方差
• np.median(ndarray) 中位數 np纔有這個方法
• 多維數組 通過axis 指定基於某個緯度 計算 a.min(axis=1)

8. 廣播

• 兩個array 的形狀 倒過來 從尾部開始比較, 對應數字相等 或其中任意一個爲1 纔可以廣播
  • (2, 5) 和 (5,)
  • (2, 3, 2, 4) 和 (1, 2, 1)

9. 矩陣運算

• 矩陣必須是2維的, 相乘必須滿足形狀 (m,n) * (n, l) = (m, l)

• np.mat() 將數組轉換爲矩陣, 矩陣必須是2維的, 轉成了matrix類型

• 矩陣相乘 必須要注意緯度, 可以利用reshape()轉換

  • matrix類型 直接用 * 相乘
  • array類型 np.dot() 和 np.matmul()

10.合併與分割

• np.concatenate() 通過axis=0 / 1 控制 水平/垂直合併

• np.hstack() 水平合併

• np.vstack() 垂直合併

• np.split()

  • np.split(x, 3) 平均切分3份
  • 指定切分點 np.split(x, [2, 7]) 索引爲2 和7 作爲切分點