Python模块之Numpy

1.数组属性

数组属性反映了数组本身固有的信息。

属性名字	属性解释
ndarray.shape	数组维度的元组
ndarray.ndim	数组维数
ndarray.size	数组中的元素数量
ndarray.itemsize	一个数组元素的长度（字节）
ndarray.dtype	数组元素的类型

2.数组生成

• 生成0和1数组

  • 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])

• 从现有数组生成

  • np.array(object[, dtype, copy, order, subok, ndmin])
    • 从现有的数组中创建
  • np.asarray(a[, dtype, order])
    • 相当于建立索引
  • np.asanyarray(a[, dtype, order]) ascontiguousarray(a[, dtype])
  • np.asmatrix(data[, dtype])
  • np.copy(a[, order])

• 生成固定范围的数组

  • np.linspace (start, stop, num, endpoint, retstep, dtype)
    • 生成等间隔的序列
    • start 起始值
    • stop 终止值
    • num 个数默认50
    • endpoint 是否包含stop的值 默认为True
    • retstep True 返回样例
    • dtype 数据类型
  • np.arange(start,stop, step, dtype)
  • np.logspace(start,stop, num, endpoint, base, dtype)

• 生成随机数组

  • 均匀分布

  • np.random.rand(d0, d1, …, dn)

    • [0, 1]之间

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

    • [low, high)之间 小数

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

    • 整数

  • 正态分布

  • np.random.randn(d0, d1, …, dn)

    • 标准正态分布

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

    • loc 均值 scale 标准差

  • np.random.standard_normal(size=None)

    • 指定形状的标准正态分布

3.形状改变

• ndarray.reshape() 返回转换后的数组
• ndarray.resize() 替换原来的数组
• ndarray.T 转置 行列互换

4.类型修改

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

5.数组去重

• np.unique()

6.逻辑运算

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

• np.all() 所有

• np.any() 任意

• np.where(条件, 为真处理, 为假处理) 三元运算符

  • np.where(stock_change > 0.5, 1, 0) 值大于0.5 的设为1, 否则为0
  • 复合逻辑
  • 多个条件 and : np.logical_and()
  • 多个条件 or : np.logical_or()

7.统计指标

• 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() 标准差
• ndarray.var() 方差
• np.median(ndarray) 中位数 np才有这个方法
• 多维数组 通过axis 指定基于某个纬度 计算 a.min(axis=1)

8. 广播

• 两个array 的形状 倒过来 从尾部开始比较, 对应数字相等 或其中任意一个为1 才可以广播
  • (2, 5) 和 (5,)
  • (2, 3, 2, 4) 和 (1, 2, 1)

9. 矩阵运算

• 矩阵必须是2维的, 相乘必须满足形状 (m,n) * (n, l) = (m, l)

• np.mat() 将数组转换为矩阵, 矩阵必须是2维的, 转成了matrix类型

• 矩阵相乘 必须要注意纬度, 可以利用reshape()转换

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

10.合并与分割

• np.concatenate() 通过axis=0 / 1 控制 水平/垂直合并

• np.hstack() 水平合并

• np.vstack() 垂直合并

• np.split()

  • np.split(x, 3) 平均切分3份
  • 指定切分点 np.split(x, [2, 7]) 索引为2 和7 作为切分点