Numpy学习笔记

Numpy库学习笔记

Numpy的核心array对象以及创建array的方法

一，Array对象的背景:

①Numpy的核心数据结构，就叫做array就是数组，array对象可以是一堆数组，也可以是多维数组；

②python的list也可以实现相同的功能，但是array比list的优点在于性能好，包含的数组元数据信息，大量的便捷函数；

③Numpy成为事实上的Scipy，Pandas，Scikit-Learn，Tensorflow,Paddlepaddle等框架的“通用底层语言”

④Numpy的array和Python的List的一个区别，是他元素必须都是同一种数据类型，比如都是数字int类型，这也是Numpy高性能的一个原因；

二，array本身的属性

①shape：返回一个元组，表示array的维度

②ndim：一个数字，表示array的维度的数目

③size：一个数字，表示array中所有数据元素的数目

④dtype：array中元素的数据类型

三，创建array的方法

①从python的列表List和嵌套列表创建array

②使用预定函数arange，ones/ones_like，zeros/zeros_like，empty/empty_like，full/full_like，eye等函数创建

③生成随机数的np.random模块构建

Numpy常用random随机函数汇总

函数名	说明
seed([seed])	设定随机种子，这样每次生成的随机数会相同
rand(d0,d1,d2…,dn)	返回数据再【0，1】之间，具有均匀分布
randn(d0,d1,d2…,dn)	返回数据具有标准正太分布（均值0，方差1）
andint(low[,high,size,dtype])	生成随机整数，包含low，不包含high
random([size])	生成【0.0，1.0】的随机数
choice(a[,size,replace,p])	A是一维数组，从它里面生成随机结果
shuffle(x)	把一个数组x进行随机排列
permutation(x)	把一个数组x进行随机排列，或者数字的全排列
normal([loc,scale,size])	按照平均值loc和方差scale生成高斯分布的数字
untiform([low,high,size])	在【low，high】之间生成均匀分布的数字

四，Numpy中的数学统计函数

函数名	说明
np.sum	所有元素的和
np.prod	所有元素的乘积
np.cumsum	元素的累积加和
np.cumprod	元素的累积乘积
np.min	最小值
np.max	最大值
np.percentile	0-100百分位数
np.quantile	0-1分位数
np.median	中位数
np.average	加权平均，参数可以指定weights
np.mean	平均值
np.std	标准差
np.var	方差

以上函数，都有一个参数叫做axis用于指定计算轴为行还是列，如果不指定，那么会计算所有元素的结果

五，Numpy的axis参数的用途

axis=0代表行，axis=1代表列

对于sum/mean/media等会聚合函数：axis=0代表跨行计算，axis=1代表跨列计算

重点：机器学习将数据进行标准化

     A=(A-mean(A,axis=0))/std(A,axis=0)

六，Numpy给数组增加一个维度

   在不改变数据的情况下，添加数组维度；（注意观察这个例子，维度变了，但数据不变）

   原始数组：一维数组arr=[1,2,3,4],其shape是(4,),取值分别为arr[0],arr[1],arr[3]

   变形数组：二维数组arr[[1,2,3,4,]],其shape是（1，4），取值分别为a[0,0],a[0,1],a[0,2],a[0,3]

   3种方法：① np.newaxis: 关键字，使用索引的语法给数组添加维度

             ② np.expend_dims(arr,axis):方法，和np.newaxis实现一样的功能，给arr在axis位置添加维度

             ③ np.reshape(a.mewshape):方法，给一个维度设置为1完成升维