数据分析(2)--numpy的函数用法

numpy中用很多常见的函数，如果使用的好，对我们的工作帮助是很大的，本篇我会拿其中一部分来做介绍

通用函数ufunc（universal function）

Numpy提供了许多通用函数，这些通用函数可以看做是以前通过Python计算的矢量化版本。
在numpy中提供了很多库，这部分和math中的库很像，可以简单理解为矢量预算的math

 1. abs / fabs   取绝对值
 2. ceil / floor 取整函数
 3. exp 取平方函数，也可以使用** 来代替
 4. log / log2 / log10 取对数函数
 5. modf  
    返回数值的小数部分与整数部分
    返回一个元组，元组中含有两个元素（ndarray数组类型） 
    前面的（索引为0）的元素包含的是小数值，后面的（索引为1）的元素包含的是整数值。
 7. sin / sinh / cos / cosh 三角函数
 8. sqrt 开方运算函数

统计函数*

这部分是重点，无论在深度学习还是机器学习中，都经常用到 比如常见的场景：在运算的过程中，先计算图像的均值，之后用图像的像素点减去三个通道的均值，之后在做运算 可以使用mean做运算，当然也可以使用 [0,0,0]或者[128,128,128]等
Numpy（或数组对象）具有如下常用的统计函数。

* mean / sum  sum计算pr曲线的使用统计正确率是很常见的操作
* max / min  计算最大值和最小值
* argmax / argmin  返回最大值和最小值的索引，在实际应用过程中通常用作嵌套使用
* std / var 标准差和方差
* cumsum / cumprod 求累积和累积乘积 

轴（axis）

可以指定axis参数来改变统计的轴。axis是一个非常重要的参数，关于数组的很多操作与运算，都涉及该参数。轴的取值为0,1,2……其中0表示最高的维度，1表示次高的维度，以此类推。同时，轴也可以为负值，表示倒数第n个维度，例如，-1表示最后（低）一个维度。在二维数组中，0表示沿着竖直方向进行操作，1表示沿着水平方向进行操作。在多维数组中，轴相对复杂一些，可以认为，是沿着轴所指定的下标变化的方向，进行操作。例如，如果轴是1，则根据第1个下标变化的方向上进行操作。

随机函数

这个方法很重要，在聚类过程中，如果计算所有簇之间的聚类计算量是巨大的，可以使用随机选择簇心，或者计算簇心来进行簇间操作

* np.random.rand 参数为多个参数共同决定
* np.random.random 与rand相同，但是形状通过一个参数(元组)指定。
* np.random.randn 常用于深度学习的构建神经网络产生随机正太分布的数值
* np.random.normal 可以自定义均值和标准差的标准正太分布
* np.random.randint 在给定起点和终点差生随机整数值
* np.random.seed
* np.random.shuffle
* np.random.uniform

连接与拆分函数

* np.concatenate 对多个数组按指定轴的方向进行连接。 通常应用为多个numpy文件的合并 例如特征文件
* np.vstack / np.hstack    axis =0 
* np.split / np.hsplit / np.vsplit  axis = 1

其他函数（方法）

* any / all
* transpose（T） 矩阵转置
* swapaxis
* dot（@）  一种特殊的运算方法，表示相同位置做惩罚之后相加
* sort / np.sort
* unique
* np.where 搜索是否有包含的符合条件的值
* np.save / np.load  保存和加载numpy数据 默认为二进制
* np.savetxt / np.loadtxt 可以指定保存文件的格式

说明：

• sort可以指定排序的轴。
• save在保存数组时，如果没有指定扩展名，则自定补充.npy作为扩展名。