1. 数据类型
| 名称 | 描述 |
|---|
| bool_ | 布尔型数据类型（True 或者 False） |
| int_ | 默认的整数类型（类似于 C 语言中的 long，int32 或 int64） |
| intc | 与 C 的 int 类型一样，一般是 int32 或 int 64 |
| intp | 用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64） |
| int8 | 字节（-128 to 127） |
| int16 | 整数（-32768 to 32767） |
| int32 | 整数（-2147483648 to 2147483647） |
| int64 | 整数（-9223372036854775808 to 9223372036854775807） |
| uint8 | 无符号整数（0 to 255） |
| uint16 | 无符号整数（0 to 65535） |
| uint32 | 无符号整数（0 to 4294967295） |
| uint64 | 无符号整数（0 to 18446744073709551615） |
| float_ | float64 类型的简写 |
| float16 | 半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位 |
| float32 | 单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位 |
| float64 | 双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位 |
| complex_ | complex128 类型的简写，即 128 位复数 |
| complex64 | 复数，表示双 32 位浮点数（实数部分和虚数部分） |
| complex128 | 复数，表示双 64 位浮点数（实数部分和虚数部分） |
| 名称 | 描述 |
|---|
| object | python对象类型 |
| string_ | 固定长度的字符串类型 |
| unicode_ | 固定长度的unicode类型 |
| NaN | 缺失数据 |
2. 库
2.1 创建数组
| 函数/方法 | 描述 |
|---|
| np.array() | 创建 |
| np.ones() | 创建全是1的数组 |
| np.zeros() | 创建全是0的数组 |
| np.full(size=,fill_value=n/str) | 创建全是某值的数组 |
| np.arange(start = n0,stop = n1,step = n2) | 等差数组，根据步长分组 ,左闭右开 |
| np.linspace(start = n0,stop = n1,num = n2) | 等差数组，根据元素数量分组(默认50个数) ，左右闭合 |
随机数组
| 函数/方法 | 描述 |
|---|
| np.random.random(n0,n1,size = [3,4]) | 随机数组（float,0~1之间） |
| np.random.randint(n0,n1,size = [3,4]) | 随机数组（int） |
| np.random.uniform(n0,n1,size) | 随机数组（float） |
| np.random.choice(a,size) | 随机数（组），可重复取数，a为一个数时，从{0,a)取值；a是array时，从数组中随机取值 |
| np.random.permutation(n) | 对0~n1整数随机重排 |
| np.random.randn(n) | 正态分布，平均值=0，标准差=1 |
| np.random.normal(loc=平均值,scale=标准差,size) | 规定平均值及标准差的正态分布 |
| np.random.RandomState(随机种子) | 伪随机数生成器 |
| np.random.seed(随机种子) | 伪随机数生成器 |
2.2 arr数据属性
| 函数 | 说明 |
|---|
| 属性查看 | .ndim | 数组轴数 |
| .shape | 数组尺寸形状 |
| .size | 数组元素总数 |
| .dtype | 数组数据类型 |
| .itemsize | 各元素大小 |
| .base | 根数据 |
| .nbytes | 数组总字节大小，nbytes=size*itemsize |
| 索引（二维为例） | arr[0] | 返回第一维数组 |
| arr[0,0] 或 arr[0][0] | 返回第一维度内的第一个数(数据原类型) |
| arr([0],[0]) | 返回第一维度内的第一个数(array类型) |
| arr[[0,1]] | 花式索引，将数据复制到新数组中 |
| 形状操作 | arr.reshape() | 更改形状 |
| arr.reshape((-1,n)) | 数据会根据n自动计算出新的形状 |
| arr.T | 形状转置 |
| arr[:,newaxis] | 形状转置 |
| np.transpose(arr,axes = (1,0,2)) | 改变数组维度，如shape=(3,4,5)，则变为shape=(5,4,3) |
| 排序函数 | arr.sort() | 排序并更改数组顺序 |
| np.sort(arr) | 排序输出但不改变数组顺序,axis可以更改轴 |
| arr.argsort() | 返回排序后的索引 |
| np.partition(arr,K,axis) | 将前K个值分隔放到最左边，其他值放右边 |
| np.argpartition(arr,K,axis) | 将索引值按np,partition规则分割 |
| arr[::-1] | 倒序 |
2.3 文件IO操作
| 函数 | 说明 |
|---|
| 文件IO操作 | np.save(‘x_arr’,x) | 单个数组保存 |
| np.savez(‘arr.npz’,x_arr = x,y_arr =y) | 多条数组保存 |
| np.savez_compressed(‘arr.npz’,x_arr = x,y_arr =y) | 多条数组保存,并压缩文件大小 |
| np.load(‘arr.npz’)[x_arr] | 加载数组文件 |
| np.savetxt(’/arr.csv’,arr,fmt=’%d’ ,delimiter = ‘,’) | 输出为csv文件 |
| np.loadtxt(’/arr.csv’,delimiter = ‘,’,dtype = 32int) | 加载csv文件 |
2.4 数组操作
| 函数 | 说明 |
|---|
| 数据类型转换 | np.asarray(arr,dtype=‘float16’) | 转换数据类型 |
| np.astype(dtype=np.float16) | 转换数据类型 |
| 去重 | arr.unique() | 去重 |
| 视图和深拷贝 | arr.view() | 用arr创建视图(浅拷贝) |
| arr.copy() | 用arr深拷贝一份 |
| 插入 | np.append(arr,values,axis) | 在数组末尾增加数据 |
| np.insert(arr, obj, values, axis) | 在数组特定位置（obj）插入数据 |
| 堆叠（串联） | np.concatenate([[arr1],[arr2]],axis = 1) | 1代表列 |
| np.hstack((arr1,arr2)) | |
| 堆叠（并联） | np.array([arr1,arr2]) | |
| np.concatenate([[arr1],[arr2]],axis = 0) | 0代表行 |
| np.vstack((arr1,arr2)) | |
| 拆分 | np.split(arr,indices_or_sections=2,axis=0) | 在第一维度平均分为两份 |
| np.split(arr,indices_or_sections=[2],axis=1) | 在第二维度以索引2为分界分开 |
| np.vsplit(arr,indices_or_sections=2) | 竖直方向平均分为两份 |
| np.hsplit(arr,indices_or_sections=[2]) | 垂直方向以索引2为分界分开 |
| 转化 | arr.tolist() | 数组转化为列表 |
| arr.tobytes() | 转化为字节 |
2.5 数组计算
- 基本计算：数组之间可以进行加减乘除等运算
- 逻辑运算：数组之间可进行比较（arr1 == arr2）运算，得到bool值的数组
- 与标量运算：数组与普通数组之间可进行加减乘除等运算
- *=、+=、-=操作：与数组和数字之间都可使用，会修改现有数组，⽽不是创建⼀个新数组
- 以上计算返回的都是np.array数组
| 函数 | 说明 |
|---|
| 通用函数 | np.abs(arr) | 绝对值 |
| np.sqrt(arr) | 平方根 |
| np.square(arr) | 平方 |
| np.exp(arr) | 以自然常数e为底的指数函数 |
| np.log (arr) | 以幂（真数）为自变量，指数为因变量，底数为常量的函数 |
| np.sin、cos、tan(arr) | 三角函数 |
| np.sinh、cosh、tanh(arr) | 双曲三角函数 |
| np.maxinmum、minimum(arr) | 最大、最小值 |
| np.count_nonzero(条件) | 统计符合条件的返回True的记录个数 |
| np.all(arr) | 测试沿着提到的轴的所有数组元素的求值是否为True |
| np.any (arr) | 测试沿着提到的轴的任一数组元素的求值是否为True |
| np.inner (arr) | 返回一维数组的向量内积。对于更高的维度，它返回最后一个轴上的和的乘积 |
| np.clip(arr) | 截取一定范围内的数 |
| np.round(arr) | 四舍五入 |
| np.trace(arr) | 返回沿数组对角线的和 |
| np.ceil(arr) | 上取整 |
| np.floor (arr) | 下取整 |
| where函数 | np.where(condition,arr_true,arr_false) | 条件函数 |
| 集合运算函数 | np.intersect1d(arr1,arr2) | 交集 |
| np.union1d(arr1,arr2) | 并集 |
| np.setdiff1d(arr1,arr2) | 差集 |
| 数学和统计函数 | 以下函数默认对整个数组计算，亦可以指定维度分别计算 | 如：arr. min(axis=0)表示每行的最小值 |
| min、max | 最大、最小值 |
| mean | 平均值 |
| median | 中位数 |
| sum | 计算总和 |
| std | 标准差 |
| var | 方差 |
| cumsum | 元素累加求和 |
| cumprod | 元素累积乘积 |
| argmin、argmax | 最小、最大值索引 |
| argwhere | 条件索引 |
| cov | 矩阵的协方差矩阵 |
| corrcoef | 矩阵相关系数 |
2.6 线性代数
| 函数 | 说明 |
|---|
| 矩阵计算 | arr1.dot(arr2) | arr1行乘以arr2列 |
| np.dot(arr1,arr2) | arr1行乘以arr2列 |
| 导入 | from numpy.linalg import inv,det,eig,qr,svd | |
| int(arr) | 矩阵的逆 |
| det(arr) | ⾏列式 |
| eig(arr) | 特征值和特征向量 |
| qr(arr) | qr分解值 |
| svd(arr) | svd分解值 |
3. 常见问题
3.1 使用“and、or”还是“&、|”
and 和 or 判断整个对象是真或假，而 & 和 | 是指每个对象中的比特位
当你使用 and 或 or 时，就等于让 Python 将这个对象当作整个布尔实体
当你对整数使用 & 和 | 时，表达式操作的是元素的比特
扫一扫
11万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
