Numpy 处理数据常用操作

基本操作

• 常用操作

import numpy as np
x = np.array([1,2,3,4])

x.ndim 返回维度数
x.shape 返回形状
x.size 返回大小

• 如果定义子矩阵且更改原元素会影响原矩阵，如果不想更改则加上.copy()
• 合并与分割操作
  如果有两个样本有三个特征，又有两个样本有相同的特征，则可以拼接起来；反之更改参数axis =1 ，列方向拼接，前提必须有同一维度，可以把一维向量reshape成1*n的二维矩阵

vstack，hstack 垂直拼接，水平拼接

数据分割，按照索引分割

按照维度分割，也可以加参数axis

按方向分割，vsplit， hsplit

n*1矩阵转换成向量

• numpy矩阵运算
  A和B矩阵相乘，A矩阵转置
  
  向量和矩阵在numpy里的运算

逆矩阵
只有方阵才有逆矩阵

伪逆矩阵
对任意二维矩阵，求伪逆矩阵

• 聚合运算
  np.sum(a，axis)比python内置的sum()函数要效率高
  np.prod()–所有元素乘积
  np.median()–中位数
  np.mean()–均值
  np.var()–方差
  np.std()–标准差
  np.percentile(x，q=50)–分位数

• 索引运算
  argmin(x)–返回随机向量中最小值的索引
  argmax(x)–返回随机向量中最大值的索引

• 排序和使用索引
  np.random.shuffle()打乱顺序
  np.sort(x) 与 x.sort() 区别：前者并不会改变原向量中元素顺序
  
  np.argsort() 先排序，而后显示排好序的元素在原向量中的位置
  
  np.partition(x,3) 3为标定点，小于标定点的排左，大于标定点的排在右，且排的数并无序