Python基础和Numpy基础_cython 和 numpy-CSDN博客

本文链接：https://blog.csdn.net/clony1/article/details/111305376

本文介绍了Python的基础知识，包括列表推导式、条件赋值、匿名函数与map方法，以及zip对象与enumerate的使用。进一步探讨了Numpy数组的构造、变形与合并，详细阐述了切片、索引及统计函数的应用。还讲解了广播机制、向量与矩阵计算，并提供了随机数生成和统计指标计算的实例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在这里插入图片描述

一、Python基础

1, 列表推导式与条件赋值

[* for i in *] 。其中，第一个 * 为映射函数，其输入为后面 i 指代的内容，第二个 * 表示迭代的对象。
value = a if condition else b ：

2. 匿名函数与map方法

在这里插入图片描述

map 函数来完成，它返回的是一个 map 对象，需要通过 list 转为列表：

3. zip对象与enumerate方法

zip函数能够把多个可迭代对象打包成一个元组构成的可迭代对象，它返回了一个 zip 对象，通过 tuple, list 可以得到相应的打包结果：
需要对两个列表建立字典映射时，可以利用 zip 对象：
*操作符和 zip 联合使用来进行解压操作
enumerate 是一种特殊的打包，它可以在迭代时绑定迭代元素的遍历序号：

二、Numpy基础

1. np数组的构造

等差序列： np.linspace, np.arange
特殊矩阵： zeros, eye, full
随机矩阵： np.random
- rand, randn, randint, choice ，它们分别表示0-1均匀分布的随机数组、标准正态的随机数组、随机整数组和随机列表抽样
- 当返回的元素个数与原列表相同时，等价于使用 permutation 函数，即打散原列表
- 随机种子，固定随机数的输出结果

2. np数组的变形与合并

转置： T
合并操作： r_ 和 c_ 分别表示上下合并和左右合并
维度变换： reshape

3. np数组的切片与索引

slice 类型的 start🔚step 切片

4. 常用函数

where 是一种条件函数，可以指定满足条件与不满足条件位置对应的填充值
nonzero, argmax, argmin
- 这三个函数返回的都是索引， nonzero 返回非零数的索引， argmax, argmin 分别返回最大和最小数的索引
any, all
- any 指当序列至少存在一个 True 或非零元素时返回 True ，否则返回 False
- all 指当序列元素全为 True 或非零元素时返回 True ，否则返回 False
cumprod, cumsum, diff
- cumprod, cumsum 分别表示累乘和累加函数，返回同长度的数组， diff 表示和前一个元素做差，由于第一个元素为缺失值，因此在默认参数情况下，返回长度是原数组减1
统计函数
- max, min, mean, median, std, var, sum, quantile ，其中分位数计算是全局方法，因此不能通过 array.quantile 的方法调用
- 需要略过缺失值，必须使用 nan* 类型的函数
- cov, corrcoef: 协方差和相关系数
  - DataFrame.corr(method='pearson', min_periods=1)
  - 参数说明：
    - method：可选值为{‘pearson’, ‘kendall’, ‘spearman’}
    pearson：Pearson相关系数来衡量两个数据集合是否在一条线上面，即针对线性数据的相关系数计算，针对非线性数据便会有误差。
    kendall：用于反映分类变量相关性的指标，即针对无序序列的相关系数，非正太分布的数据
    spearman：非线性的，非正太分析的数据的相关系数
    - min_periods：样本最少的数据量
    - 返回值：各类型之间的相关系数DataFrame表格。
  - 当 axis=0 时结果为列的统计指标，当 axis=1 时结果为行的统计指标