Numpy总结

1.Numpy数组

（1）创建数组

1)直接创建

       a=np.array([1,2,3,4])

       b=np.array([1,2,3,4],[5,6,7,8])

2)使用函数

       b=np.arange(10)

       linspace,ones,zeros,eye.randn,empty

（2）属性

        ndim,shape,stride（跨度）

        dtype（通过astype显示转换）

（3）索引和切片

1)一维

        a[0],a[:4](半开),a[2:8:2](起始，结束，步长)，a[::]

2)二维

        a[0,0],a[0][0]

3)布尔数组

        a[a%2==0]

        &,|,~

4)花式索引

利用整数数组进行索引

arr[[4,0,3,6]]

arr[[1,5,7,2],[0,3,1,2]]

arr[[1,5,7,2]][:,[0,3,1,2]]

arr[np.ix_([1,5,7,2],[0,3,1,2])]

（4）2个注意点

1)Numpy总是试图自动把结果转换为行向量

2)Numpy数组是共享内存的，除非显示复制（.copy()）

2.Numpy运算

（1）数组和标量

        a+5（每个数加5）

        a*3（每个数乘3）

        比循环速度快

（2）数组和数组

1）维度相同

      对应位置逐个元素进行运算（a+b,c*d）

      矩阵内积np.dot()

      矩阵外积np.multiply.outer(arr,np.arange(5))

2）维度不同

       广播机制

       针对布尔数组，可以使用all()/any()函数来返回布尔数组的标量值

（3）内置函数

       1)线性代数 :dot，T，inv,qr,diag,trace,det,eig,solve,lstsq

       2)随机数 :seed,rand,randint,randn,normal

       3)将条件逻辑表述为数组运算:where(cond,x,y)当cond为True选x,否则选y

       4)统计: sum,mean,std（标准差）var（方差）,min,max,argmin,argmax,cumsum（所有元素的累计和）,sumprod（所有元素的累计积）

       5)合并和拆分：concatenate([arr1,arr2],axis=0)

       6)元素重复操作: tile和repeat

       7)花式索引: take和put

       8)数组重塑：reshape,ravel（互逆过程），newaxis（传入-1,表示该维度大小由数据本身推断而来）

       9)转置和轴对称：T或transpose

      10)排序:sort（默认升序），argsort

      11)唯一化:np.unique

      12)多项式求解和多项式拟合: 

               创建  p=np.poly1d（[1,-4,3]）  #x^2-4*x+3

               求根  p.roots

                阶数  p.order

               系数  p.coeffs

               拟合  np.polyfit(x,y,n_order(阶数））

      13)保存和读取:  np.savetxt('a.txt',a),np.loadtxt('a.txt')

（4）通用函数

矢量化包装器

一元ufunc

      abs,sqrt,square,exp,log,sign,ceil,floor,modf,isnan,isinf,cos,cosh,arccos

二元ufunc

      add,substract,multiply,divide,power,maximum,minimum,mod,copysign

（5）C和Fortran顺序

      C，矩阵行优先

      Fortran,矩阵全都是列优先

！！！注意：axis,0表示按行计算，1表示按列计算。

参考书籍：

《利用Python进行数据分析》

《scikit-learn机器学习》