Python之numpy

numpy调用： import numpy as np

numpy关键点：

1.1 ndarray(n维数组对象)

两大属性：shape(每一维大小)和dtype(数据类型)

创建ndarray方式：array函数（注是函数，输入应为数组，而不是参数；可指定数据类型）、zeros ((3,4))、ones、empty和arrange（10,30,5）函数，asarray，ones_like，zeros_like，empty_like，eye，identity

• arrange函数：起始值，终值，步长

• linspace函数：起始值，终值，数目（等差数列）
• logspace函数：起始值，终值，数目（等比数列）
  

数据类型： intfloat complex bool object string_ unidcode_  

数据类型转换：astype函数

<span style="font-size:14px;color:#000000;">array2=array1.astype(np.float64)
</span>

数组间的操作：相同大小数组间的算术运算作用在每个元素上。

数组的索引和切片：arr[3:7] 包含3456但不包含7，左闭右开。数组的切片是在原来数组上,切片变数组跟着变。除非有明显的拷贝语句:arr.copy()

布尔索引：arr [ a==b ] (操作符包括== != - & | )

Fancy索引：(拷贝数据，而不像切片)  arr[ [ 2,4,5,1 ] ]; 负数表示从尾开始 

• arr[ [2,4,5,1] ,[ 3,5,6,1] ]表示四个数对应的是（2,3），(4,5），（5,6)，（1,1）；arr[ [2,4,5,1] ] [ :,[3,5,6,1] ] 对应的是矩形区域按照fancy索引

• np.ix_函数 arr[np.ix_([2,4,5,1],[3,5,6,1])]

转置数组：

• arr.T

• np.dot： np.dot(arr.T，arr)

• arr.transpose（(1,0,2)） 即改变第一维和第二维的顺序。返回视窗，不是拷贝。arr.swapaxes(1,2)

1.2 元素操作

Unary ufuncs

函数	描述
abs, fabs	计算基于元素的整形，浮点或复数的绝对值。fabs对于没有复数数据的快速版本
sqrt	计算每个元素的平方根。等价于 arr ** 0.5
square	计算每个元素的平方。等价于 arr ** 2
exp	计算每个元素的指数。
log, log10, log2, log1p	自然对数（基于e），基于10的对数，基于2的对数和 log(1+ x)
sign	计算每个元素的符号：1(positive)，0(zero)， -1(negative)
ceil	计算每个元素的天花板，即大于或等于每个元素的最小值
floor	计算每个元素的地板，即小于或等于每个元素的最大值
rint	圆整每个元素到最近的整数，保留dtype
modf	分别返回分数和整数部分的数组
isnan	返回布尔数组标识哪些元素是 NaN （不是一个数）
isfinite, isinf	分别返回布尔数组标识哪些元素是有限的（non-inf, non-NaN）或无限的
cos, cosh, sin sinh, tan, tanh	regular 和 hyperbolic 三角函数
arccos, arccosh, arcsin, arcsinh, arctan, arctanh	反三角函数
logical_not	计算基于元素的非x的真值。等价于 -arr

Binary universal funcitons

函数	描述
add	在数组中添加相应的元素
substract	在第一个数组中减去第二个数组
multiply	对数组元素相乘
divide, floor_divide	除和地板除（去掉余数）
power	使用第二个数组作为指数提升第一个数组中的元素
maximum, fmax	基于元素的最大值。 fmax 忽略 NaN
minimum, fmin	基于元素的最小值。 fmin 忽略 NaN
mod	基于元素的模（取余）
copysign	拷贝第二个参数的符号到第一个参数
greater, greater_equal, less, less_equal, not_equal	基于元素的比较，产生布尔数组。等价于中缀操作符 >,>=, <, <=,==, !=
logical_and, logical_or, logical_xor	计算各个元素逻辑操作的真值。等价于中缀操作符 &,|, ^

1.3 数组处理

meshgrid(x,y): 横坐标为x,纵坐标为y，构成坐标图

where:    np.where(cond, xarr, yarr) # xarr if cond else yarr

sum mean: 有一个参数为axis

cumsum(dim): 累计和，dim为选择的维度

cumprod(dim): 累计乘

方法	描述
sum	对数组的所有或一个轴向上的元素求和。零长度的数组的和为灵。
mean	算术平均值。灵长度的数组的均值为NaN。
std, var	标准差和方差，有可选的调整自由度（默认值为n）。
min, max	最大值和最小值
argmin, argmax	索引最小和最大元素。
cumsum	从0元素开始的累计和。
cumprod	从1元素开始的累计乘。

布尔操作： any all 返回bool值

sort排序：arr.sort(dim)就地修改，但是顶层的np.sort()为拷贝。

unique: np.unique(arr)取不重复的数组arr元素

1.4 数组文件的输入和输出

np.save('filename',arr)

np.load('filename')

np.savez('filename',a=arr,b=arr-1) #多个数据

rest=np.load('filename')

rest['b']

文本文件：

pandas: read_csv   read_table

np.loadtxt  np.genfromtxt  np.savatxt

1.5 线性代数

numpy.linalg 有一个关于矩阵分解,像转置,行列式等的一个标准集合

from numpy.linalg import inv, qr

x.dot(y)  np.dot(x,y)  #矩阵相乘

mat.T

inv(mat)

常用 numpy.linalg 函数

函数	描述
diag	返回一个方阵的对角线（或非对角线）元素为一个一维数组，或者转换一个一维数组到一个方阵（非对角线元素为零）
dot	矩阵乘积
trace	计算对角线上元素的和
detaa	计算矩阵行列式
eig	计算方阵的特征值和特征向量
inv	计算方阵逆矩阵
pinv	计算方阵 Moore-Penrose pseudo-inverse 的逆矩阵
qr	计算 QR 分解
svd	计算奇异值分解（SVD）
solve	求解线性系统方程 Ax = b 的x，其中A是一个方阵
lstsq	计算 y = Xb 的最小二乘解

参考文献：http://pda.readthedocs.io/en/latest/chp4.html