numpy

《数学分析基础笔记》

                         ——numpy、matplotlib、pandas的基础知识

1. 概念

numpy是数值计算的基础数据库，它其中包括了n维数组对象

2. 数组

2.1 创建

import numpy as np
#numpy读取数据
np.loadtxt(frame,dtype = np.float,delimiter = None,shiprows = 0,usecols = None,unpack = False)
# delimiter分隔符;dtype读取的数据类型；unpack为true有转置效果

#numpy中的转置，以下三种方法都可以
t.transpose()
t.T
t.swapaxes(1,0)

#使用numpy生成数组，类型为ndarray
t1 = np.array([1,2,3])
t2 = np.array(range(10))
t3 = np.arange(10)
#以上三种方式均可生成数组

#用dtype指定numpy中的数据类型
t4 = np.array(range(1,4),dtype = "float")

#调整数据类型
t5 = t4.astype("int8")

#修改浮点数的小数位数，例如取两位小数
np.round(b,2)

2.2 数组的形状

数组的轴
二维数组 axis = 0 表示行，axis = 1 表示列
三维数组 axis = 0 表示块，axis = 1 表示行，axis = 2 表示列

#了解数组的形状
a.shape()
#改变数组的形状
a.reshape()

小知识点：

1. 三维形状（x,y,z）"x"表示块数，"y"表示行数，"z"表示列数
2. a.reshape()并不会改变原数组，只会提供一个返回值，而a = a.reshape()才会改变原数组
3. 二维数组变一维
   在知道数组中数字总数n的情况下
   a.reshape((n,))
   在不知道数组中数字总数n的情况下
   第一种方法：t6 = t5.reshape((t5.shape[0]*t5.shape[1]))
   第二种方法：t5.flatten()
   （flatten意为“展平”，将二维数组展平不就成一维的了）

2.3 数组的计算

形式还是比较简单的

#a,b都是数组
a + 2
a * 2 
a + b

理论部分的话有一个广播机制,即数组中的每个数都会受到运算影响

广播兼容：如果两个数组的后缘维度（即从末尾开始算起的维度）的轴长度相符或其中一方的长度为1，则认为它们是广播兼容的。广播会在缺失和（或）长度为1的维度上进行

3. 函数方法

3.1 索引和切片

#取行
print(t2[2])
#取连续多行
print(t2[2:])
#取不连续的多行
print(t2[[2,8,10]])
#取第一列
print(t2[:,0])
#取连续的多列
print(t2[:,2:])#取从第三列开始的每一列
#取不连续的多列
print(t[:,[0,2]])
#取行、列
print(t[2,3])#取3行4列的值
#取多行多列
print(t[2:5,1:4])#取第3行到第5行，第2列到第4列的值
#取多个不相邻的点
c = t[[0,2,2],[0,1,3]]#选出的结果是（0，0），（2，1），（2，3）

#数值修改，重新赋值
t[:,2:4] = 0
#boolen索引
t[t<10] = 3 #修改t中比10小的数值为3
#三元运算符
np.where(t<10,0,10) #t<10时修改为0，否则的话修改为10
#clip(裁剪)
t.clip(10,18) #小于10的替换为10，大于18的替换为18，但nan不能被替换

3.2 拼接

#竖直拼接
np.vstack((t1,t2))
#水平拼接
np.hstack((t1,t2))
#行交换
t[[1,2],:] = t[[2,1],:]
#列交换
t[:,[0,2]] = t[:,[2,0]]

#获取最大值最小值的位置
np.argmax(t,axis = 0)
np.argmin(t,axis = 1)
#创建一个全0的数组
np.zeros((3,4))
#创建一个全1的数组
np.ones((3,4))
#创建一个对角线为1的方阵
np.eye(3)

#生成随机数
np.rand()
np.randint(low,high,(shape))

小知识点：

1. “a = b” 完全不复制，a和b相互影响
2. “a = b[:]” 视图的操作，一种切片，会创建新的对象a，但是a的数据完全由b保管，他们两个的数据变化一致
3. “a = b.copy()” b的数据复制到a，a和b互不影响

3.3 统计函数

（1）nan和inf

nan： 读取的本地文件为float时，若有缺失，就会出现nan，nan的类型为float类型

inf： 无穷大或无穷小

小知识点：

1. 两个nan是不相等的
2. 判断数组中nan的个数 np.count_nonzero(np.nan != np.nan)
3. 判断一个数字是否为nan：np.isnan(a)，返回bool类型(效果与np.nan != np.nan相同)
4. 将nan替换为0：t[np.isnan(t)] = 0
5. nan和任何值计算都为nan

（2）常用统计函数

#求和
t.sun(axis = None)
#均值
t.mean(a,axis = None)
#中值
t.median(t,axis = None)
#最大值
t.max(axis = None)
#最小值
t.min(axis = None)
#极值:max-min
np.ptp(t,axis = None)
#标准差:越大表示数据不稳定，波动较大
t.std(axis = None)

#默认返回多维数组全部的统计结果