【datawhale-gitmodel】笔记整理之Python基础和Numpy基础

本文链接：https://blog.csdn.net/laffycat/article/details/125760251

1.1 Python基础

文章目录

1.1.1 列表推导式与条件赋值

生成数字序列

In [1]: L = []

In [2]: def my_func(x):
   ...:     return 2*x

In [3]: for i in range(5):
   ...:     L.append(my_func(i))


In [4]: L
Out[4]: [0, 2, 4, 6, 8]

写法简化： [* 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

In [5]: [my_func(i) for i in range(5)]
Out[5]: [0, 2, 4, 6, 8]

多层嵌套

In [6]: [m+'_'+n for m in ['a', 'b'] for n in ['c', 'd']]
Out[6]: ['a_c', 'a_d', 'b_c', 'b_d']

第一个 for 为外层循环，第二个为内层循环

条件赋值

In [7]: value = 'cat' if 2>1 else 'dog'

In [8]: value
Out[8]: 'cat'

等价于：

a, b = 'cat', 'dog'
condition = 2 > 1 # 此时为True
if condition:
    value = a
else:
    value = b

举例（截断列表中超过5的元素，即超过5的用5代替，小于5的保留原来的值）

In [9]: L = [1, 2, 3, 4, 5, 6, 7]

In [10]: [i if i <= 5 else 5 for i in L]
Out[10]: [1, 2, 3, 4, 5, 5, 5]

1.1.2 匿名函数与map方法

匿名函数

In [11]: my_func = lambda x: 2*x

In [12]: my_func(3)
Out[12]: 6

In [13]: multi_para_func = lambda a, b: a + b

In [14]: multi_para_func(1, 2)
Out[14]: 3

用法其实违背“匿名”的含义，常在无需多处调用的场合进行使用
例如上面列表推导式中的例子，用户不关心函数的名字，只关心这种映射的关系

In [15]: [(lambda x: 2*x)(i) for i in range(5)]
Out[15]: [0, 2, 4, 6, 8]

map 函数返回 map 对象，需要通过 list 转为列表

In [16]: list(map(lambda x: 2*x, range(5)))
Out[16]: [0, 2, 4, 6, 8]

对于多个输入值的函数映射，可以通过追加迭代对象实现

In [17]: list(map(lambda x, y: str(x)+'_'+y, range(5), list('abcde')))
Out[17]: ['0_a', '1_b', '2_c', '3_d', '4_e']

1.1.3 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

返回了一个 zip 对象，通过 tuple, list 可以得到相应的打包结果

In [18]: L1, L2, L3 = list('abc'), list('def'), list('hij')

In [19]: list(zip(L1, L2, L3))
Out[19]: [('a', 'd', 'h'), ('b', 'e', 'i'), ('c', 'f', 'j')]

In [20]: tuple(zip(L1, L2, L3))
Out[20]: (('a', 'd', 'h'), ('b', 'e', 'i'), ('c', 'f', 'j'))

在循环迭代时经常使用到 zip 函数

In [21]: for i, j, k in zip(L1, L2, L3):
   ....:     print(i, j, k)
   ....: 
a d h
b e i
c f j

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

In [22]: L = list('abcd')

In [23]: for index, value in enumerate(L):
   ....:     print(index, value)
   ....: 
0 a
1 b
2 c
3 d

用 zip 对象也能简单地实现，迭代时绑定迭代元素遍历序号的功能

In [24]: for index, value in zip(range(len(L)), L):
   ....:     print(index, value)
   ....: 
0 a
1 b
2 c
3 d

当需要对两个列表建立字典映射时，可以利用 zip 对象

In [25]: dict(zip(L1, L2))
Out[25]: {'a': 'd', 'b': 'e', 'c': 'f'}

Python 也提供了 * 操作符和 zip 联合使用来进行解压操作

In [26]: zipped = list(zip(L1, L2, L3))

In [27]: zipped
Out[27]: [('a', 'd', 'h'), ('b', 'e', 'i'), ('c', 'f', 'j')]

In [28]: list(zip(*zipped)) # 三个元组分别对应原来的列表
Out[28]: [('a', 'b', 'c'), ('d', 'e', 'f'), ('h', 'i', 'j')]

1.2 Numpy基础

1.2.1 np数组的构造

一般方法

In [29]: import numpy as np

In [30]: np.array([1,2,3])
Out[30]: array([1, 2, 3])

numpy.empty() ：创建一个没有任何具体值的ndarray数组
np.empty(shape, dtype=float, order='C') 根据给定的维度和数值类型返回一个新的数组，其元素不进行初始化
- shape：返回空数组的维度
  
  dtype：指定输出数组的数值类型
  
  order：是否在内存中以C或fortran(行或列)顺序存储多维数据

特殊数组

等差序列： np.linspace, np.arange

In [31]: np.linspace(1,5,11) # 起始、终止（包含）、样本个数
Out[31]: array([1. , 1.4, 1.8, 2.2, 2.6, 3. , 3.4, 3.8, 4.2, 4.6, 5. ])

In [32]: np.arange(1,5,2) # 起始、终止（不包含）、步长
Out[32]: array([1, 3])

特殊矩阵： zeros, eye, full

In [33]: np.zeros((2,3)) # 传入元组表示各维度大小
Out[33]: 
array([[0., 0., 0.],
       [0., 0., 0.]])

In [34]: np.eye(3) # 3*3的单位矩阵
Out[34]: 
array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])

In [35]: np.eye(3, k=1) # 偏移主对角线1个单位的伪单位矩阵
Out[35]: 
array([[0., 1., 0.],
       [0., 0., 1.],
       [0., 0., 0.]])

In [36]: np.full((2,3), 10) # 元组传入大小，10表示填充数值
Out[36]: 
array([[10, 10, 10],
       [10, 10, 10]])

In [37]: np.full((2,3), [1,2,3]) # 每行填入相同的列表
Out[37]: 
array([[1, 2, 3],
       [1, 2, 3]])

随机矩阵： np.random

最常用的随机生成函数为：

rand：0-1均匀分布的随机数组
randn：标准正态的随机数组
randint：随机整数组
choice：随机列表抽样

In [38]: np.random.rand(3) # 生成服从0-1均匀分布的三个随机数
Out[38]: array([0.99390903, 0.25854328, 0.13560598])

In [39]: np.random.rand(3, 3) # 注意这里传入的不是元组，每个维度大小分开输入
Out[39]: 
array([[0.62634822, 0.06747959, 0.76049576],
       [0.21826591, 0.71708638, 0.98481069],
       [0.38071365, 0.82645691, 0.25598288]])

均匀分布

对于服从区间 $a$ 到 $b$ 上的均匀分布可以这样表示：

In [40]: a, b = 5, 15

In [41]: (b - a) * np.random.rand(3) + a
Out[41]: array([ 6.40061821,  6.72343487, 10.49412407])

还可以选择已有的库函数表示（服从区间 $a$ 到 $b$ 上的均匀分布）：

In [42]: np.random.uniform(5, 15, 3)
Out[42]: array([11.10830186,  7.35193797,  8.46971257])

用randn 生成 $N (0, I)$ 的标准正态分布：

In [43]: np.random.randn(3)
Out[43]: array([ 1.2642241 , -1.04640246,  0.05297258])

In [44]: np.random.randn(2, 2)
Out[44]: 
array([[2.65755302, 0.12266858],
       [0.29899713, 0.40504878]])

服从方差为 $σ^2$ 均值为 $μ$ 的一元正态分布：

In [45]: sigma, mu = 2.5, 3

In [46]: mu + np.random.randn(3) * sigma
Out[46]: array([6.46031228, 0.57297935, 5.2692226 ])

选择从已有函数表示（服从方差为 $σ^2$ 均值为 $μ$ 的一元正态分布）：

In [47]: np.random.normal(3, 2.5, 3)
Out[47]: array([2.72546019, 7.42390272, 3.71079215])

randint 可以指定生成随机整数的最小值最大值（不包含）和维度大小

In [48]: low, high, size = 5, 15, (2,2) # 生成5到14的随机整数

In [49]: np.random.randint(low, high, size)
Out[49]: 
array([[6, 10],
       [11, 11]])

抽样

choice 可以从给定的列表中，以一定概率和方式抽取结果，当不指定概率时为均匀采样，默认抽取方式为有放回抽样

In [50]: my_list = ['a', 'b', 'c', 'd']

In [51]: np.random.choice(my_list, 2, replace=False, p=[0.1, 0.7, 0.1 ,0.1])
Out[51]: array(['b', 'd'], dtype='<U1')

In [52]: np.random.choice(my_list, (3,3))
Out[52]: 
array([['a', 'b', 'b'],
       ['a', 'a', 'b'],
       ['c', 'c', 'b']], dtype='<U1')

当返回的元素个数与原列表相同时，不放回抽样等价于使用 permutation 函数，即打散原列表

In [53]: np.random.permutation(my_list)
Out[53]: array(['b', 'd', 'a', 'c'], dtype='<U1')

随机种子

固定随机数的输出结果

In [54]: np.random.seed(0)

In [55]: np.random.rand()
Out[55]: 0.5488135039273248

In [56]: np.random.seed(0)

In [57]: np.random.rand()
Out[57]: 0.5488135039273248

1.2.2 np数组的常用计算

数组与标量之间可以直接进行运算
一元函数运算

np.abs(x)、np.fabs(x) ：计算数组各元素的绝对值

np.sqrt(x) ：计算数组各元素的平方根
np.square(x) ：计算数组各元素的平方
np.log(x) 、np.log10(x)、np.log2(x) ：计算数组各元素的自然对数、10底对数和2底对数
np.ceil(x) 、np.floor(x) ：计算数组各元素的ceiling值或floor值

np.rint(x) ：计算数组各元素的四舍五入值
np.modf(x) ：将数组各元素的小数和整数部分以两个独立数组形式返回
np.cos(x)、np.cosh(x)、np.sin(x)、 np.sinh(x)、np.tan(x) 、np.tanh(x) ：计算数组各元素的普通型和双曲型三角函数
np.exp(x) ：计算数组各元素的指数值
np.sign(x) ：计算数组各元素的符号值，1(+), 0, ‐1(‐)

二元函数运算

$+, -, *, /, * *$ 两个数组各元素进行对应运算
np.maximum(x,y) 、np.fmax()、 np.minimum(x,y) 、np.fmin() ：元素级的最大值/最小值计算
np.mod(x,y) ：元素级的模运算
np.copysign(x,y) ：将数组y中各元素值的符号赋值给数组x对应元素
> < >= <= == != 算术比较，产生布尔型数组

1.2.3 np数组的变形与合并

转置： T

In [58]: np.zeros((2,3)).T
Out[58]: 
array([[0., 0.],
       [0., 0.],
       [0., 0.]])

合并操作： r_, c_

对于二维数组而言， r_ （上下合并）和 c_ （左右合并）

In [59]: np.r_[np.zeros((2,3)),np.zeros((2,3))]
Out[59]: 
array([[0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.]])

In [60]: np.c_[np.zeros((2,3)),np.zeros((2,3))]
Out[60]: 
array([[0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0.]])

将一维数组和二维数组进行合并时，应当把其视作列向量，在长度匹配的情况下只能够使用左右合并的 c_

In [61]: try:
   ....:     np.r_[np.array([0,0]),np.zeros((2,1))]
   ....: except Exception as e:
   ....:     Err_Msg = e
   ....: 

In [62]: Err_Msg
Out[62]: ValueError('all the input arrays must have same number of dimensions, but the array at index 0 has 1 dimension(s) and the array at index 1 has 2 dimension(s)')

In [63]: np.r_[np.array([0,0]),np.zeros(2)]
Out[63]: array([0., 0., 0., 0.])

In [64]: np.c_[np.array([0,0]),np.zeros((2,3))]
Out[64]: 
array([[0., 0., 0., 0.],
       [0., 0., 0., 0.]])

维度变换： reshape

帮助用户把原数组按照新的维度重新排列
C 模式：以逐行的顺序进行填充读取
F 模式：以逐列的顺序进行填充读取

In [65]: target = np.arange(8).reshape(2,4)

In [66]: target
Out[66]: 
array([[0, 1, 2, 3],
       [4, 5, 6, 7]])

In [67]: target.reshape((4,2), order='C') # 按照行读取和填充
Out[67]: 
array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7]])

In [68]: target.reshape((4,2), order='F') # 按照列读取和填充
Out[68]: 
array([[0, 2],
       [4, 6],
       [1, 3],
       [5, 7]])

特别地，由于被调用数组的大小是确定的， reshape 允许有一个维度存在空缺，此时只需填充-1即可

In [69]: target.reshape((4,-1))
Out[69]: 
array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7]])

常用的将 n*1 大小的数组转为1维数组的操作

In [70]: target = np.ones((3,1))

In [71]: target
Out[71]: 
array([[1.],
       [1.],
       [1.]])

In [72]: target.reshape(-1)
Out[72]: array([1., 1., 1.])

1.2.4 np数组的切片与索引

数组的切片模式支持使用 slice 类型的 start:end:step 切片，还可以直接传入列表指定某个维度的索引进行切片

In [73]: target = np.arange(9).reshape(3,3)

In [74]: target
Out[74]: 
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

In [75]: target[:-1, [0,2]] #从第一行到倒数第二行
Out[75]: 
array([[0, 2],
       [3, 5]])

In [76]: target[:3, [0,1]]
Out[76]: 
array([[0, 1],
       [3, 4],
	   [6, 7]])

利用 np.ix_ 在对应的维度上使用布尔索引，但此时不能使用 slice 切片

In [76]: target[np.ix_([True, False, True], [True, False, True])] #先判定行，再判定列
Out[76]: 
array([[0, 2],
       [6, 8]])

In [76]: target[np.ix_([True, False, True])]
Out[76]: 
array([[0, 1, 2],
       [6, 7, 8]])

In [77]: target[np.ix_([1,2], [True, False, True])]
Out[77]: 
array([[3, 5],
       [6, 8]])

当数组维度为1维时，可以直接进行布尔索引，而无需 np.ix_

In [78]: new = target.reshape(-1)

In [79]: new[new%2==0]
Out[79]: array([0, 2, 4, 6, 8])

1.2.5 常用函数

where

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

In [80]: a = np.array([-1,1,-1,0])

In [81]: np.where(a>0, a, 5) #对应位置为True时填充a对应元素，否则填充5
Out[81]: array([5, 1, 5, 5])

nonzero, argmax, argmin

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

In [82]: a = np.array([-2,-5,0,1,3,-1])

In [83]: np.nonzero(a)
Out[83]: (array([0, 1, 3, 4, 5], dtype=int64),)

In [84]: a.argmax()
Out[84]: 4

In [85]: a.argmin()
Out[85]: 1

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

In [86]: a = np.array([0,1])

In [87]: a.any()
Out[87]: True

In [88]: a.all()
Out[88]: False

cumprod, cumsum, diff

cumprod 表示累乘函数，返回同长度的数组
cumsum 表示累加函数，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

In [89]: a = np.array([1,2,3])

In [90]: a.cumprod() #累乘函数，返回同长度的数组
Out[90]: array([1, 2, 6], dtype=int32)

In [91]: a.cumsum() #累加函数，返回同长度的数
Out[91]: array([1, 3, 6], dtype=int32)

In [92]: np.diff(a) #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
Out[92]: array([1, 1])

统计函数

常用的统计函数包括 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

In [93]: target = np.arange(5)

In [94]: target
Out[94]: array([0, 1, 2, 3, 4])

In [95]: target.max()
Out[95]: 4

In [96]: np.quantile(target, 0.5) # 0.5分位数
Out[96]: 2.0

对于含有缺失值的数组，返回的结果也是缺失值
如果需要略过缺失值，必须使用 nan* 类型的函数，上述的几个统计函数都有对应的 nan* 函数

In [97]: target = np.array([1, 2, np.nan])

In [98]: target
Out[98]: array([ 1.,  2., nan])

In [99]: target.max()
Out[99]: nan

In [100]: np.nanmax(target)
Out[100]: 2.0

In [101]: np.nanquantile(target, 0.5)
Out[101]: 1.5

计算协方差和相关系数，利用 cov, corrcoef

In [102]: target1 = np.array([1,3,5,9])

In [103]: target2 = np.array([1,5,3,-9])

In [104]: np.cov(target1, target2)
Out[104]: 
array([[ 11.66666667, -16.66666667],
       [-16.66666667,  38.66666667]])

In [105]: np.corrcoef(target1, target2)
Out[105]: 
array([[ 1.        , -0.78470603],
       [-0.78470603,  1.        ]])

二维 Numpy 数组中统计函数的 axis 参数：能够进行某一个维度下的统计特征计算，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

In [106]: target = np.arange(1,10).reshape(3,-1)

In [107]: target
Out[107]: 
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

In [108]: target.sum(0)
Out[108]: array([12, 15, 18])

In [109]: target.sum(1)
Out[109]: array([ 6, 15, 24])

shape 返回各个维度的维数

例如，y是一个两行三列的二维数组，y.shape[0]代表行数，y.shape[1]代表列数

1.2.6 广播机制

广播机制用于处理两个不同维度数组之间的操作，这里只讨论不超过两维的数组广播机制

标量和数组的操作

当一个标量和数组进行运算时，标量会自动把大小扩充为数组大小，之后进行逐元素操作

In [110]: res = 3 * np.ones((2,2)) + 1

In [111]: res
Out[111]: 
array([[4., 4.],
       [4., 4.]])

In [112]: res = 1 / res

In [113]: res
Out[113]: 
array([[0.25, 0.25],
       [0.25, 0.25]])

二维数组之间的操作

只有当两个数组维度完全一致时，才能使用对应元素的操作，否则会报错
除非其中的某个数组的维度是 $m \times 1$ 或者 $1 \times n$ ，会扩充其具有 $1$ 的维度为另一个数组对应维度的大小
例如， $1 \times 2$ 数组和 $3 \times 2$ 数组做逐元素运算时会把第一个数组扩充为 $3 \times 2$ ，扩充时的对应数值进行赋值。但是，需要注意的是，如果第一个数组的维度是 $1 \times 3$ ，那么由于在第二维上的大小不匹配且不为 $1$ ，此时报错

In [114]: res = np.ones((3,2))

In [115]: res
Out[115]: 
array([[1., 1.],
       [1., 1.],
       [1., 1.]])

In [116]: res * np.array([[2,3]]) #第二个数组扩充第一维度为3
Out[116]: 
array([[2., 3.],
       [2., 3.],
       [2., 3.]])

In [117]: res * np.array([[2],[3],[4]]) #第二个数组扩充第二维度为2
Out[117]: 
array([[2., 2.],
       [3., 3.],
       [4., 4.]])

In [118]: res * np.array([[2]]) #等价两次扩充，第二个数组两个维度分别扩充为3和2
Out[118]: 
array([[2., 2.],
       [2., 2.],
       [2., 2.]])

一维数组与二维数组的操作

当一维数组 $A_{k}$ 与二维数组 $B_{m, n}$ 操作时，等价于把一维数组视作 $A_{1, k}$ 的二维数组，使用的广播法则与【2】中一致，当 $k! = n$ 且 $k, n$ 都不是 $1$ 时报错。

In [119]: np.ones(3) + np.ones((2,3))#将第一个数组的第一维度扩充为2
Out[119]: 
array([[2., 2., 2.],
       [2., 2., 2.]])

In [120]: np.ones(3) + np.ones((2,1)) #等价两次扩充，先将第一个数组的第一维度扩充为2，再将第二个数组的第二维度扩充为3
Out[120]: 
array([[2., 2., 2.],
       [2., 2., 2.]])

In [121]: np.ones(1) + np.ones((2,3)) #等价两次扩充
Out[121]: 
array([[2., 2., 2.],
       [2., 2., 2.]])

1.2.7 向量与矩阵的计算

向量内积： dot

公式： $\mathbf{a} \cdot \mathbf{b}=\sum_{i} a_{i} b_{i}$

In [122]: a = np.array([1,2,3])

In [123]: b = np.array([1,3,5])

In [124]: a.dot(b)
Out[124]: 22

向量范数和矩阵范数： np.linalg.norm

在矩阵范数的计算中，最重要的是 ord 参数，可选值如下：

ord	norm for matrices	norm for vectors
None	Frobenius norm	2-norm
‘fro’	Frobenius norm	–
‘nuc’	nuclear norm	–
inf	max(sum(abs(x), axis=1))	max(abs(x))
-inf	min(sum(abs(x), axis=1))	min(abs(x))
0	–	sum(x != 0)
1	max(sum(abs(x), axis=0))	as below
-1	min(sum(abs(x), axis=0))	as below
2	2-norm (largest sing. value)	as below
-2	smallest singular value	as below
other	–	sum(abs(x)ord)(1./ord)

In [125]: matrix_target =  np.arange(4).reshape(-1,2)

In [126]: matrix_target
Out[126]: 
array([[0, 1],
       [2, 3]])

In [127]: np.linalg.norm(matrix_target, 'fro')
Out[127]: 3.7416573867739413

In [128]: np.linalg.norm(matrix_target, np.inf)
Out[128]: 5.0

In [129]: np.linalg.norm(matrix_target, 2)
Out[129]: 3.702459173643833

In [130]: vector_target =  np.arange(4)

In [131]: vector_target
Out[131]: array([0, 1, 2, 3])

In [132]: np.linalg.norm(vector_target, np.inf)
Out[132]: 3.0

In [133]: np.linalg.norm(vector_target, 2)
Out[133]: 3.7416573867739413

In [134]: np.linalg.norm(vector_target, 3)
Out[134]: 3.3019272488946263

矩阵乘法： @

$\left[\mathbf{A}_{\mathrm{m} \times \mathrm{p}} \mathbf{B}_{\mathrm{p} \times \mathrm{n}}\right]_{\mathrm{ij}}=\sum_{\mathrm{k}=1}^{\mathrm{p}} \mathbf{A}_{\mathrm{ik}} \mathbf{B}_{\mathrm{kj}}$

In [135]: a = np.arange(4).reshape(-1,2)

In [136]: a
Out[136]: 
array([[0, 1],
       [2, 3]])

In [137]: b = np.arange(-4,0).reshape(-1,2)

In [138]: b
Out[138]: 
array([[-4, -3],
       [-2, -1]])

In [139]: a@b
Out[139]: 
array([[ -2,  -1],
       [-14,  -9]]