Python数据挖掘 - Numpy基础篇

Numpy

简介

Numerical Python，是一个开源的科学计算库，用于快速处理任意维度的数组，Numpy支持常见矩阵操作，对于数值计算，Numpy的计算比直接的Python计算更加简洁

ndarray是Numpy处理多维数组的对象，ndarray是灵活、快速的大数据容器（n-任意，d-dimension维度，array-数组）

优势

• 存储风格：与list不同，ndarray要求存储数据类型相同，存储查找效率高
• 并行计算：ndarray支持并行运算（向量化计算），非常适合机器学习
• 底层语言：使用C语言编写，内部解除了GIL，对数组的操作不受Python解释器限制，效率远高Python

ndarray属性

属性名	解释
ndarray.shape	返回一个包含行，列信息的元组
ndarray.ndim	返回ndarray的维度
ndarray.size	返回元素总和
ndarray.dtype	返回元素类型

ndarray类型

类型	解释	简写
np.bool	用一个字节存储的布尔类型(True或False)	‘b’
np.int8	一个字节大小，-128至127	‘i’
np.int16	整数，-216 至 216 -1	‘i2’
np.int32	整数，-232 至 232 -1	‘i4’
np.int64	整数，-263 至 263 -1	‘i8’
np.uint8	无符号整数，0至255	‘u’
np.uint16	无符号整数，0至65535	‘u2’
np.uint32	无符号整数，0至232 -1	‘u4’
np.uint64	无符号整数，0至264 -1	‘u8’
np.float16	半精度浮点数:16位，正负号1位，指数5位，精度10位	‘f2’
np.float32	单精度浮点数:32位，正负号1位，指数8位，精度23位	‘f4’
np.float64	双精度浮点数:64位，正负号1位，指数11位，精度52位	‘f8’
np.complex64	复数，分别用两个32位浮点数表示实部和虚部	‘c8’
np.complex128	复数，分别用两个64位浮点数表示实部和虚部	‘c16’
np.object_	python对象	‘O’
np.string_	字符串	‘S’
np.unicode_	unicode类型	‘U’

ndarray生成

方法	解释
np.zeros(shape=(行，列))	生成全为0的ndarray
np.ones(shape=(行，列))	生成全为1的ndarray
np.full(shape=(行，列),88)	生成全为88的ndarray
np.array(数据)	最常用的数据转ndarray方法,深拷贝
np.copy(数据)	深拷贝
np.asarray(数据)	浅拷贝吗，跟随原数据改变
np.linspace(起始，结束，个数)	生成固定范围的ndarray（左闭右闭，等距离）
np.arange(起始，结束，步长)	生成固定范围的ndarray（左闭右开）
np.random.uniform(low=最小值,high=最大值,size=个数)	生成均匀分布的随机数组
np.random.normal(loc=μ,scale=σ2 ,size=个数)	生成正太分布的随机数组

基本操作

切片索引

• ndarray支持切片操作，[ ：：]

操作	解释
ndarray[::,::]	切片
ndarray[ , , ]	索引

形状修改

方法	解释
ndarray.reshape((行，列))	列代表个数，即每一行有几个（返回新ndarray）
ndarray.resize((行，列))	列代表个数，即每一行有几个（在原有ndarray上修改）
ndarray.T	将行列进行转置

类型修改、去重

方法	解释
ndarray.astype(“类型”)	数据类型转化
ndarray.tostring()	序列化到本地
np.unque(ndarray)	数组去重

重点操作

逻辑运算

操作	解释
nparray[nparray 条件]	满足条件的数字返回true，不满足返回false
nparray[nparray 条件] = 值	给满足条件的数据进行统一赋值操作
np.all（nparray[nparray 条件]）	里面全部满足条件，返回true，否则返回false
np.any（nparray[nparray 条件]）	里面只要有满足条件的，返回true，否则返回false
np.where(布尔，true操作，false操作)	三元运算符
np.logical_and(ndarray 条件1,ndarray 条件2)	多条件逻辑与操作，返回布尔数组
np.logical_or(ndarray 条件1,ndarray 条件2)	多条件逻辑或操作，返回布尔数组

统计运算

操作	解释
np.max(ndarray) | ndarray.max() max、min、std、mean用法类似	返回所有值的
np.max(ndarray，axis=)，axis=0代表按列，=1代表按行	0，获取每列最值；1，获取每行最值
ndarray.argmin(axis=1)	获取每行最小值所在的索引

数组间运算

操作	解释
ndarray +(-、*、/) 数字	ndarray所有元素与该数字运算
ndarray+ndarray	两个ndarray符合广播机制
np.mat(ndarray)	存储矩阵（matrix类型）

矩阵运算

• 满足前列与后行相同：（M，N）*（N，L）=（M，L）前行乘后列
• ndarray的矩阵乘法运算：

操作	解释
ndarray1 @ ndarray2	矩阵乘法，需满足（m，n）*（n，l）
np.matmul(ndarray1,ndarray2)	同上
np.dot(ndarray1,ndarray2)	同上

• matrix类型矩阵相乘运算：mat1*mat2
• 在ndarray中，linalg提供了：np.linalg.det(ndarray)、np.linalg.inv(ndarray)求行列式、逆矩阵