Python手册(Scientific Computing)--numpy

最新推荐文章于 2024-06-08 10:06:09 发布

WilenWu

最新推荐文章于 2024-06-08 10:06:09 发布

阅读量703

点赞数 1

分类专栏： Python手册

本文链接：https://blog.csdn.net/qq_41518277/article/details/80148446

版权

27 篇文章 18 订阅

订阅专栏

NumPy（Numerical Python的简称）是Python数值计算最重要的基础包。大多数提供科学计算的包都是用NumPy的数组作为构建基础。

NumPy的部分功能如下：

import numpy as np

NumPy的ndarray

arr=np.array(obj,dtype=None)

用法	说明
np.asarray(a, dtype=None	将a转化为数组
np.arange(n)	1:(n-1)
np.arange(start,stop,step)	等差数列
np.linspace(start,end,num=50)	返回等间隔的数字
np.empty(shape, dtype=float) np.empty_like	没有任何具体值的数组，shape一个表示各维度大小的tuple
np.ones(shape, dtype=None) np.zeros(shape, dtype=None) np.ones_like; np.zeros_like	生成全是1或0数组，shape类型为tuple
np.eye(n)	n*n单位矩阵，对角线为1，其余为0
np.full(shape, fill_value, dtype=None)	生成全是fill_value数组
np.full_like(a,fill_value, dtype=None)	根据a的形状生成全是ill_value的数组

用法	说明
`arr[axis0,axis1]` `arr[axis0][axis1]`
`arr[arr < 0]`	bool索引
`arr[indexes_list]`	花式索引（总是将数据复制到新数组中） `arr[[4, 3, 0, 6]]`
`arr[start:stop:step,start:stop:step]`	slice

Python关键字and和or在布尔型数组中无效。要使用&与|

变换数组方法	说明
arr.transpose()	转置方法
arr.reshape(shape)/arr.resize(shape)	修改数组维度
arr.swapaxes(ax1,ax2)	多维数组维度调换
arr.flatten()	降成一维数组
arr.astype(new_type)	修改数组类型
统计方法
arr.sum(axis=None); arr.mean(axis=None)
arr.std(axis=None); arr.var(axis=None)
arr.min(axis=None); arr.max(axis=None)
arr.argmin(axis=None); arr.argmax(axis=None)	返回最大值和最小值的索引
arr.cunsum(); arr.cumprod()	累积和/累积乘积
arr.sort(axis=None)	数组本身排序
线性代数
arr.dot(arr2)	矩阵点积

合并和分裂
where(cond, xarr, yarr)	`xarr if condition else yarr`
concatenate((a1,a2,…),axis=0)	将数组a1,a2,…合并
hstack(tup)	行合并
vstack(tup)	列合并
split(ary, indices_or_sections, axis=0)	indices_or_sections : int or 1-D array
hsplit(arr, indices_or_sections)	行分裂`hsplit(x, np.array([3, 6]))`
vsplit(arr, indices_or_sections)	列分裂
统计
max(a,axis=None); np.min(a,axis=None)
fmax(a,b)	数组元素间取较大值
meshgrid(x,y)	接受两个一维数组，并产生两个二维矩阵，对应于两个数组中所有的(x,y)对
线性代数
dot(arr1, arr2)	矩阵点积
gradient(f)	计算斜率(a[0]+a[1])/2
排序
sort(arr,axis=-1)	返回的是数组的已排序副本
去重
unique(arr,axis=None)	返回数组的唯一值，并排序
重复和堆叠
repeat(a, repeats, axis=None)	repeats : int or array of ints
tile(A, reps)	堆叠

数学运算
sum,prod	求和，求积
cumsum,cumprod	累积求和，累积求积
abs	绝对值
sqrt	计算机各元素的平方根
square	计算各元素的平方
exp	计算各元素的e的x次方
log,log10,log2,log1p	分别自然对数（底数为e）、底数为10的log、底数为2的log、log（1+x）
sign	计算各元素的正负号：1（正数）、0（零）、-1（负数）
ceil	计算各元素的ceiling值，即大于等于该值的最小正数
floor	计算各元素的floor值，即小于等于该值的最大正数
rint	将各元素值四舍五入到最接近的整数，保留dtype
modf	将数组的小数和整数部分以两个独立数组的形式返回
isnan	返回bool数组
isfinite,isinf	返回bool数组
cos,cosh,sin,sinh,tan,tanh	普通型和双曲型三角函数
arccos，arccosh，arcsin，arcsinh，arctan，arctanh	反三角函数
logical_not	计算各元素notx的真值。相当于-arr
add	将数组中对应的元素想加
subtract	相减
multiply	数组元素对应相乘
divide（arr1,arr2），floor_divide（arr1,arr2）	除法或向下圆整除法（丢弃余数）
power	乘方
mod	取余数
greater（arr1,arr2）,greater_equal（arr1,arr2）, less（arr1,arr2）,less_equal（arr1,arr2）, equal（arr1,arr2）,not_equal（arr1,arr2）	执行元素级的比较运算，最终产生布尔型数组，相当于运算符`>,>=,<,<=,==,!=`
logical_and,logical_or,logical_xor	逻辑运算&、\|、^

ufunc方法**	`np.ufunc`
reduce(a, axis=0, dtype=None, out=None, keepdims=False)	对值进行连续聚合 `np.add.reduce(arr)`
accumulate(array, axis=0, dtype=None, out=None, keepdims=None)	保留所有局部聚合结果
reduceat(a, indices, axis=0, dtype=None, out=None)	分组约简
outer(A, B, **kwargs)	Apply the ufunc `op` to all pairs (a, b) with a in `A` and b in `B`. `ufunc.outer(A,B).ndim=A.ndim+B.ndim`
np.frompyfunc(func, nin, nout)	nin : input(int), nout : output(int), return: ufunc

用法	说明
np.random.rand(d0,d1,…,dn)	[0,1]区间均匀分布
np.random.randn(d0,d1,…,dn)	标准正态分布
np.random.randint(low,high,size)	[low,high] 随机整数数组
np.random.seed(s)	随机种子数
随机排列
np.random.shuffle(a)	按a第一轴随机排列，改变a
np.random.permutation(a)	按a第一轴随机排列，生成副本
np.random.choice(a,size,replace,p)	以概率p数组a抽样，样本大小为size
随机分布
np.random.uniform(low,high,size)	均匀分布数组
np.random.normal(loc,scale,size)	正态分布数组
np.random.poisson(lam,size)	泊松分布数组

# 示例：随机漫步
nsteps = 1000
draws = np.random.randint(0, 2, size=nsteps)
steps = np.where(draws > 0, 1, -1)
walk = steps.cumsum()
plt.plot(walk[:100])

Numba是一个开源项目，它可以利用CPUs、GPUs或其它硬件为类似NumPy的数据创建快速函数。它使用了LLVM项目，将Python代码转换为机器代码

关注

专栏目录