numpy遍历每行操作_每个数据科学家都应该知道的20 numpy操作

numpy遍历每行操作

Everything about data science starts with data and it comes in various formats. Numbers, images, texts, x-rays, sound, and video recordings are just some examples of data sources. Whatever the format data comes in, it needs to be converted to an array of numbers to be analyzed. Hence, it is crucial to effectively store and modify arrays of numbers in data science.

有关数据科学的所有内容都始于数据，并且格式多种多样。 数字，图像，文本，X射线，声音和视频记录只是数据源的一些示例。 无论输入哪种格式的数据，都需要将其转换为要分析的数字数组。 因此，在数据科学中有效地存储和修改数字数组至关重要。

NumPy (Numerical Python) is a scientific computing package that provides numerous ways to create and operate on arrays of numbers. It forms the basis of many widely used Python libraries related to data science such as Pandas and Matplotlib.

NumPy (数字Python)是一种科学计算程序包，它提供了许多创建和处理数字数组的方法。 它构成了许多与数据科学相关的广泛使用的Python库的基础，例如Pandas和Matplotlib。

In this post, I will go over 20 commonly used operations on NumPy arrays. These operations can be grouped under 4 main categories:

在本文中，我将介绍NumPy数组的20多个常用操作。 这些操作可以分为4个主要类别：

• Creating arrays
  创建数组
• Manipulating arrays
  操纵数组
• Combining arrays
  合并数组
• Linear algebra with arrays
  带数组的线性代数

We first need to import NumPy:

我们首先需要导入NumPy：

import numpy as np

创建数组 (Creating arrays)

1. Random integers in a specific range

   特定范围内的随机整数

The first parameter determines the upper bound of the range. The lower bound is 0 by default but we can also specify it. The size parameter is used to specify the size, as expected.

第一个参数确定范围的上限。 下限默认为0，但我们也可以指定它。 size参数用于指定大小，如预期的那样。

We created a 3x2 array of integers between 2 and 10.

我们创建了一个3x2的2到10整数数组。

2. Random floats between 0 and 1

2.随机浮点数介于0和1之间

A 1-dimensional array of floats between 0 and 1. It is useful to create random noise data.

浮点数的1维数组，介于0和1之间。创建随机噪声数据非常有用。

3. Sample from a standard normal distribution

3.来自标准正态分布的样本

Np.random.randn() is used to create a sample from a standard normal distribution (i.e. zero mean and unit variance).

Np.random.randn()用于根据标准正态分布(即零均值和单位方差)创建样本。