注意
-
数组的构造:
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。
np.random.choice(my_list, 2, replace=False, p=[0.1, 0.7, 0.1 ,0.1])
- 数组的变形:
合并:对于二维数组而言,r_ 和 c_ 分别表示上下合并和左右合并,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_ 操作:
In [57]: np.r_[np.zeros((2,3)),np.zeros((2,3))]
Out[57]:
array([[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.]])
(continues on next page)
14 Chapter 1. 预备知识
Joyful Pandas, Release 1.0
(continued from previous page)
In [58]: np.c_[np.zeros((2,3)),np.zeros((2,3))]
Out[58]:
array([[0., 0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0., 0.]])
- 常用的函数
cumprod, cumsum 分别表示累乘和累加函数,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 [87]: a = np.array([1,2,3])
In [88]: a.cumprod()
Out[88]: array([1, 2, 6], dtype=int32)
In [89]: a.cumsum()
Out[89]: array([1, 3, 6], dtype=int32)
In [90]: np.diff(a)
Out[90]: array([1, 1])
本文引用了github.com/datawhalechina/joyful-pandas中的内容