在之前的生信分析方向如何系统入门python3推文最后,我们提到了python有很多好用的模块和加载包,也正因为这些,所以才使得python能够灵活多场景处理分析。
整合最近学习的一些内容,借以 Jay Alammar的博客,就来介绍一下其中一个基础数据处理包 NumPy吧。
今天的推送大纲如下:
不难发现,Numpy主要用于数据分析,整体的模式有点类似于小型的R,在读取和处理数据上略占优势,但是R的强大在于其统计分析和可视化。融会贯通,哪哪都好。
一开始使用 Numpy只是想简单使用它的内置函数,比如判断一下序列长度最大值呀,或者计算一下样本数据的均值等。收集资料发现其中还有不少有意思的东西。
基本用法
既然是一个包那就要载入:
import numpy as np
构建基本数据结构:
数组
# 构建数组
np.array([1,2,3])
np.ones(3)
np.random.random(3)矩阵
与数组的构建写法相同,但是不同的是矩阵可以包含二维关系,同样包含ones()、zeros() 和 random.random() 快速方法,即# 构建矩阵
np.array([[1,2],[3,4]])np.zeros((3,2))
更多维度
矩阵和向量的任意维度结构ndarraynp.array([[1,2],[3,4]],[[5,6],[7,8]])