python日记Day12——numpy速查中文手册

python日记——numpy速查中文手册

python数据分析与展示主要涉及Numpy、matplotlib、pandas三个库，本文将从Numpy开始，逐步介绍python进行数据分析与展示的相关知识，从而掌握表示、清洗、统计和展示数据的能力。
一、Numpy简介

• Numpy是表达N维数组的最基础库，python接口使用，底层通过c语言实现，计算速度优异，它是python数据分析及科学计算的基础库，支撑pandas库，同时还提供直接的矩阵运算、广播函数、线性代数等功能。

二、ndarray数组对象

• ndarray的优势
  1、数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据；
  2、设置专门的数组对象，经过优化，可以提升这类应用的运算速度；
  3、数组对象采用相同的数据类型，有利于节省运算和存储空间

• ndarray基本介绍
  1、ndarray是一个多维数组对象，由实际的数据、描述这些数据的元数据（数据维度、数据类型等）两部分构成；
  2、ndarray数组一般要求所有元素类型相同（同质），数组下标从0开始
  3、numpy.array()用于生成一个ndarray数组，其输出为[ ]形式，输出的数组元素之间由空格分隔；
  4、轴和秩：轴用于保存数据的维度，秩用于表示轴的数量；
  5、ndarray对象的属性：
  .ndim：秩，即轴的数量或维度的数量；
  .shape：ndarray对象的尺度，对于矩阵，表示n行m列；
  .size：ndarray对象元素的个数，相当于.shape中n*m的值；
  .dtype：ndarray对象的元素类型；
  .itemsize：ndarray对象中每个元素的大小，以字节为单位。
  6、ndarray的元素类型：
  ndarray元素类型很多，主要是因为科学计算涉及数据较多，对存储和性能都有较高要求，并且对元素类型精确定义，有助于Numpy合理使用存储空间并优化性能，有助于程序员对程序规模有合理评估，其元素类型如下：bool、inte、intp、int8、int16、int32、int64、uint8、uint16、uint32、uint64、float16、float32、float64、complex64、complex128；
  7、ndarray数组可以由非同质对象构成，但无法有效发挥Numpy优势，应该尽量避免使用，如果不是同一类型，数组元素会自动地向下进行转换：
  

• ndarray数组的创建和变换
  1、ndarray数组的创建方法：
  (1) 从python中的列表、元组等类型创建：x = np.array(list/tuple)
  (2) 使用Numpy中函数创建ndarray数组：
  numpy.arange(n)：类似range函数，返回ndarray类型，元素从0到n-1；
  numpy.ones(shape)：根据shape生成一个全1数组，shape是元组类型；
  numpy.zeros(shape)：根据shape生成一个全0数组。shape是元组类型
  numpy.full(shape,val)：根据shape生成一个数组，每个元素值都是val；
  numpy.eye(n)：创建一个正方的n*n单位矩阵，对角线为1，其余为0；
  numpy.ones_like(a)：根据数组a的形状生成一个全1数组；
  numpy.zeros_like(a)：根据数组a的形状生成一个全0数组；
  numpy.full_like(a,val)：根据数组a的形状生成一个全val数组；
  numpy.linspace(a,b,size,endpoint=True/False)：根据起止数据a,b等间距地填充size个数据，形成数组，endpoint=False时表示不包含b；
  numpy.concatenate()：将两个或多个数组合并成一个新的数组。
  (3)创建ndarray时，可以指定其类型：
  
  (4) ndarray可通过“=”进行直接复制（相当于两个指针指向同一位置），也可以.copy()进行复制（生成一个副本）。
  2、ndarray数组的变换：
  (1) 维度变换：
  .reshape(shape)：不改变数组元素，返回一个shape形状的数组，原数组不变；
  .resize(shape)：与.reshape()功能一致，但修改原数组；
  .swapaxes(ax1,ax2)：将数组n个维度中两个维度进行调换；
  .flatten()：对数组进行降维，返回折叠后的一维数组，原数组不变。
  (2) 元素类型变换 ：
  .astype(new_type)：不会改变原始数组结构，创建一个新的数组（原始数据的一个拷贝）。
  np.asarray()：不会改变原始数组结构：
  
  (3)ndarray数组向列表转换： .tolist()

• ndarray数组的操作
  1、数组的索引和切片：
  (1)一维数组：与python中列表相似；
  (2)多维数组：
  索引：a[1,2,3]、a[-1,-2,-3]；
  切片：a[:,1:3,::2]，三维为例，2表示步长。
  
  2、ndarray数组的运算：
  (1) 数组与标量之间的运算：作用于数组的每一个元素；
  (2) numpy一元函数，对ndarray中的数据执行元素级运算的函数：
  numpy.abs(x),numpy.fabs(x)：计算数组各元素的绝对值；
  numpy.sqrt(x)：计算数组各元素的平方根；
  numpy.square(x)：计算数组各元素的平方；
  numpy.log(x)，numpy.log10(x)，numpy.log2(x)：计算各元素的对数；
  numpy.ceil(x)，numpy.floor(x)：计算数组各元素的ceiling值或floor值；
  numpy.rint(x)：计算数组各元素的四舍五入值；
  numpy.modf(x)：将数组各元素的小数和整数部分以两个独立数组形式返回；
  numpy.cos(x)等：计算三角函数值；
  numpy.exp(x)：计算数组各元素的指数值；
  numpy.sign(x)：计算数组各元素的符号值，1(+),0,-1(-)。
  (3) numpy二元函数：
  numpy.maxmun(x,y)、numpy.minmun(x,y)、numpy.fmax()、numpy.fmin()、numpy.mod(x,y)、numpy.copysign(x,y)—将数组y中各元素值的符号赋值给数组x对应元素、numpy.multiply()，numpy.dot()——矩阵乘法（维度一致）、加减乘除、算术比较。
  (4) 数值运算，可指定轴（axis）：
  .sum()，.prod()(累乘)，.min()，.max()，
  .mean()，.std()，.var()，
  .round(decimals=1精度)(四舍五入)，
  .argmin()(最小值的索引)，.argmax()
  
  
  (5)np.where()
  

• numpy常用功能模块
  1、random模块操作
  (1) numpy.random.uniform(low=0.0, high=1.0, size=None)：
  生成size个符合均分布的浮点数，取值范围为[low, high)，默认取值范围为[0, 1.0)
  (2) numpy.random.rand(d0, d1, …, dn):
  生成一个(d0, d1, …, dn)维的数组，数组的元素取自[0, 1)上的均分布，若没有参数输入，则生成一个数
  (3) numpy.random.randint(low, high=None, size=None, dtype=‘I’):
  生成size个整数，取值区间为[low, high)，若没有输入参数high则取值区间为[0, low)
  (4) numpy.random.random_integers(low, high=None, size=None):
  生成size个整数，取值区间为[low, high], 若没有输入参数high则取值区间为[1, low]
  (5) numpy.random.random(size=None):
  产生[0.0, 1.0)之间的浮点数
  (6)numpy.random.normal(mua,sigma,size):
  生成size个均值为mua，标准差为sigma的高斯分布的概率密度随机数
  (7)numpy.random.shuffle()：
  对numpy的数组进行重新随机排序，如果是多维数组，按照第一维进行随机排序
  (8)numpy.random.seed():
  指定随机数种子，随机策略相同，无论执行多少次随即操作，结果都相同
  2、排序操作
  (1)np.sort():
  
  (2)np.argsort():用元素的索引位置替代排序后的实际结果
  
  (3)np.searchsorted()：查找一个合适的位置，将元素插入已排好序的一维数组中，并且保持数组元素的顺序不被打乱
  

本文部分内容参考于北京理工大学嵩天老师相关课程