Python数据分析:Numpy学习笔记

  • Z时代
  • 2024-01-10
  • 分类：综合

python

Numpy学习笔记

ndarray多维数组

创建

import numpy as np
np.array([1,2,3,4])
np.array([1,2,3,4,],[5,6,7,8])
np.zeros(8)
np.zeros(3,4)
np.ones(4)
np.one_like([1,2,3,4])
np.empty((2,2,2))
np.arange(10)

数组创建函数

  • arange

  • ones/ones_like

  • zeros/zeros_like

  • empty/empty_like

  • eye/identity

属性

  • ndim: 轴的个数

  • shape: 数组的维度

  • size: 元素总个数

  • dtype: 数据类型

  • itemsize: 每个元素的字节大小

数据类型

  • float

  • int

  • complex

  • bool

  • string_

  • object

类型转换

attr1.astype(np.float64)  # np.float64和'float64'都可以
attr1.astype('string_')
attr1.astype('int32')

数组变换

  • reshage: 变换

  • flattern: 扁平

  • ravel: 散开

arr1 = np.arrary(9)
arr.reshape((3,3))
arr.reshape((3, -1))  # -1根据数据数据本身/3决定

3种变换(数据重塑)都不会修改原数组

  • concatenate: 合并

  • split: 拆分

arr1 = np.arrage(12).reshape(3, 4)
arr2 = np.arrange(12,24).reshape(3,4)
np.concatenate([arr1, arr2], axis=0)  # 相当于np.vstack([arr1, arr2])
np.concatenate([arr1, arr2], axis=1) # 相当于np.hstack([arr1, arr2])
np.split(arr1, [2, 4])

  • transpose: 数组转制(只支持2维)

  • swapaxes: 轴对换(支持多维)

arr1 = np.arange(12).reshape(3,4)
arr1.transpose((1,0))  # 相当于 arr1.T
arr2 = np.arrage(16).reshape(2,2,4)
arr2.swapaxes(1,2) # 交换y,z轴

随机函数(random)

  • rand: 均匀分布的样品值

  • randint: 随机整数

  • randn: 平均数为0, 标准差为1的正态分布随机数

  • normal: 指定平均数和标准差的正态分布数组

  • seed: 随机种子

  • permutation: 随机排序, 不改变原数组

  • shuffle: 随机排序,改变原数组

  • uniform(low, high, size): 均匀分布的数组

  • poisson(lam, size): 泊松分布数组

arr1 = np.random.randint(100, 200, size=(5,4))
np.random.randn(2,3,5)
np.random.normal(4,5,size=(3,5))
np.random.permutation(arr1)
np.random.shuffle(arr1)

数组的索引和切片

  • 索引支持多维索引arr1[2,3] 或arr1[2][3]

  • 索引值为原数组的视图, 修改arr1[2,3]会修改原数组(如并不想修改需使用arr1[2,3].copy())

  • 切片支持多维切片arr1[2:, :-1]

  • 布尔型索引 datas[fruits==0] = 1 # 筛选赋值

  • 花式索引: arr[np.ix_([3,2],[2,1]) # arr[[3,2]][:,[2,1]]

数组运算

标量运算

arr1 = np.array([1, 2, 3])
arr1 * 10
arr1 * arr1
arr1 - arr1

通用函数

  • abs: 绝对值

  • square: 平方

  • add: 两个数组相加

  • minimum: 计算最小值

  • modf: 分割整数部分和小数部分

可以指定axis轴

条件逻辑运算

  • np.where(cond, arr1, arr2) # 类似3元表达式

统计运算

  • sum: 求和

  • mean: 求算术平均数

  • std/var: 求标准差/方差

  • min/max: 最小数/最大数

  • argmin/argmax: 最小数/最大数索引

  • cumsum: 所有元素的累加和

  • cumprod 所有元的累计积

  • all/any: 布尔类型运算

集合运算

  • np.unique: 找出所有唯一值,并排序

  • np.inld: 是否包含指定的值

  • np.intersect1d: 公共元素

  • np.union1d: 并集

  • np.setdiff1d: 差集

  • setxor1d: 交集取反

线性代数

  • np.dot: 点积

  • from numpy.linalg import det ...

数组存取

  • np.loadtxt: 读取

arr1 = np.loadtxt('1.csv', delimiter=',')

示例: 图像变换

以上是 Python数据分析:Numpy学习笔记 的全部内容， 来源链接： utcz.com/z/387928.html

回到顶部