一、介绍
NumPy是高性能科学计算和数据分析的基础包。它是pandas等其他各种工具的基础。
1.主要功能
1)ndarray,一个多维数组结构,高效且节省空间
2)无需循环对整组数据进行快速运算的数学函数3)读写磁盘数据的工具以及用于操作内存映射文件的工具4)线性代数、随机数生成和傅里叶变换功能5)用于集成C、C++等代码的工具2.安装方法
pip install numpy
3.引用方法
import numpy as np
二、ndarray-多维数组对象
创建ndarray:np.array()ndarray是多维数组结构,与列表的区别是:数组对象内的元素类型必须相同数组大小不可修改常用属性:T 数组的转置(对高维数组而言)dtype 数组元素的数据类型size 数组元素的个数ndim 数组的维数shape 数组的维度大小(以元组形式)
三、ndarray-数据类型
ndarray数据类型:dtype:布尔型:bool_整型:int_ int8 int16 int32 int64无符号整型:uint8 uint16 uint32 uint64浮点型:float_ float16 float32 float64复数型:complex_ complex64 complex128
四、ndarray-创建
array() 将列表转换为数组,可选择显式指定dtypearange() range的numpy版,支持浮点数linspace() 类似arange(),第三个参数为数组长度zeros() 根据指定形状和dtype创建全0数组ones() 根据指定形状和dtype创建全1数组empty() 根据指定形状和dtype创建空数组(随机值)eye() 根据指定边长和dtype创建单位矩阵
五、索引和切片
数组和标量之间的运算a+1 a*3 1//a a**0.5同样大小数组之间的运算a+b a/b a**b数组的索引:一维数组:a[5]多维数组:列表式写法:a[2][3]新式写法:a[2,3] (推荐)数组的切片:一维数组:a[5:8] a[4:] a[2:10] = 1多维数组:a[1:2, 3:4] a[:,3:5] a[:,1]与列表不同,数组切片时并不会自动复制,在切片数组上的修改会影响原数组。 【解决方法:copy()】
六、布尔型索引
问题:给一个数组,选出数组中所有大于5的数。
答案:a[a>5] 原理: a>5会对a中的每一个元素进行判断,返回一个布尔数组 布尔型索引:将同样大小的布尔数组传进索引,会返回一个由所有True对应位置的元素的数组问题2:给一个数组,选出数组中所有大于5的偶数。
问题3:给一个数组,选出数组中所有大于5的数和偶数。 答案: a[(a>5) & (a%2==0)] a[(a>5) | (a%2==0)]
import numpy as npa = np.array([1,2,3,4,5,4,7,8,9,10])a[a>5&(a%2==0)] #注意加括号,不叫括号错误,如下输出:array([ 1, 2, 3, 4, 5, 4, 7, 8, 9, 10])a[(a>5)&(a%2==0)]输出:array([ 8, 10])
七、花式索引
问题1:对于一个数组,选出其第1,3,4,6,7个元素,组成新的二维数组。答案:a[[1,3,4,6,7]]问题2:对一个二维数组,选出其第一列和第三列,组成新的二维数组。答案:a[:,[1,3]]
八、通用函数
通用函数:能同时对数组中所有元素进行运算的函数
常见通用函数:
一元函数:abs, sqrt, exp, log, ceil, floor, rint, trunc, modf, isnan, isinf, cos, sin, tan
numpy.sqrt(array) 平方根函数 numpy.exp(array) e^array[i]的数组numpy.abs/fabs(array) 计算绝对值numpy.square(array) 计算各元素的平方 等于array**2numpy.log/log10/log2(array) 计算各元素的各种对数numpy.sign(array) 计算各元素正负号numpy.isnan(array) 计算各元素是否为NaNnumpy.isinf(array) 计算各元素是否为NaNnumpy.cos/cosh/sin/sinh/tan/tanh(array) 三角函数numpy.modf(array) 将array中值得整数和小数分离,作两个数组返回numpy.ceil(array) 向上取整,也就是取比这个数大的整数 numpy.floor(array) 向下取整,也就是取比这个数小的整数numpy.rint(array) 四舍五入numpy.trunc(array) 向0取整 numpy.cos(array) 正弦值numpy.sin(array) 余弦值 numpy.tan(array) 正切值
二元函数:add, substract, multiply, divide, power, mod, maximum, mininum,
numpy.add(array1,array2) 元素级加法numpy.subtract(array1,array2) 元素级减法numpy.multiply(array1,array2) 元素级乘法numpy.divide(array1,array2) 元素级除法 array1./array2numpy.power(array1,array2) 元素级指数 array1.^array2numpy.maximum/minimum(array1,aray2) 元素级最大值numpy.fmax/fmin(array1,array2) 元素级最大值,忽略NaNnumpy.mod(array1,array2) 元素级求模numpy.copysign(array1,array2) 将第二个数组中值得符号复制给第一个数组中值numpy.greater/greater_equal/less/less_equal/equal/not_equal (array1,array2)元素级比较运算,产生布尔数组numpy.logical_end/logical_or/logic_xor(array1,array2)元素级的真值逻辑运算
九、补充知识:浮点数特殊值
1.浮点数:float
浮点数有两个特殊值:
- nan(Not a Number):不等于任何浮点数(nan != nan)
- inf(infinity):比任何浮点数都大
在数据分析中,nan常被表示为数据缺失值
2.NumPy中创建特殊值:np.nan np.inf
3.在数据分析中,nan常被用作表示数据缺失值
既然nan连自己都不相等,那么怎么判断是不是NAN呢?
用a==a 只要返回False就能判断十、数学和统计方法
常用函数:sum 求和cumsum 求前缀和mean 求平均数std 求标准差var 求方差min 求最小值max 求最大值argmin 求最小值索引argmax 求最大值索引
十一、随机数生成
随机数生成函数在np.random子包内常用函数rand 给定形状产生随机数组(0到1之间的数)randint 给定形状产生随机整数choice 给定形状产生随机选择shuffle 与random.shuffle相同uniform 给定形状产生随机数组