python日記Day12——numpy速查中文手冊

python日記——numpy速查中文手冊

python數據分析與展示主要涉及Numpy、matplotlib、pandas三個庫，本文將從Numpy開始，逐步介紹python進行數據分析與展示的相關知識，從而掌握表示、清洗、統計和展示數據的能力。
一、Numpy簡介

Numpy是表達N維數組的最基礎庫，python接口使用，底層通過c語言實現，計算速度優異，它是python數據分析及科學計算的基礎庫，支撐pandas庫，同時還提供直接的矩陣運算、廣播函數、線性代數等功能。

二、ndarray數組對象

ndarray的優勢
1、數組對象可以去掉元素間運算所需的循環，使一維向量更像單個數據；
2、設置專門的數組對象，經過優化，可以提升這類應用的運算速度；
3、數組對象採用相同的數據類型，有利於節省運算和存儲空間
ndarray基本介紹
1、ndarray是一個多維數組對象，由實際的數據、描述這些數據的元數據（數據維度、數據類型等）兩部分構成；
2、ndarray數組一般要求所有元素類型相同（同質），數組下標從0開始
3、numpy.array()用於生成一個ndarray數組，其輸出爲[ ]形式，輸出的數組元素之間由空格分隔；
4、軸和秩：軸用於保存數據的維度，秩用於表示軸的數量；
5、ndarray對象的屬性：
.ndim：秩，即軸的數量或維度的數量；
.shape：ndarray對象的尺度，對於矩陣，表示n行m列；
.size：ndarray對象元素的個數，相當於.shape中n*m的值；
.dtype：ndarray對象的元素類型；
.itemsize：ndarray對象中每個元素的大小，以字節爲單位。
6、ndarray的元素類型：
ndarray元素類型很多，主要是因爲科學計算涉及數據較多，對存儲和性能都有較高要求，並且對元素類型精確定義，有助於Numpy合理使用存儲空間並優化性能，有助於程序員對程序規模有合理評估，其元素類型如下：bool、inte、intp、int8、int16、int32、int64、uint8、uint16、uint32、uint64、float16、float32、float64、complex64、complex128；
7、ndarray數組可以由非同質對象構成，但無法有效發揮Numpy優勢，應該儘量避免使用，如果不是同一類型，數組元素會自動地向下進行轉換：
ndarray數組的創建和變換
1、ndarray數組的創建方法：
(1) 從python中的列表、元組等類型創建：x = np.array(list/tuple)
(2) 使用Numpy中函數創建ndarray數組：
numpy.arange(n)：類似range函數，返回ndarray類型，元素從0到n-1；
numpy.ones(shape)：根據shape生成一個全1數組，shape是元組類型；
numpy.zeros(shape)：根據shape生成一個全0數組。shape是元組類型
numpy.full(shape,val)：根據shape生成一個數組，每個元素值都是val；
numpy.eye(n)：創建一個正方的n*n單位矩陣，對角線爲1，其餘爲0；
numpy.ones_like(a)：根據數組a的形狀生成一個全1數組；
numpy.zeros_like(a)：根據數組a的形狀生成一個全0數組；
numpy.full_like(a,val)：根據數組a的形狀生成一個全val數組；
numpy.linspace(a,b,size,endpoint=True/False)：根據起止數據a,b等間距地填充size個數據，形成數組，endpoint=False時表示不包含b；
numpy.concatenate()：將兩個或多個數組合併成一個新的數組。
(3)創建ndarray時，可以指定其類型：

(4) ndarray可通過“=”進行直接複製（相當於兩個指針指向同一位置），也可以.copy()進行復制（生成一個副本）。
2、ndarray數組的變換：
(1) 維度變換：
.reshape(shape)：不改變數組元素，返回一個shape形狀的數組，原數組不變；
.resize(shape)：與.reshape()功能一致，但修改原數組；
.swapaxes(ax1,ax2)：將數組n個維度中兩個維度進行調換；
.flatten()：對數組進行降維，返回摺疊後的一維數組，原數組不變。
(2) 元素類型變換：
.astype(new_type)：不會改變原始數組結構，創建一個新的數組（原始數據的一個拷貝）。
np.asarray()：不會改變原始數組結構：

(3)ndarray數組向列表轉換： .tolist()
ndarray數組的操作
1、數組的索引和切片：
(1)一維數組：與python中列表相似；
(2)多維數組：
索引：a[1,2,3]、a[-1,-2,-3]；
切片：a[:,1:3,::2]，三維爲例，2表示步長。

2、ndarray數組的運算：
(1) 數組與標量之間的運算：作用於數組的每一個元素；
(2) numpy一元函數，對ndarray中的數據執行元素級運算的函數：
numpy.abs(x),numpy.fabs(x)：計算數組各元素的絕對值；
numpy.sqrt(x)：計算數組各元素的平方根；
numpy.square(x)：計算數組各元素的平方；
numpy.log(x)，numpy.log10(x)，numpy.log2(x)：計算各元素的對數；
numpy.ceil(x)，numpy.floor(x)：計算數組各元素的ceiling值或floor值；
numpy.rint(x)：計算數組各元素的四捨五入值；
numpy.modf(x)：將數組各元素的小數和整數部分以兩個獨立數組形式返回；
numpy.cos(x)等：計算三角函數值；
numpy.exp(x)：計算數組各元素的指數值；
numpy.sign(x)：計算數組各元素的符號值，1(+),0,-1(-)。
(3) numpy二元函數：
numpy.maxmun(x,y)、numpy.minmun(x,y)、numpy.fmax()、numpy.fmin()、numpy.mod(x,y)、numpy.copysign(x,y)—將數組y中各元素值的符號賦值給數組x對應元素、numpy.multiply()，numpy.dot()——矩陣乘法（維度一致）、加減乘除、算術比較。
(4) 數值運算，可指定軸（axis）：
.sum()，.prod()(累乘)，.min()，.max()，
.mean()，.std()，.var()，
.round(decimals=1精度)(四捨五入)，
.argmin()(最小值的索引)，.argmax()

(5)np.where()
numpy常用功能模塊
1、random模塊操作
(1) numpy.random.uniform(low=0.0, high=1.0, size=None)：
生成size個符合均分佈的浮點數，取值範圍爲[low, high)，默認取值範圍爲[0, 1.0)
(2) numpy.random.rand(d0, d1, …, dn):
生成一個(d0, d1, …, dn)維的數組，數組的元素取自[0, 1)上的均分佈，若沒有參數輸入，則生成一個數
(3) numpy.random.randint(low, high=None, size=None, dtype=‘I’):
生成size個整數，取值區間爲[low, high)，若沒有輸入參數high則取值區間爲[0, low)
(4) numpy.random.random_integers(low, high=None, size=None):
生成size個整數，取值區間爲[low, high], 若沒有輸入參數high則取值區間爲[1, low]
(5) numpy.random.random(size=None):
產生[0.0, 1.0)之間的浮點數
(6)numpy.random.normal(mua,sigma,size):
生成size個均值爲mua，標準差爲sigma的高斯分佈的概率密度隨機數
(7)numpy.random.shuffle()：
對numpy的數組進行重新隨機排序，如果是多維數組，按照第一維進行隨機排序
(8)numpy.random.seed():
指定隨機數種子，隨機策略相同，無論執行多少次隨即操作，結果都相同
2、排序操作
(1)np.sort():

(2)np.argsort():用元素的索引位置替代排序後的實際結果

(3)np.searchsorted()：查找一個合適的位置，將元素插入已排好序的一維數組中，並且保持數組元素的順序不被打亂