Python数据分析-----numpy总结

numpy常用方法

 一、numpy简介：numpy是Python数值计算中最为重要的基础包，能对矩阵中的所有数据进行快速的矩阵运算，且无需编写循环，因此可以在很大程度上减少计算时间成本。另外，因为numpy的算法库是用C语言写的，所以numpy数组使用的内存量也小于其它Python内荐序列。

二、基本功能

1. genfromtxt(args)：用于打开txt文档，读出的结果均是矩阵的格式。
2. array：通过numpy.array(...)来构造对象；构建向量：numpy.array([1, 2, 3])；构建矩阵：numpy.array([[1, 2, 3], [4, 5, 6]]) 

   import numpy as np
   a = np.array([1,2,3])
   a2 = np.array([[1,2,3],[4,5,6]])
   

   array常用操作：

3.  判断：vector = numpy.array([5, 10, 15, 20])  当操作vector == 10时，返回的结果是[false, true, false, false]，array会将每个元素与该值比较的结果返回出来。
4. 索引：s = (vector == 10) vector[s]此时会返回[10]，所以说s会将true对应的值返回出来，相当于索引。
5. 转换：array.astype()方法，可以对array中的数据进行类型转换。
6. 最小值：array.min() 按行/列求和

   import numpy as np
   a = np.array([[1,2,3],[4,5,6]])
   print(a.max())
   # 获取整个矩阵的最大值 结果： 6
   print(a.min())
   # 结果：1
   print(a.max(axis=0))
   结果：
   [4 5 6]
   print(a.max(axis=1))
   结果：
   [3 6]
   print(a.argmax(axis=1))
   结果：
   [2 2]
   

7. 初始化：numpy.zeros((3, 4))：表示生成三行四列的矩阵，但是数值都是0。     numpy.ones((3, 4))：表示生成三行四列的矩阵，但是数值都是1。numpy.ones((3, 4), detype = numpy.int32)：表示生成三行四列的矩阵，但是数值都是1并设置了相应的类型。
8. 运算操作：两个想同维度的array相减，实际上是对应位置上的元素相减，如果对一个array进行整体的加减乘除，例如array + 1、array * 2实际上是对每个元素进行相同的操作。
9. 内积操作：arrayA * arrayB，对应位置进行相乘。

   import numpy as np
   a1 = np.array([[1,2,3],[4,5,6]])
   a2 = np.array([[1,2],[3,4],[5,6]])
   print(a1.shape[1]==a2.shape[0])
   print(a1.dot(a2))
   结果：
   [[22 28]
   [49 64]]
   

10. 矩阵乘法操作：arrayA.dot（arrayB）或者  numpy.dot(arrayA, arrayB)
11. 将矩阵转换成向量的形式：array.ravel()
12. 设置矩阵的shape：array.shape = (n, m)
13. 转置：array.T

    import numpy as np
    a = np.array([[1,2,3],[4,5,6]])
    print(a.transpose())
    结果：
    [[1 4]
    [2 5]
    [3 6]]
    a = np.array([[1,2,3],[4,5,6]])
    print(a.T)
    结果：
    [[1 4]
    [2 5]
    [3 6]]
    

14. 浅复制：array.view()
15. 深复制：array.copy()
16. 返回每列/行最大值的索引：array.argmax(axis=0/1)表示找出每列/行中最大元素的索引。
17. 将array进行多份复制

三、通过函数创建矩阵

1. numpy.arange()

   import numpy as np
   a = np.arange(5)
   # 默认从0开始到5（不包括5），步长为1
   print(a)
   # 返回 [0 1 2 3 4 5 ]
   a1 = np.arange(1,10)
   # 从1开始到10（不包括10），步长为1
   print(a1)
   # 返回 [1 2 3 4 5 6 7 8 9]
   a2 = np.arange(1,10,2)
   # 从1开始到10（不包括10），步长为2
   print(a2)
   # 返回 [ 1
   3
   5 7 9]
   

2. 
   
   
   numpy.linspace(n, m, z):表示在n到m之间，平均生成z个元素。

   import numpy as np
   a = np.linspace(0,10,7)
   print(a)
   结果：
   [
   0.
   1.66666667
   3.33333333
   5.
   6.66666667
   8.33333333
   10.
   ]
   

   
    

3. numpy.random.random(n, m):生成一个n行m列的矩阵，每个矩阵的元素的值是一个在正负1之间的随机值。

4. numpy.exp(array):该方法返回的是以array中每个元素为幂，e为底的矩阵。

最后

以上就是积极高跟鞋为你收集整理的Python数据分析-----numpy总结的全部内容，希望文章能够帮你解决Python数据分析-----numpy总结所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。