技術標籤：pythonnumpy

一.Python基礎

1. 列表推導式與條件賦值

def my_func(x):
    return 2*x
[my_func(i) for i in range(5)]

列表表示式還支援多層巢狀，如下面的例子中第一個for為外層迴圈，第二個為內層迴圈：

[m+'_'+n for m in ['a', 'b'] for n in ['c', 'd']]

除了列表推導式，另一個實用的語法糖是帶有if選擇的條件賦值，其形式為value = a if condition else b：

L = [1, 2, 3, 4, 5, 6, 7]
[i if i <=
 
 5 else 5 for i in L]

2. 匿名函式與map方法

列表推導式的匿名函式對映，Python中提供了map函式來完成，它返回的是一個map物件，需要通過list轉為列表：

list(map(lambda x: 2*x, range(5)))

對於多個輸入值的函式對映，可以通過追加迭代物件實現：

list(map(lambda x, y: str(x)+'_'+y, range(5), list('abcde')))

3. zip物件與enumerate方法

zip函式能夠把多個可迭代物件打包成一個元組構成的可迭代物件，它返回了一個zip物件，通過tuple, list可以得到相應的打包結果：

L1, L2, L3 = list('abc'), list('def'), list('hij')
list(zip(L1, L2, L3))

for i, j, k in zip(L1, L2, L3):
     print(i, j, k)

enumerate是一種特殊的打包，它可以在迭代時繫結迭代元素的遍歷序號：

L = list('abcd')
for index, value in enumerate(L):
     print(index, value)

二、Numpy基礎

1. np陣列的構造¶

最一般的方法是通過array來構造：

import numpy as
 
 np
np.array([1,2,3])

【a】等差序列：np.linspace, np.arange

np.linspace(1,5,11) # 起始、終止（包含）、樣本個數

np.arange(1,5,2) # 起始、終止（不包含）、步長

【b】特殊矩陣：zeros, eye, full

np.zeros((2,3)) # 傳入元組表示各維度大小

np.eye(3) # 3*3的單位矩陣

np.full((2,3), 10) # 元組傳入大小，10表示填充數值

【c】隨機矩陣：np.random

最常用的隨機生成函式為rand, randn, randint, choice，它們分別表示0-1均勻分佈的隨機陣列、標準正態的隨機陣列、隨機整陣列和隨機列表抽樣：

np.random.rand(3, 3) # 注意這裡傳入的不是元組，每個維度大小分開輸入

randint可以指定生成隨機整數的最小值最大值（不包含）和維度大小：

low, high, size = 5, 15, (2,2) # 生成5到14的隨機整數
np.random.randint(low, high, size)

choice可以從給定的列表中，以一定概率和方式抽取結果，當不指定概率時為均勻取樣，預設抽取方式為有放回抽樣：

my_list = ['a', 'b', 'c', 'd']
np.random.choice(my_list, 2, replace=False, p=[0.1, 0.7, 0.1 ,0.1])

最後，需要提到的是隨機種子，它能夠固定隨機數的輸出結果：

2. np陣列的變形與合併

【a】轉置：T

np.zeros((2,3)).T

【b】合併操作：r_, c_

對於二維陣列而言，r_和c_分別表示上下合併和左右合併：

np.r_[np.zeros((2,3)),np.zeros((2,3))]

np.c_[np.zeros((2,3)),np.zeros((2,3))]

【c】維度變換：reshape

target = np.arange(8).reshape(2,4)
target

3. np陣列的切片與索引

陣列的切片模式支援使用slice型別的start