筆記說明：本文是我的學習筆記，大部分內容整理自 黃紅梅,張良均等.Python資料分析與應用[M].北京:人民郵電出版社,2018,21-49. 還有部分片斷知識來自網路搜尋補充。

一個目錄

• 1.陣列物件ndarray
• 1.1建立陣列型別
• 1.1.1陣列屬性
• 1.1.2陣列建立
• 1.2生成隨機數
• 1.3索引訪問陣列
• 1.3.1一維陣列的索引
• 1.3.2多維陣列的索引
• 1.4變換陣列的形態
• 1.4.1 改變陣列形狀
• 1.4.2使用ravel/flatten展平陣列
• 1.4.3組合
• 1.4.4分割陣列
• 2.Numpy矩陣與通用函式
• 2.1建立Numpy矩陣
• 2.1.1 mat/matrix
• 2.1.2 bmat
• 2.1.3矩陣的屬性
• 2.2掌握 ufunc 函式
• 3.利用Numpy進行統計分析
• 3.1 利用numpy讀取資料或者儲存
• 3.2 簡單的描述性統計分析
• 3.2.1 sort/argsort/lexsort排序
• 3.2.2 去重(np.unique)與重複資料(np.tile/np.repeat)
• 3.2.3常用的統計函式

1.陣列物件ndarray

1.1建立陣列型別

1.1.1陣列屬性

• ndim:返回int，表示陣列的維度。
• shape：返回tuple，表示陣列的尺寸，比如n行m列的矩陣，表示為（n,m）。
• size:返回int，表示陣列的元素總數，等於陣列形狀的乘積。
• dtype:返回data-type你描述陣列中的元素型別。
• itemsize:返回int，表示陣列的每個元素的大小（位元組為單位）。

1.1.2陣列建立

numpy.array(object,dtype=None
 
,ndmin=None)
import numpy as np
arr1=np.array([[1,2,3,4],[4,5,6,7]])
print(arr1)
arr1.shape=4,2 ##不是轉置，只是改變排列，陣列順序不變，看結果！很直觀
print(arr1)
##一些內建函式建立陣列
np.arange(0,7.5,0.5) ## 等差為0.5
np.linspace(0,7,8) ## [0,7]區間生成8個元素的等差數列
np.logspace(0,1,3) ##[10^0,10^1]區間生成3各元素的等比數列
np.zeros((2,3)) ##生成（2,3）的0陣列
np.eye(3) ##生成主對角線為1的類似單位矩陣的陣列
np.diag([1,2,3,4]) ##主對角陣列
np.ones((5,3)) ##生成全為1的陣列

1.2生成隨機數

import numpy as np
np.random函式具有以下模組:

• random(100):0~1之間的額100個隨機數
• rand(2,3):均勻分佈的隨機數
• randn()：標準正態分佈
• randint(low,high,size):整數範圍的隨機數
• binomial:二項分佈
• normal(loc=“均值”,scale=“方差”,size):正態分佈
• Shuffle:對一個序列隨機排序
• choice(a,size,p):對a按照概率（權重）為p進行隨機選取尺寸為size的的資料
• beta:貝塔分佈
• chisquare:卡方分佈
• gamma：伽馬分佈
• sample：簡單隨機抽樣
• seed:設定隨機種子
• RandomState：隨機數種子
• 相同處： 他們的引數都是隨機數seed不同處： numpy.random.RandomState()更為複雜，完全可以代替numpy.random.seed()這條語句。
  隨機數種子seed只有一次有效，在下一次呼叫產生隨機數函式前沒有設定seed，則還是產生隨機數。
  但是RandomState不是這樣的，由於使用方式不同，直接限制會產生同樣的隨機數。

## 上個栗子！
from numpy.random import RandomState
rdm = RandomState(123)
a = rdm.randint(1, 10,7)
rdm = RandomState(123)
b = rdm.randint(1, 10, 7)
print (a,'\n', b)
a==b

1.3索引訪問陣列

1.3.1一維陣列的索引

arr=np.arange(10)
arr
arr[5]
arr[2:3]
arr[1:7:2]  ## step=2
arr[2:4]=77,99  ## 直接修改元素

1.3.2多維陣列的索引

• 就是切片的方式索引

rdm=np.random.RandomState(5)
arr=rdm.randint(0,100,[3,5])
print(arr[:,2:5]) ##使用索引訪問
print(arr[(1,4),(0,2,3)]) ##下表索引

1.4變換陣列的形態

1.4.1 改變陣列形狀

rdm=np.random.RandomState(5)
arr=rdm.randint(0,100,[3,5])
arr.shape=5,3
arr
arr3=arr.reshape(3,5)
arr3

1.4.2使用ravel/flatten展平陣列

arr4=arr3.ravel()
arr4
arr5=arr3.flatten()  ##預設是橫向展平
arr6=arr3.flatten('F') ###縱向展平

1.4.3組合

### hstack橫向組合
rdm=np.random.RandomState(5)
arr1=rdm.randint(0,100,[3,5])
arr2=arr1*3
arr3=np.hstack(arr1,arr2)
arr3

### vstack縱向組合
arr4=np.vstack(arr1,arr2)

### concatenate函式組合,axis=1橫向組合，axis=0縱向組合
arr5=np.concatenate((arr1,arr2),axis=1)

1.4.4分割陣列

## hsplit橫向切分,橫向的意思是保持行不變，拆列
rdm=np.random.RandomState(5)
arr1=rdm.randint(0,100,[3,5])
arr2=np.hsplit(arr1,2)
arr2
## vsplit
arr3=np.vsplit(arr1,2)
arr3
## split,axis=1是橫向切分，axis=0是縱向切分
arr4=np.split(arr1,a)==arr2
arr4

2.Numpy矩陣與通用函式

2.1建立Numpy矩陣

2.1.1 mat/matrix

import numpy as np  
matr1 = np.mat("1 2 3;4 5 6;7 8 9")
print(matr1)
matr2 = np.matrix([[1,2,3],[4,5,6],[7,8,9]])
print(matr2)

2.1.2 bmat

arr1=np.eye(3)
arr2=arr1*3
print(np.bmat("arr1 arr2;arr1 arr2"))

2.1.3矩陣的屬性

• matrix.multiply:對應元素的相乘
• matrix.T:轉置
• matrix.H:共軛轉置
• matrix.I:逆矩陣
• matrix.A:返回自身資料的二維陣列的一個試圖（沒有做任何複製）

dir(matrix)
## matr3不可逆
import numpy as np
matr1 = np.mat("1 2 3;4 5 6;7 8 9")
matr3=matr1*3
matr3*matr3.I

這裡有個問題就是對於一個不可逆矩陣matr3，但是求出了它的逆矩陣，乘積不為單位陣，
初步認為是精度問題，這個怎麼判斷或者回避這個問題

是精度問題，numpy以二進位制讀取資料會出現精度問題，可以使用np.set_printoptions(precision=3,suppress=True)來確定陣列元素的小數位數和關閉浮點數的科學計數法表示

2.2掌握 ufunc 函式

這個廣播機制沒看懂

3.利用Numpy進行統計分析

3.1 利用numpy讀取資料或者儲存

save
savetet
loadtet

3.2 簡單的描述性統計分析

3.2.1 sort/argsort/lexsort排序

rdm=np.random.RandomState(123)
arr=rdm.randint(1,10,size=10);arr
arr.sort;arr
arr1=rdm.randint(1,10,size=(3,3))；arr1
arr1.sort(axis=1)；arr1 #按橫軸排序
arr1.sort(axis=0);arr1 #按縱軸排序、

argsort返回下標
lexsort幹啥了？？？？？看不懂

3.2.2 去重(np.unique)與重複資料(np.tile/np.repeat)

# 建立一個一維陣列
ints=np.array([1,2,3,4,5,6,7,8,7,9,7,8,7,8,7,7,7,7,])
print('去重之後：',np.unique(ints))
print('去重之後：',sorted(set(ints)))
print('去重之後：',np.tile(ints,2)) # tile(A,reps),重複次數是reps
#repeat(a,repeats,axis=None)
rdm=np,random.RandomState(123)
arr=rdm.randint(0,10,size=(3,3)
arr
print(arr.repeat(2,axis=1)) #對元素重複，axis=1，橫向排序，對列進行重複操作
print(np.tile(arr,2)) #對陣列重複，沒有axis這個引數，只能橫向排序

3.2.3常用的統計函式

sum/mean/std/var/min/max
預設情況下axis=None，會計算一個總值

arr=np.arange(20).reshape(4,5)
arr
np.set_printoptions(precision=4,suppress=True)
print(np.sum(arr))
print(np.sum(arr,axis=0))
print(np.mean(arr))
print(round(np.std(arr),4))
print(np.argmax(arr))