Numpy科學計算從放棄到入門
目錄
- 什麼是Numpy
- 一、如何建立陣列
- 二、如何訪問陣列
- 三、如何做算數運算
- 四、如何使用統計函式
- 五、如何轉置陣列和反轉
- 六、如何去重、計算差集並集等集合操作
- 七、如何生成隨機數
- 八、如何輸入輸出檔案
什麼是Numpy
Numpy是Python科學計算的基礎包，不僅是python中使用最多的第三方庫，還是SciPy、Pandas等資料科學的基礎庫。所提供的結構比Python自身的更高階、更高效。
可以說，Numpy所提供的資料結果是Python資料分析的基礎。
標準的Python用列表list儲存陣列的值，list的元素在系統中記憶體是分散儲存的，而Numpy的陣列結構是儲存在一個均勻連續的記憶體塊中，遍歷所有的元素更高效，節省了計算資源。
主要提供了以下功能：
- 快速高效的多維陣列物件的ndarray
- 用於對陣列執行元素級計算以及直接對陣列執行數學運算的函式
- 用於讀寫硬碟上基於陣列的資料集的工具
- 線性代數運算、傅立葉變換，以及隨機陣列生成
- 用於將C、C++、Fortran程式碼整合到Python的工具
- 作為演算法之間傳遞資料的容器，對於數值型資料，Numpy陣列在儲存和處理資料時要比內建的Python資料結構高效得多
numpy提供了一個ndarray物件，多維陣列的含義，維度稱為rank（秩），每個線性的陣列稱為一個axes（軸）。陣列是有屬性的，可以通過函式shape獲得陣列的大小，通過dtype獲得元素的屬性
相關幫助文件
- 官方文件
- 中文快速入門
- 參考手冊
一、如何建立陣列
- array
將輸入資料（列表、元組、陣列或其他序列型別）轉換為ndarray。要麼推斷出dtype，要麼顯示指定dtype
- asarray
將輸入轉換為ndarray，如果輸入本身就是一個ndarray就不再複製
array和asarray都可以將結構資料轉化為ndarray，但是主要區別就是當資料來源是ndarray時，array仍然會copy出一個副本，佔用新的記憶體，但asarray不會 arange
類似內建的range，返回一個ndarray
linspace
和arrange的作用一樣，只是包含指定的最終值zeros、zeros_like
根據指定的形狀和dtype建立一個全是9的陣列。
zeros_like以另一個數組為引數，並根據其形狀和dtype建立一個全0陣列
ones、ones_like
根據指定的形狀和dtype建立一個全是1的陣列。
ones_like以另一個數組為引數，並根據其形狀和dtype建立一個全1陣列
empty、empty_like
類似ones和ones_like，只是產生的是全0陣列eye、identity
建立一個正方的N*N單位矩陣，對角線為1，其餘為0
二、如何訪問陣列
下標索引
arr2d=np.array([[1,2,3],[4,5,6],[7,8,9]])
arr2d[0][2]和arr2d[0,2]是等價的切片索引
可以一次傳入多個切片，
arr2d[:2, 1:]布林型索引
將data中所有負值都設定為0
data[data < 0] = 0- 選出所有名字為“cqh”的所有行
data[names == 'cqh']- 整數索引
利用整數陣列進行索引
arr = np.empty((8,4))
for i in range(8):
arr[i] = i
傳入指定順序
arr[[4,3,0,6]]
* 負數索引
arr[[-3,-5,-7]]- 方形索引
使用np.ix_方法，可以將兩個一維整數陣列轉換為一個用於選取方形區域的索引
arr = np.arange(32).reshape((8,4))獲取行[1,5,7,2]，列[0,3,1,2]，為
arr[np.ix_([1,5,7,2],[0,3,1,2])]相當於執行了
arr[[1,5,7,2]][:,[0,3,1,2]]錯誤方法：
arr[[1,5,7,2],[0,3,1,2]]三、如何做算數運算
x1 = np.arange(1,11,2)
x2 = np.linspace(1,9,5)
np.add(x1, x2)
np.subtract(x1, x2)
np.multiply(x1, x2)
np.divide(x1, x2)
np.power(x1, x2)
np.remainder(x1, x2)
四、如何使用統計函式
預設axis=0代表沿著列統計，axis=1代表沿著行統計
- amax：矩陣中的最大值
- amin：矩陣中的最小值
- ptp：統計最大值與最小值的差
- percentile：統計陣列的百分位數
- median：統計中位數
- mean：平均數
- average：加權平均值（需要傳入各個元素的權重）
- std：標準差
- var：方差
五、如何轉置陣列和反轉
- reshape
arr = np.arange(15).reshape((3,5))
- T
arr.T
六、如何去重、計算差集並集等集合操作
- unique(x)：計算x中的唯一元素，並返回有序結果
- intersect1d(x,y)：計算x和y中的公共元素，並返回有序結果
- union(x,y)：計算x和y的並集，並返回有序結果
- in1d(x,y)：得到一個表示“x的元素是否包含在y”的布林型陣列
- setdiff1d(x,y) 集合的差，元素在x中且不在y中
- setxor1d(x,y) 集合的對稱差，存在於一個數組中但不同時存在兩個陣列中的元素
七、如何生成隨機數
rand：產生均勻分佈的樣本值
uniform：產生在[0,1]中均勻分頁的樣本值
randn：產生正態分佈（平均值0，標準差1）的樣本值，類似MATLAB介面
normal：生成標準正態分佈的樣本陣列
randint：在給定的上下限範圍內隨機選取整數
- seed：確定隨機數生成器的種子
- permutation：返回一個序列的隨機排列
- shuffle：對一個序列就地隨機排列
- bionmial：產生二項分佈的樣本值
- beta：生產Beta分佈的樣本值
- chisquare：產生卡方分佈的樣本值
gamma：產生Gamma分佈的樣本值
八、如何輸入輸出檔案
以二進位制格式儲存到磁碟
- np.save：儲存到磁碟
- np.savez：將多個數組儲存到一個壓縮檔案中，載入時得到一個字典物件
- np.load：從磁碟載入
存取文字檔案
- loadtxt：指定各種分隔符
- savetxt：將陣列寫到以某種分隔符隔開的文字檔案