數據分析之Numpy-數組計算

時間 2019-11-17

標籤數據分析 numpy 數組計算简体版

原文原文鏈接

引言 : python

　　數據分析 : 就是把隱藏在一些看似雜亂無章的數據背後的信息提煉出來,總結出研究對象的內在規律 . 數組

　　數據分析三劍客 : Numpy 數組計算dom

　　　　　　　　 Pandas 表計算與數據分析ide

　　　　　　　　 Matplotlib 繪圖和可視化函數

一 . NumPy

1 . NumPy(Numerical Python) 是 python 語言的一個擴展程序庫,支持大量的維度數組與矩陣運算 , 此外也針對數組運算提供大量的數學函數庫工具

2 . NumPy是高性能科學計算和分析的性能

ndarray : 一個多維數組結構,高效且節省空間
無需循環對總體數據進行快速運算的科學函數
* 讀寫磁盤數據的工具以及用於操做內存映射文件的工具
* 線性代數 , 隨機數生成和博裏葉變換功能
* 用於集成C , C++ 等代碼的工具

3 . 安裝方法 : spa

　　pip install numpy 3d

二 . 建立ndarray

　　注意 : 示例均是在jupyter上演示的code

1 . 使用 np.array() 建立

# 導包
# 一般都將 numpy簡化成np
import numpy as np

　　1) . 一維數組的建立

np.array([1,2,3,4.5])

　　2) . 二維數組的建立 np.array([[1,2,3,4],[5,6,7,8]])

注意 :

numpy默認ndarray的全部元素的類型是相同的
若是傳進來的列表中包含不一樣的類型，則統一爲同一類型，優先級：str>float>int

　　3) . 使用matplotlib.pyplot獲取一個numpy數組,數據來源於圖片

2 . 使用 np 的 routines 函數建立

建立ndarray：
    array()         將列表轉換爲數組，可選擇顯式指定dtype
    arange()        range的numpy版，支持浮點數
    linspace()      相似arange()，第三個參數爲數組長度
    zeros()         根據指定形狀和dtype建立全0數組
    ones()          根據指定形狀和dtype建立全1數組
    empty()         根據指定形狀和dtype建立空數組（隨機值）
    eye()           根據指定邊長和dtype建立單位矩陣

例如 :

三 . ndrray---多維數組對象

1 . 經常使用屬性 :

T 數組的轉置（對高維數組而言）
dtype 數組元素的數據類型
size 數組元素的個數
ndim 數組的維數
shape 數組的維度大小（以元組形式）

2 . 經常使用方法 :

array.shape                         array的規格
array.ndim      
array.dtype                         array的數據規格
numpy.zeros(dim1,dim2)              建立dim1*dim2的零矩陣
numpy.arange
numpy.eye(n) /numpy.identity(n)     建立n*n單位矩陣
numpy.array([…data…], dtype=float64 )
array.astype(numpy.float64)         更換矩陣的數據形式
array.astype(float)                 更換矩陣的數據形式
array * array                       矩陣點乘
array[a:b]                          切片
array.copy()                        獲得ndarray的副本，而不是視圖
array [a] [b]=array [ a, b ]        二者等價
name=np.array(['bob','joe','will']) res=name==’bob’ res= array([ True, False, False], dtype=bool)
data[True,False,…..]                索引，只索取爲True的部分，去掉False部分
經過布爾型索引選取數組中的數據，將老是建立數據的副本。
data[ [4,3,0,6] ]                   索引，將第4,3,0,6行摘取出來，組成新數組
data[-1]=data[data.__len__()-1]
numpy.reshape(a,b)                  將a*b的一維數組排列爲a*b的形式
array([a,b,c,d],[d,e,f,g])          返回一維數組，分別爲[a,d],[b,e],[c,f],[d,g]
array[ [a,b,c,d] ][:,[e,f,g,h] ]=array[ numpy.ix_( [a,b,c,d],[e,f,g,h] ) ]
array.T                             array的轉置
numpy.random.randn(a,b)             生成a*b的隨機數組
numpy.dot(matrix_1,matrix_2)        矩陣乘法
array.transpose( (1,0,2,etc.) )     對於高維數組，轉置須要一個由軸編號組成的元組

四 . ndarray的基本操做

1、數組和標量之間的運算
    a+1    a*3    1//a    a**0.5
2、一樣大小數組之間的運算
    a+b    a/b    a**b
3、數組的索引：
    一維數組：a[5]
    多維數組：
        列表式寫法：a[2][3]
        新式寫法：a[2,3] (推薦)
   數組的切片：
        一維數組：a[5:8]    a[4:]        a[2:10] = 1
        多維數組：a[1:2, 3:4]    a[:,3:5]        a[:,1]
4、強調：與列表不一樣，數組切片時並不會自動複製，在切片數組上的修改會影響原數組。    【解決方法：copy()】

1 . 索引

　　一維與列表徹底一致 , 多維同理

2 . 切片

　　 1) . 一維與列表徹底相同 , 多維同理

　　　　2) . 將數據進行反轉 , 例如 : [1,2,3] --> [3,2,1]

　　3) . 對圖片進行操做

3 . 變形

　　使用 reshape()函數,注意一個參數是 --- tuple !

4 . 級聯

　　np.concatenate()

級聯須要注意的點：

級聯的參數是列表：必定要加中括號或小括號
維度必須相同
形狀相符:在維度保持一致的前提下，若是進行橫向（axis=1）級聯，必須保證進行級聯的數組行數保持一致。若是進行縱向（axis=0）級聯，必須保證進行級聯的數組列數保持一致。
可經過axis參數改變級聯的方向

5 . 切割

　　給圖片進行切割

原圖片 :

五 . 數學和統計方法

經常使用函數：

    sum    求和
    cumsum 求前綴和
    mean    求平均數
    std    求標準差
    var    求方差
    min    求最小值
    max    求最大值
    argmin    求最小值索引
    argmax    求最大值索引