【儒冠多误身】Numpy库知识体系

Numpy个人知识体系

儒冠多误身
20181202

• 通用函数ufunc
• 对ndarray中元素运算的函数

一元函数 unary ufunc

• 一元ufunc	说明
  np.abs()、np.fbs()	计算整数、浮点数或复数的绝对值。 对于非复数值，可以使用更快的fbs
  np.sqrt()	计算各元素的平方根：arr ** 0.5
  np.square()	计算各元素的平方：arr ** 2
  np.exp()	计算各元素的指数ex
  np.log()\np.log10\np.log2\np.log1p	分别：自然对数（e为底数），底数为10的log，底数为2的log，log(1+x)
  np.sign()	计算各元素的正负号：1（正数），0（零），-1（负数）
  np.ceil()	向上取整
  np.floor()	向下取整
  np.rint()	四舍五入取整
  np.modf()	小数部分和正数部分以两个独立数组返回arr1,arr2 = np.modf(arr3)
  np.isnan()	返回一个布尔型数组：“哪些值是NaN"
  np.isfinite()\np.isinf()	返回布尔型数组：哪些元素是有穷的，哪些元素是无穷的
  np.cos()\np.sin()\np.tan()	普通型三角函数
  np.cosh()\np.sinh()\np.tanh()	双曲型三角函数
  np.arccos()\np.arcsin()\np.arctan()	反三角函数
  np.arccosh()\np.arcsinh()\np.arctanh()	反三角函数
  np.logical_not()	计算各元素not x的真值 相当于-arr

二元函数 binary ufunc

• 二元ufunc	说明
  np.add(arr1,arr2)	将数组对应元素相加
  np.subtract()	从第一个数组中，减去第二个数组中的元素
  np.multiply()	数组元素相乘
  np.divide()	除法
  np.floor_divide()	向下圆整除法（丢弃余数）
  np.power()	对第一个数组中的元素A，根据第二个数组中相应元素B，计算AB
  np.maximum()	元素级的最大值计算
  np.fmax()	忽略NaN的，元素级的最大值计算
  np.minimum()	元素级的最小值计算
  np.fmin()	忽略NaN的，元素级的最小值计算
  np.mod()	元素级的求模计算（除法的余数）
  np.copysign()	将第二个数组中的值的符号赋值给第一个数组中的值
  np.greater()	执行元素级的比较>，产生布尔型数组
  np.greater_equal()	执行元素级的比较>=，产生布尔型数组
  np.less()	执行元素级的比较<，产生布尔型数组
  np.less_equal()	执行元素级的比较<=，产生布尔型数组
  np.equal()	执行元素级的比较==，产生布尔型数组
  np.not_equal()	执行元素级的比较!=，产生布尔型数组
  np.logical_and()	执行元素级的真值逻辑元素：& ，且
  np.logical_or()	执行元素级的真值逻辑元素：|，或
  np.logical_xor	执行元素级的真值逻辑元素：^，异或

矢量化三元表达式 np.where(arr1,第二个参数，第三个参数)

• 第二个和第三个参数不必是数组，可以是标量值

• 相当于x if condition else y的矢量化版本

• np.where(arr1>0,1,-1)# 元素>0的返回1，否则返回-1
  

• 类似于MySQL的控制流函数

• select education,salary,case education
  		when '大专' then 1
  		when '本科' then 2
  		when '硕士' then 3
  		when '博士' then 4
  		else 0
  		end as tmp
  from demp_table;	
  
  

• 相当于MySQL的三元表达式

• select education,if(salary > 9,'优先','等待') as tmp
  from demp_talbe;
  

• python的三元表达式结果1 if 表达式 else 结果2

• a = 10
  b = 20
  r = a if a>b else b
  

• python列表推倒时

• list1 = [i*i for i in range(2,11,2)]#生成1~10之间的所有偶数
  

---

---

统计函数

arr.mean(axis = 1)# 可接受axis参数
np.mean(arr)# 均值

arr.sum(axis = 1)
np.sum(arr)

arr.std(axis = 1)#标准差，通过axis选择轴
np.std(arr)

arr.var()#方差
np.var(arr)

arr.max(axis = 1)
np.max(arr)

arr.min(axis = 1)
np.min(arr)

arr.argmin()#最小元素的索引
np.argmin(arr)

arr.argmax()#最大元素的索引
np.argmax(arr)

arr.cumsum(0)# 列累加
arr.cumprod(1)# 行累积

---

---

创建

从列表、元组创建

np.array(list\tuple,dtype = np.float64)# 从序列创建，并指定每个元素的数据类型

使用numpy函数创建

np.arange(12).reshape(3,4)#返回ndarray取值[0,12)，3行4列

np.ones((3,4))# 全1数组，3行4列
np.ones((2,3,4))# 最外层2个元素，每个元素3个维度，每个维度4个元素

np.zeros((3,4))# 全0数组，3行4列

np.full((2,3),val)#生成2行3列的数组 ，值都是val

np.eye(n)# 生成n*n的单位矩阵，对角线元素都是1，其余都是0

np.ones_like(arr) # 根据arr的形状，生成全1的ndarray
np.zeros_like(arr) # 根据arr的形状，生成全0的数组
np.full_like(arr,val) #根据arr的形状，生成值都为val的数组

np.linspace(1,10,4) # 包括1和10，等间隔的生成4个元素的数组，浮点数
np.linspace(1,10,4,endpoint = False) #元素10不作为生成数组的元素

np.concatenate((arr1,arr2)) # 合并数组arr1和arr2

随机数组

随机生成

• np.random.rand(d0,d1,……,dn)

  • 生成[0,1)之间的数据

  • np.random.rand(3,4)
    np.random.rand(2,3,4)#最外层2个元素，每个元素3个维度，每个维度4个元素
    

• np.random.randn(d0,d1,……,dn)

  • 返回数据，具有 标准正态分布（高斯分布）
  • 均值为1，标准差为0

• np.random.randint(low[high,shape,dtype])

  • 返回随机整数，范围：[low,high)

  • shape：数组维度

  • dtype：数据类型，默认np.int

  • high不填时，范围[0,low)

  • np.random.randint(-5,5,size=(2,2))
    np.random.randint(1,5)# 返回1个[1,5)之间的随机整数
    

• np.random.seed(s)

  • 使产生的随机数组不变

  • np.random.seed(1)
    np.random.randint(100,200,(3,4))
    #放在一起，再次调用，产生的随机数组元素不变
    

随机排列

• np.random.shuffle(arr)
  • 根据数组arr的第1轴进行随机排序
  • 会改变数组arr
• np.random.permutation(arr)
  • 根据arr的第1轴产生一个新的乱序数组
  • arr不变
• np.random.choice(arr[,size,replace,p])
  • 从一维数组arr中以概率p抽取元素，形成size形状的数组
  • replace表示是否可以重用元素
  • p
    • 设置元素被抽取的概率
    • eg，p = arr/np.sum(arr)

随机分布

• np.random.uniform(low,high,size)

  • 产生具有均匀分布的数组
  • low 起始值
  • high 结束值
  • size 形状

• np.random.normal(loc.scale,size)

  • 产生具有正态分布的数组

  • loc 均值

  • scale 标准差

  • size 形状

  • np.random.normal(9,2,50)#创建 包含50个元素的数组，且均值9，标准差2
    

• np.random.poisson(lam.size)

  • 产生泊松分布的数组
  • lam 随机事件发生概率
  • size 形状