Numpy基础知识小记

---

Numpy的array以及创建方法和操作函数

array对象的背景

• Numpy的核心数据结构，也叫做array就是数组，array对象可以是一维数组，也可以是多维数组；
• Python的List也可以实现相同的功能，但是array比List的性能更好，包含大量的便捷函数；
• Numpy成为事实上的Scipy、Pandas、Scikit-Learn、Tensorflow、PaddlePaddle等框架的“通用底层语言”
• Numpy的array和Python的List的一个区别是，它的元素必须是同一种数据类型，比如都是int类型，这也是Numpy高性能的一个原因

array本身的属性

• shape：返回一个元组（const的list），表示array的维度
• ndim：一个数组，表示array的维度的数目
• size：一个数字，表示array中所有数据元素的数目
• dtype：array中元素的数据类型

创建array的方法

• 从Python的列表List和嵌套列表创建array
• 使用预定函数arange、ones/ones_like、zeros/zeros_like、empty/empty_like、full/full_like、eye等函数创建
• 生成随机数的np.random模块构建

array本身支持的大量操作和函数

• 直接主元素加减乘除等算术操作（python原生代码中是一个一个开平方开立方计算，但是numpy可以对整个数组直接进行计算，就相当于把数组压缩成了一个元素！！）
• 更好用的面向多维的数组索引
• 求sum/mean等聚合函数
• 线性代数函数，比如求解逆矩阵、求解方程组

创建array的便捷函数

使用arange创建数字序列

和python中的range一样：

使用ones创建全是1的数组

使用ones_like创建形状相同的数组

zeros和zeros_like同理

empty和empty_like类似，填的全是随机数而非0

fill和fill_like也是，填的是自己想要的值

使用random模块生成随机数的数组

array本身支持大量操作和函数

这些操作如果用python实现需要写很多for循环，用numpy数组很容易

最大的特点：array对象，以数组为单位进行运算，不需要for循环！！

Numpy怎样对数组使用索引查询

基础索引

一维数组

索引和python的List一样

二维数组

不太一样嗷，List中是跟C语言的数组一样的，例如x[i][j]

然鹅，array中是x[i,j]

中间是用逗号隔开的！！

神奇索引（对比基础索引，他多了个中括号，因为它是对好多的行和列，而基础索引只是某一行/连着的某几行（切片））

一维数组

argsort传回来的是下标，然后根据神奇索引访问

感觉就是根据index代入啊！！！索引到value然后代入index的输入形式！！

二维数组

• 规律：

​ 数组之间有逗号，逗号之前是一个数组，代表要取的行号，逗号后面是也一个数组，代表要取得列号！！！

​ 原则仍然是根据索引代换进去！！！

布尔索引

一维数组

bool类型就是true或者false哇，就是一种阈值的方法

二维数组

意思是，输出【第三列】元素值【大于5】的那些行

bool的二维数组只有True和False的时候，再以它作为参数，取到的索引是一维的！！！

条件的组合

Numpy常用random随机函数汇总

rand函数，参数表示维度（0到1）

randn函数，范围不一定在0到1之间，而是呈正态分布

randint函数，生成某一个范围内的整数随机数

random函数（0到1）（只有一个size）（和最上面额rand函数没啥区别啊？？？参数都是维数！！）

choice函数（顾名思义，就是选择嘛）

​ 最外层逗号把参数分成前后两块，前面一部分是【给你选的东西】（如果【给你选的东西】是一个数字n，则表示range(n)，如果是一个List，则表示在这个里面挑选），后面一部分是size，确定了维度！！

shuffle()函数，打乱顺序！！（修改原数组，无返回值！！）

遇到多维数组，只会对第一维度进行打乱！！！

意思就是这样的效果：

​ 即进行行打乱，但是后面还是跟着第一位（老大）的！！！同一行一直是同一行，只是行与行之间打乱

permutation(x)函数（也是打乱，但是与shuffle不同）

把一个数组x进行随机排列，或者数字的全排列

这与shuffle类似，一个数的时候表示range(n)，多个数则表示多维度

​ 但是！！！！shuffle是浅拷贝，即改变了原数组；而permutation是深拷贝，返回的是一个新的数组，不改变原来数组的值！！！！！！

normal()函数

按照平均值loc和方差scale生成高斯分布的数字

uniform()函数（【自定范围内】【自定维度】随机数）

实例：对数组加入随机噪声

效果如下

Numpy常用的数学统计函数

Numpy有哪些数学统计函数

np.cumsum(arr)：

​ 某个位置的值是这样得出来的，计算从arr[0]开始一直到这个位置的所有元素和（cumprod同理），用处是，累计一个东西，比如一个水电费啥的

np.percentile（百分数划分），quantile（小数划分）：

​ 就是把整个数组按值整成在一个数轴上，然后取位于百分之多少上的数（如果不是整数，就取两侧数据的平均）

​ 举个例子：高等院校的入学考试成绩经常以百分位数的形式报告。比如，假设某个考生在入学考试中的语文部分的原始分数为 54 分。相对于参加同一考试的其他学生来说，他的成绩如何并不容易知道。但是如果原始分数54分恰好对应的是第70百分位数，我们就能知道大约70%的学生的考分比他低，而约30%的学生考分比他高。

中位数、平均数 、标准差、方差、加权平均

对于加权平均，因为arr.shape是元组类型，例如（1，2，3）

• 如果要用np.random.rand()，则必须要传入“1,2,3”而非"(1,2,3)"，因此要用"*"号，把元组打散成元素！！！！

• 如果要用np.random.random()，则可以传入"(1,2,3)"，变成np.random.random((1,2,3))，就不需要用“*”打散元组了！！！

怎么实现按不同的axis计算

举个例子：

当axis=0时，就是把整个数组上下压扁，压成一行

当axis=1时，就是把整个数组左右压扁，压成一列，然后再横着排成一行

实例：机器学习中将数据进行标准化

• 小知识点：Numpy的广播

​ 如图，arr为3×4的矩阵，但是mean是每一列平均值组成的，是1×4的矩阵，这时候他会自动把后者复制成三份，变成3×4的矩阵，再和arr进行运算。这就是numpy的广播。

例子：

效果如下：

标准化的公式要牢记嗷！！！

标准化的公式要牢记嗷！！！

标准化的公式要牢记嗷！！！

Numpy计算数组中满足条件的个数

需求：有一个非常大的数组比如1亿个数字，求出里面数字小于5000的数字数目

1.使用numpy的random模块生成1亿个数字

2.使用Python原生语法实现

3.使用numpy的向量化操作实现

这里用到了Numpy的布尔索引

对比体会一下python原生语法的遍历和numpy的bool索引！！！

对比体会一下python原生语法的遍历和numpy的bool索引！！！

对比体会一下python原生语法的遍历和numpy的bool索引！！！

Numpy怎么给数组增加一个维度

方法1：np.newaxis关键字

• 咋理解呢？

就是逗号左边是行，右边是列，然后np.newaxis在左边的时候意思就是：添加了空的行

如果np.newaxis在逗号右边，意思就是：添加了空的列！！！

方法2：np.expand_dims方法

其效果和上面np.newanxis关键字一摸一样（不过感觉这个好理解啊）

axis=0则是添加空行，这个之前用mean、sum、average等进行每一列的计算时的想法相同，都是液压机压缩的方法，axis=1则是左右压缩！！！

方法3：np.reshape方法

因为我们很多时候，其实数据太多，不知道到底有多少数据

这个时候就用“-1”来让Numpy自己算到底有多少数据即可！！！

Numpy非常重要的数组合并操作

• 行合并的三种方法

• 列合并的三种方法