NumPy 是高性能科學計算和數據分析的基礎包. 它是 pandas 等其他各種工具的基礎.

主要功能:

• ndarray 一個多維數組結構, 高效且節省空間
• 無需循環對整組數據進行快速運算的數學函數
• 線性代數, 隨機數生成和傅里葉變換功能

ndarry 多維數組

• 創建ndarry: np.array(array_like)
• 數組與列表的區別:
  • 數組對象類元素類型必須相同
  • 數組大小不可修改

ndarry 常用屬性

• T: 數組的轉置
• size: 數組元素個數
• ndim: 數組的維數
• shape: 數組的維度大小(元組形式)
• dtype: 數組元素的數據類型

ndarry 創建方法

• array() 將列表轉為數組, 可選擇顯式指定 dtype
• arange() range 的 numpy 版支持浮點數
• linspace() 類似 arange(), 第三個參數為數組長度
• zero() 根據指定形狀和 dtype 創建全0數組
• ones() 根據指定形狀和 dtype 創建全1數組
• empty() 根據指定形狀和 dtype 創建空數組(內存隨機值)
• eye() 根據指定邊長和 dtype 創建單位矩陣

ndarray 索引

• 一維數組索引 a[5]
• 多維數組索引 a[2][3]

• 新式寫法 a[2, 3] (推薦)

• 對于一個數組, 選出其第1, 3, 4, 6, 7個元素, 組成新的二維數組: a[[1,3,4,6,7]]
• 布爾型索引, 選出所有大于5的偶數: a[(a>5) & (a%2=0)]
• 布爾型索引, 選出所有大于5的數和偶數: a[(a>5) | (a%2=0)]

• 對于一個二維數組, 選出其第一列和第三列, 組成新的二維數組: a[:, [1, 3]]

ndarry 切片

• 一維數組的切片: 與列表類似
• 多維數組的切片: a[1:2, 3:4] a[:, 3:5] a[:, 1] (前行后列)
• 與列表切片的不同: 數組切片時并不會自動復制(而是創建一個視圖), 在切片數組上的修改會影響原數組
• copy() 方法可以創建數組的深拷貝

NumPy 通用函數

浮點數特殊值

• nan(Not 啊Number) 不等于任何浮點數(nan != nan)
• inf(infinty) 比任何浮點數都大
• NumPy中創建特殊值 np.nan np.inf
• 在數據分析中, nan常被用做數據缺失值

一元函數

abs sqrt exp log ceil(向上取整) floor(向下取整) rint trunc modf isnan isinf cos sin tan

二元函數

add substract multiply divide power mod maximum mininum

數學和統計方法

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

隨機數生成

• rand 給定形狀產生隨機數組(0到1之間的數)
• randin 給定形狀產生隨機整數
• choice 給定形狀產隨機選擇
• shuffle 與random.shuffle相同
• uniform 給定形狀產生隨機數組

轉載于:https://www.cnblogs.com/haoxi/p/9175781.html

總結

以上是生活随笔為你收集整理的NumPy 基础用法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。