Python数据分析基础（二）——NumPy基础

NumPy最重要的特点就是其N维数组对象（即ndarray），该对象是一个快速而灵活的大数据集容器。

数组创建函数

函数说明array将输入数据（列表、元组、数组或其他序列类型）转换为ndarray。asarray将输入转换为ndarrayarange类似于内置的range，但返回的是一个ndarray而不是列表ones、ones_like根据指定的形状和dtype创建一个全1数组。zeros、zeros_like根据指定的形状和dtype创建一个全0数组。empty、empty_like创建新数组，只分配内存空间但不填充任何值eye、identity创建一个正方的N*N单位矩阵（对角线为1，其余为0）

NumPy的数据类型

类型类型代码说明int8、uint8i1、u1有符号和无符号的8位（1个字节）整型int16、uint16i2、u2有符号和无符号的16位（2个字节）整型int32、uint32i4、u4有符号和无符号的32位（4个字节）整型int64、uint64i8、u8有符号和无符号的64位（8个字节）整型float16f2半精度浮点数float32f4或f标准的单精度浮点数。与C的float兼容float64f8或d标准的双精度浮点数。与C的double和Python的float对象兼容float128f16或g扩展精度浮点数complex64、complex128、complex256c8、c16、c32分别用两个32位、64位或128位浮点数表示的复数bool?存储True或False值得布尔类型objectOPython对象类型string_S固定长度的字符串类型（每个字符1个字节）unicode_U固定长度的unicode类型（字节数由平台决定）

一元ufunc

函数说明abs、fabs计算整数、浮点数或复数的绝对值。对于非复整数，可以使用更快的fabssqrt计算各元素的平方根square计算各元素的平方exp计算各元素的指数e^xlog、log10、log2、log1p分别为自然对象（底数为e）、底数为10的log、底数为2的log、log(1+x)sign计算各元素的正负号：1（正数）、0（零）、-1（负数）ceil计算大于等于该值的最小正数floor计算小于等于该值的最大整数rint将各元素值四舍五入到最接近的整数，保留dtypemodf将数组的小数和整数部分以两个独立数组的形式返回isnan返回一个表示“哪些值是NaN”的布尔型数组isfinite、isinf分布返回一个表示“哪些元素是有穷的（非inf、非NaN）”或“哪些元素是无穷的”布尔型数组cos、cosh、sin、sinh、tan、tanh普通型和双曲型三角函数arccos、arccosh、arcsin、arcsinh、arctan、arctanh反三角函数logical_not计算各元素not x的真值。

二元ufunc

函数说明add将数组中对应的元素相加subtract从第一个数组中减去第二个数组中的元素multiply数组元素相乘divid、floor_divide除法或向下整除法（丢弃余数）power对第一个数组中的A，根据第二个数组对应得元素B，计算A^Bmaximum、fmax元素级的最大值计算，fmax将忽略NaNminimum、fmin元素级的最小值计算，fmin将忽略NaNmod元素级的求模计算（除法的余数）copysign将第二个数组中的值的符号复制给第一个数组中的值greater、greater_equal、less、less_equal、equal、not_equal执行元素级的比较运算，最终产生布尔型数组。相当于运算符>、>=、<、<=、==、!=logical_and、logical_or、logical_xor执行元素级的逻辑运算。相当于&、|、^

基本数组统计方法

方法说明sum对数组中全部或某轴向的元素求和。零长度的数组sum为0。mean算术平均数。零长度的数组mean为NaN。std、var分别为标准差和方差，自由度可调（默认为n）min、max最大值和最小值argmin、argmax分别为最大和最小元素的索引cumsum所有元素的累计和cumprod所有元素的累计积

数组的集合运算

方法说明unique(x)计算x中的唯一元素，并返回有序结果intersect1d(x,y)计算x和y中的公共元素，并返回有序结果union1d(x,y)计算x和y的并集，并返回有序结果in1d(x,y)得到一个表示“x的元素是否包含于y”的布尔型数组setdiff1d(x,y)集合的差，即元素在x中且不在y中setxor1d(x,y)集合的对称差，即存在于一个数组中但不同时存在于两个数组中的元素

常用的numpy.linalg函数

函数说明diag以一维数组的形式返回方阵的对角线（或非对角线）元素，或将一维数组转换为方阵（非对角线元素为0）dot矩阵乘法trace计算对角线元素的和det计算矩阵的行列式eig计算方阵的本征值和本征向量inv计算方阵的逆pinv计算矩阵的Moore-Penrose伪逆qr计算QR分解svd计算奇异值分解（SVD）solve解线性方程组Ax=b，其中A为一个方阵lstsq计算Ax=b的最小二乘解

部分numpy.random函数

函数说明seed确定随机数生成器的种子permutation返回一个序列的随机排列或返回一个随机排列的范围shuffle对一个序列就地随机排列rand产生均匀分布的样本值randint从给定的上下限范围内随机选取整数randn产生正态分布（均值为0，标准差为1）的样本值binomial产生二项分布的样本值normal产生正态（高斯）分布的样本值beta产生Beta分布的样本值chisquare产生卡方分布的样本值gamma产生Gamma分布的样本值uniform产生在[0,1）中均匀分布的样本值

参考文献：

利用Python进行数据分析.    Wes McKinney.    唐学韬译