NumPy基础功能索引

NumPy作为Python中一个强大的库，合理的使用不仅可以美化代码，还可以减少循环，提高执行效率。这篇文章的目的就是做一个Numpy的启发性索引。参考图书: 利用Python进行数据分析。

ndarray: 一种多维数组对象

创建ndarray

Numpy中新定义了一个数组对象（ndarray）。该对象可以通过np1.array(其他迭代类型)来定义。ndarray对象内建函数shape（查看对象形式），reshape（重建对象形式），dtype2（查看数据类型）

其他的ndarray创建方法如下

• np.ones()
• np.zeros()
• np.empty()
• np.arange()
• np.eye()

In [1]: import numpy as npIn [2]: np.ones((3, 3))Out[2]:array([[ 1.,  1.,  1.],              [ 1.,  1.,  1.],              [ 1.,  1.,  1.]])

数组和标量之间的运算

这里很重要，是numpy代替for循环的一个体现。
数组与标量，数组与同型数组之间的运算都是元素级的运算

In [5]: testarray = np.ones((2, 2))In [6]: testarray*2Out[6]: array([[ 2.,  2.],       [ 2.,  2.]])In [7]: testarray + testarrayOut[7]: array([[ 2.,  2.],       [ 2.,  2.]])

调用函数

一元函数：

函数 说明 abs/fabs 绝对值 sqrt 开方 square 平方 exp e的x次方 log/log10/log2/log1p 对数，其中log1p是指log(1+x) sign 符号 ceil 计算个元素的ceiling值，即大于等于该值的最小整数 floor floor值，即小于等于该值的最大整数 rint 四舍五入，保留dtype modf 将数组的小树和证书部分以两个独立数组形式返回 isnan 返回一个表示是否为空的数组 isfinite/isinf 返回一个表示是否有限或是否无穷的数组 cos/cosh/sin/sinhtan/tanh/ arccos/arccosh/arcsin/arcsinh/arctan/arctanh logical_not 计算个元素not x的真值。相当于 -arr

---

二元函数：

函数 说明 add 元素加 subtract 元素减 multiply 元素乘 divide/floor_divide 元素除/元素地板除3 power 对每一个元素，计算A的B次方 maximum/fmax 元素级最大值/抛弃NAN minimum/fmin 元素级最小值/抛弃NAN mod 元素级求模

数组统计方法

方法 说明 sum 求轴向和 mean 求期望 std/var 求标准差/求方差 min/max 求最小值/求最大值 argmin/argmax 求最小值索引/求最大值索引 cunsum 求累计 cunprod 求累积

将条件逻辑表述为数组运算

if:

In [22]: result = [(x if c else y) for x, y, c in zip(xarray, yarray, cond)]In [23]: xarray = np.arange(5)In [24]: yarray = np.arange(5)+10In [25]: cond = np.array([True, False, True, True, False])In [26]: result = [(x if c else y) for x, y, c in zip(xarray, yarray, cond)]In [27]: resultOut[27]: [0, 11, 2, 3, 14]

where:

In [28]: result = np.where(cond, xarray, yarray)In [29]: resultOut[29]: array([ 0, 11,  2,  3, 14])

用于数组的文件输入输出

保存 读取 np.save(‘path’, testarray) np.load(‘path.npy) np.savez(‘path’, a=testarray1, b=testarray2) np.load(‘path.npz’) np.savetxt(‘path’) np.loadtxt(‘path.txt’)

随机数

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，方差为1）的样本值 binomial 产生二项分布的样本值 normal 产生正太分布的样本值 beta 产生Beta分布的样本值 chisquare 插死你哼卡方分布的样本值 gamma 产生Gamma分布的样本值 uniform 产生再[0,1)中均匀分布的样本值

---

1. import numpy as np ↩
2. pandas的两个对象也可以用这个方法 ↩
3. 去掉余数 ↩