Pandas_Task01：预备知识

学习目标：

python基础

---

学习内容：

提示：这里可以添加要学的内容
例如：
1、 python基础
2、 pandas基础

---

遗漏的python知识

1. map函数:它返回的是一个 map 对象，需要通过 list 转为列表：

map(function, iterable, ...)
list(map(lambda x: 2*x, range(5)))#e.g.

numpy总结

引用模 块	函数/属性名	实例	说明
import numpy as np
1）基本属性
	array.ndim		数组维度
	array.size		数组元素个数
	array.dtype		数组数据类型
2) 基本函数
	np.set_printoptions()	np.set_printoptions(precision=4, suppress=True)	设置输出精度，是否使用科学计算
	np.array()	np.array([[1,2,3,4],[0,1,2,3]] )	创建 ndarray对象
	np.arange()	np.arange(15) np.arrange(-3,3,0.2) #0.2为步长	创建一个等差数组
	np.zeros()	np.zeros(10) np.zeros( (3,6) )	生成一个给定大小的全0数组
	np.ones()	np.ones( (2,3,2) ）	生成一个给定大小的全1数组
	np.reshape()	np.arange(15).reshape(3, 5)	将一维数组转换为指定的多维数组
3) 通用数学函数
	np.abs()、np.fabs()	np.abs(x)，np.fabs(x)	计算整数、浮点数或复数的绝对值
	np.sqrt()	np.sqrt(arr)	计算各元素的平方根
	np.square()	np.square(x)	计算各元素的平方
	np.exp()	np.exp(arr)	计算各元素的指数
	np.sin()、np.cos()、np.cosh()、np.sin() np.sinh()、np.tan()、np.tanh()	np.sin(arr)	普通和双曲型三角函数
	np.floor()	np.floor(arr/10) #将arr转换成整数形式的十分制分数	计算各元素的floor值，即小于等于该值的最大整数
	np.ceil()		计算各元素的ceiling值，即大于等于该值的最小整数
3) 二元函数
	np.add()		将数据中对应的元素相加
	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()		除法或向下取整除法
	np.power()		对第一个数组中的元素A，根据第二个数组中的相应元素B，计算AB
	np.mod()		元素级的求模运算
	np.copysign()		将第二个数组中的值的符号复制给第一个数组中的值
	np.equal(),np.not_equal()		执行元素级的比较运算，产生布尔型数组
4) 聚集函数
	array.sum()	arr.sum() #全部求和 arr.sum(1) #按给定轴求和，产生低一维的数组	求和函数
	array.mean()	arr.mean()	算术平均值
	array.min()、array.max()	arr.max()、arr.min()	最大值和最小值
	array.argmin()、array.argmax()	arr.argmax()、arr.argmin()	最大值和最小值的索引
	array.cumsum()	arr.cumsum(axis = 1) #逐列求累加和	从0开始向前累加各元素
	array.cumprod()	arr.cumprod()	从1开始向前累乘各元素
5) 随机生成函数
	np.random.random()		随机产生[0,1)之间的浮点值
	np.random.randint()	np.random.randint(0, 2, size = (2,10)) #生成0-1之间的整数随机数，维度是2*10	随机生成给定范围内的一组整数
	np.random.uniform()		随机生成给定范围内服从均匀分布的一组浮点数
	np.random.choice()		在给定的序列内随机选择元素
	np.random.normal()	np.random.normal( 1, 2.1, size(4,4) ) #生成4*4的矩阵，均值为1，方差为2.1	随机生成一组服从给定均值和方差的正态分布随机数
6) 条件逻辑的数组运算
	np.where()	result = np.where(cond, xarr, yarr) np.where( arr>0, 2, -2) #将arr数组中>0的替换为2，其余替换为-2 np.where( arr>0, 2, arr) #将arr数组中>0的替换为2，其余不变	三元表达式：x if condition else y的矢量化版本

可在这里下载

练习题自己的想法

#作业
M1 = np.random.rand(2,3)
M2 = np.random.rand(3,4)
res = np.empty((M1.shape[0],M2.shape[1]))
for i in range(M1.shape[0]):
     for j in range(M2.shape[1]):
        item = 0
        for k in range(M1.shape[1]):
             item += M1[i][k] * M2[k][j]
        res[i][j] = item
(abs(M1@M2 - res) < 1e-15).all() # 排除数值误差
#------------------------------------------------------------#

#rewrite
result = np.array([[np.sum(row*col) for col in Mat2.T ] for row in Mat1  ])

2. 设矩阵 Am×n ，现在对 A 中的每一个元素进行更新生成矩阵 B ，更新方法是 Bij=Aij∑k=1n1Aik

A= np.mat('1 2 3;4 5 6;7 8 9')
B = [ [A[r][c] * np.sum(1/A[r,:]) for c in range(A.shape[1])] for r in range(A.shape[0])  ]

3. Chi-SquareStatistic

np.random.seed(0)
A = np.random.randint(10, 20, (8, 5))
B = (A.sum(axis=0)*A.sum(axis=1).reshape(-1,1))/A.sum()
((A-B)**2/B).sum()

np.random.seed(0)
m, n, p = 100, 80, 50
B = np.random.randint(0, 2, (m, p))
U = np.random.randint(0, 2, (p, n))
Z = np.random.randint(0, 2, (m, n))
##就是求一个2-范数emmm
(((B**2).sum(1).reshape(-1,1)+(U**2).sum(0)-2*B@U)*Z).sum()

A = np.array([3,2,1,2,3,4,6])
np.diff(np.nonzero(np.r_[1,np.diff(x)!=1,1])).max()