python.numpy学习

想要用python写一些算法，发现得用到numpy，大致跟matlab差不多，花了半天时间，看了《利用python进行数据分析》（《python for data analysis》）中的第四章，整理了一下，贴出来分享给大家。

注意：有些图中的代码是我自己做的，有些是书中截图的。我做的，我直接from numpy import *，所以直接打函数名就可以了；书中应该是import numpy as np，所以每个函数都是np.函数。

第四章 Numpy基础：数组和矢量计算

1 numpy的ndarray：一种多维数组对象

多维数组ndarray

每个数组都有一个shape：注意是a.shape，不是a.shape()

有一个dtype，说明数据类型

创建ndarray

1 array(data)

维度：b.ndim

2 zeros() ones() empty()：创建一个没有具体值的数组

注意：empty()返回的不是0值，是未初始化的垃圾值

3 arange()

ndarry的数据类型：dtype

a.astype('')：转类型

数组和标量之间的运算

数组相当于矢量化（vectorization），不用编写循环即可对数据执行批量运算。

1 大小相等的数组之间的任何运算都会将运算应用到元素级。

+-*/ 两个数组维度相同，应用到元素级：

2 数组与标量的运算也会传播到各个元素

3. 不同大小的数组之间的运算叫做广播（broadcasting），不做介绍。

基本的索引和切片

arr[5:8]=12，会将12赋值给arr[5],arr[6],arr[7]；

注意：数组切片是原始数组的视图，即视图上的任何修改都会直接反映到源数组上！

如果想要得到一个副本，需要显示的进行复制操作： arr[5:8].copy()

对于二维数组：

a[2,3]和a[2][3]是等价的。

切片索引

一个轴一个轴的切，中间用","分隔；冒号":"表示选取整个轴

布尔型索引

上面这个布尔型数组可以用于数组索引，将值为"True"的索引处数据取出来：

注意：布尔型数组的长度必须跟被索引的轴长度一致，比如这里布尔型数组长度为4，data第一轴的长度也为4

还可以使用不等于（!=），也可以使用负号（-）对条件进行否定：

可以使用&（和），|（或）之类的布尔运算符号：

常用手段：

将data中所有负值设置为0：data[data<0]=0

设置整行或整列的值：data[names!='a']=5

花式索引（Fancy indexing）

为了以特定顺序选取子集，只需传入一个用于指定顺序的正数列表或narray即可。

选出了a[4]a[7]a[1]，并按数组顺序排列

如果整数数组是负数，则从末尾开始选：

同Python索引一样，正数从索引0开始，负数从-1开始，所以-1对应的是最后一行

一次传入多个索引，返回的是一个一维数组：

数组转置和轴对换

T属性（矩阵转置）：也可以直接transpose(a)

对于高维数组，利用transpose()，需要得到一个有轴编号组成的元祖（没看懂怎么转的，感觉用不到）：

注意：返回的是视图，改动视图会改动原数据

2 通用函数：快速的元素级数组函数

通用函数是对narray中的数据执行元素级运算的函数。

一元通用函数：

接上

二元通用函数，也可直接使用+-*/<>==!=

3 利用数组进行数据处理

用数组表达式代替循环的做法，被称为矢量化。相当于对数据进行批量处理，不用循环。

meshigrid(a,a)构造了一个网格，对应的(x,y)为网格上的点。

numpy.where()函数

where(condition, a, b) condition成立，置为a，否则置为b

数学和统计方法

mean(), sum()

mean()和sum()函数可以接受一个axis参数，用于计算该轴向上的统计值

a.sum(0)统计0轴（行）上的统计值，其实统计的是每列的和

a.sum(1)统计1轴（列）上的统计值，统计每行的和

在上面这些方法中，布尔值会强制转换为1（true）和（false）。

比如用sum统计>0的数：

排序sort()

多维数组可以在任何一个轴向上进行排序，只需将轴编号传给sort即可：

唯一化（unique）及其他逻辑集合

unique()：返回数组中唯一值并返回已排序的结果：

4 文件输入输出

将数组以二进制格式保存到磁盘save(), load()

save()和load()函数，默认情况下，数组是以未压缩的原始二进制格式保存在扩展名为.npy的文件中。

文件会自动加上.npy扩展名，然后就可以通过load()读取数据：

存取文本文件savetxt(), loadtxt()

如读取一个逗号分隔的txt文件：

保存则是np.savetxt('test.txt', arr)

5 线性代数（矩阵乘法，矩阵分解，行列式等操作）

矩阵乘法dot()

numpy.linalg中有一租标准的矩阵分解运算以及求逆等函数。

注意：

如果只是from numpy import *，不能直接使用inv等函数，需要linalg.inv()才能使用，或者把linalg import 进来：

6 随机数生成(random包）

numpy.random模块对python内置的random进行了补充，增加了一些用于高效生成多种概率分布的样本值函数。

normal(size=(3,3))：得到一个标准正态分布3*3样本数据

没搞懂他俩有啥区别。。感觉randn和normal不是同一回事吗？