数据分析三大神器之一:Numpy
数据分析三大神器之一:Numpy
简介:
NumPy是高性能科学计算和数据分析的基础包。部分功能如下:
- ndarray, 具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组。
- 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。
- 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。
- 线性代数、随机数生成以及傅里叶变换功能。
- 用于集成C、C++、Fortran等语言编写的代码的工具。
首先要导入numpy库:import numpy as np
目录
数据分析三大神器之一:Numpy
1、数据类型
2、常用函数
3、ndarray的属性
4、ndarray函数
5、ndarray索引 | 切片方法
6、random常用函数
7、 NumPy.linalg函数和属性
1、数据类型
类型 |
类型代码 |
说明 |
int8、uint8 |
i1、u1 |
有符号和无符号8位整型(1字节) |
int16、uint16 |
i2、u2 |
有符号和无符号16位整型(2字节) |
int32、uint32 |
i4、u4 |
有符号和无符号32位整型(4字节) |
int64、uint64 |
i8、u8 |
有符号和无符号64位整型(8字节) |
float16 |
f2 |
半精度浮点数 |
float32 |
f4、f |
单精度浮点数 |
float64 |
f8、d |
双精度浮点数 |
float128 |
f16、g |
扩展精度浮点数 |
complex64 |
c8 |
分别用两个32位表示的复数 |
complex128 |
c16 |
分别用两个64位表示的复数 |
complex256 |
c32 |
分别用两个128位表示的复数 |
bool |
? |
布尔型 |
object |
O |
python对象 |
string |
Sn |
固定长度字符串,每个字符1字节,如S10 |
unicode |
Un |
固定长度Unicode,字节数由系统决定,如U10 |
2、常用函数
2.1生成函数
生成函数 |
作用 |
np.array( x) np.array( x, dtype) |
将输入数据转化为一个ndarray 将输入数据转化为一个类型为type的ndarray |
np.asarray( array ) |
将输入数据转化为一个新的(copy)ndarray |
np.ones( N ) np.ones( N, dtype) np.ones_like( ndarray ) |
生成一个N长度的一维全一ndarray 生成一个N长度类型是dtype的一维全一ndarray 生成一个形状与参数相同的全一ndarray |
np.zeros( N) np.zeros( N, dtype) np.zeros_like(ndarray) |
生成一个N长度的一维全零ndarray 生成一个N长度类型位dtype的一维全零ndarray 类似np.ones_like( ndarray ) |
np.empty( N ) np.empty( N, dtype) np.empty(ndarray) |
生成一个N长度的未初始化一维ndarray 生成一个N长度类型是dtype的未初始化一维ndarray 类似np.ones_like( ndarray ) |
np.eye( N ) np.identity( N ) |
创建一个N * N的单位矩阵(对角线为1,其余为0) |
np.arange( num) np.arange( begin, end) np.arange( begin, end, step) |
生成一个从0到num-1步数为1的一维ndarray 生成一个从begin到end-1步数为1的一维ndarray 生成一个从begin到end-step的步数为step的一维ndarray |
np.mershgrid(ndarray, ndarray,...) |
生成一个ndarray * ndarray * ...的多维ndarray |
np.where(cond, ndarray1, ndarray2) |
根据条件cond,选取ndarray1或者ndarray2,返回一个新的ndarray |
np.in1d(ndarray, [x,y,...]) |
检查ndarray中的元素是否等于[x,y,...]中的一个,返回bool数组 |
2.2矩阵函数
矩阵函数 |
说明 |
np.diag( ndarray) |
以一维数组的形式返回方阵的对角线(或非对角线)元素 |
np.diag( [x,y,...]) |
将一维数组转化为方阵(非对角线元素为0) |
np.dot(ndarray, ndarray) |
矩阵乘法 |
np.trace( ndarray) |
计算对角线元素的和 |
2.3排序函数
排序函数 |
说明 |
np.sort( ndarray) |
排序,返回副本 |
np.unique(ndarray) |
返回ndarray中的元素,排除重复元素之后,并进行排序 |
np.intersect1d( ndarray1, ndarray2) np.union1d( ndarray1, ndarray2) np.setdiff1d( ndarray1, ndarray2) np.setxor1d( ndarray1, ndarray2) |
返回二者的交集并排序。 返回二者的并集并排序。 返回二者的差。 返回二者的对称差 |
2.4一元计算函数
一元计算函数 |
说明 |
np.abs(ndarray) np.fabs(ndarray) |
计算绝对值 计算绝对值(非复数) |
np.mean(ndarray) |
求平均值 |
np.sqrt(ndarray) |
计算x^0.5 |
np.square(ndarray) |
计算x^2 |
np.exp(ndarray) |
计算e^x |
log、log10、log2、log1p |
计算自然对数、底为10的log、底为2的log、底为(1+x)的log |
np.sign(ndarray) |
计算正负号:1(正)、0(0)、-1(负) |
np.ceil(ndarray) np.floor(ndarray) np.rint(ndarray) |
计算大于等于改值的最小整数 计算小于等于该值的最大整数 四舍五入到最近的整数,保留dtype |
np.modf(ndarray) |
将数组的小数和整数部分以两个独立的数组方式返回 |
np.isnan(ndarray) |
返回一个判断是否是NaN的bool型数组 |
np.isfinite(ndarray) np.isinf(ndarray) |
返回一个判断是否是有穷(非inf,非NaN)的bool型数组 返回一个判断是否是无穷的bool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 |
反三角函数和双曲型反三角函数 |
np.logical_not(ndarray) |
计算各元素not x的真值,相当于-ndarray |
2.5多元计算函数
多元计算函数 |
说明 |
np.add(ndarray, ndarray) np.subtract(ndarray, ndarray) np.multiply(ndarray, ndarray) np.divide(ndarray, ndarray) np.floor_divide(ndarray, ndarray) np.power(ndarray, ndarray) np.mod(ndarray, ndarray) |
相加 相减 乘法 除法 圆整除法(丢弃余数) 次方 求模 |
np.maximum(ndarray, ndarray) np.fmax(ndarray, ndarray) np.minimun(ndarray, ndarray) np.fmin(ndarray, ndarray) |
求最大值 求最大值(忽略NaN) 求最小值 求最小值(忽略NaN) |
np.copysign(ndarray, ndarray) |
将参数2中的符号赋予参数1 |
np.greater(ndarray, ndarray) np.greater_equal(ndarray, ndarray) np.less(ndarray, ndarray) np.less_equal(ndarray, ndarray) np.equal(ndarray, ndarray) np.not_equal(ndarray, ndarray) |
> >= < <= == != |
logical_and(ndarray, ndarray) logical_or(ndarray, ndarray) logical_xor(ndarray, ndarray) |
& | ^ |
np.dot( ndarray, ndarray) |
计算两个ndarray的矩阵内积 |
np.ix_([x,y,m,n],...) |
生成一个索引器,用于Fancy indexing(花式索引) |
2.6文件读写
文件读写 |
说明 |
np.save(string, ndarray) |
将ndarray保存到文件名为 [string].npy 的文件中(无压缩) |
np.savez(string, ndarray1, ndarray2, ...) |
将所有的ndarray压缩保存到文件名为[string].npy的文件中 |
np.savetxt(sring, ndarray, fmt, newline='\n') |
将ndarray写入文件,格式为fmt |
np.load(string) |
读取文件名string的文件内容并转化为ndarray对象(或字典对象) |
np.loadtxt(string, delimiter) |
读取文件名string的文件内容,以delimiter为分隔符转化为ndarray |
3、ndarray的属性
ndarray.ndim |
获取ndarray的维数 |
ndarray.shape |
获取ndarray各个维度的长度 |
ndarray.dtype |
获取ndarray中元素的数据类型 |
ndarray.T |
简单转置矩阵ndarray |
4、ndarray函数
4.1常用函数
函数 |
说明 |
ndarray.astype(dtype) |
转换类型,若转换失败则会出现TypeError |
ndarray.copy() |
复制一份ndarray(新的内存空间) |
ndarray.reshape((N,M,...)) |
将ndarray转化为N*M*...的多维ndarray(非copy) |
ndarray.transpose((xIndex,yIndex,...)) |
根据维索引xIndex,yIndex...进行矩阵转置,依赖于shape,不能用于一维矩阵(非copy) |
ndarray.swapaxes(xIndex,yIndex) |
交换维度(非copy) |
4.2 计算函数
计算函数 |
说明 |
ndarray.mean( axis=0 ) |
求平均值 |
ndarray.sum( axis= 0) |
求和 |
ndarray.cumsum( axis=0) ndarray.cumprod( axis=0) |
累加 累乘 |
ndarray.std() ndarray.var() |
方差 标准差 |
ndarray.max() ndarray.min() |
最大值 最小值 |
ndarray.argmax() ndarray.argmin() |
最大值索引 最小值索引 |
ndarray.any() ndarray.all() |
是否至少有一个True 是否全部为True |
ndarray.dot( ndarray) |
计算矩阵内积 |
4.3 排序函数
排序函数 |
说明 |
ndarray.sort(axis=0) |
排序,返回源数据 |
5、ndarray索引 | 切片方法
ndarray[n] |
选取第n+1个元素 |
ndarray[n:m] |
选取第n+1到第m个元素 |
ndarray[:] |
选取全部元素 |
ndarray[n:] |
选取第n+1到最后一个元素 |
ndarray[:n] |
选取第0到第n个元素 |
ndarray[ bool_ndarray ] 注:bool_ndarray表示bool类型的ndarray |
选取为true的元素 |
ndarray[[x,y,m,n]]... |
选取顺序和序列为x、y、m、n的ndarray |
ndarray[n,m] ndarray[n][m] |
选取第n+1行第m+1个元素 |
ndarray[n,m,...] ndarray[n][m].... |
选取n行n列....的元素 |
6、random常用函数
函数 |
说明 |
seed() seed(int) seed(ndarray) |
确定随机数生成种子 |
permutation(int) permutation(ndarray) |
返回一个一维从0~9的序列的随机排列 返回一个序列的随机排列 |
shuffle(ndarray) |
对一个序列就地随机排列 |
rand(int) randint(begin,end,num=1) |
产生int个均匀分布的样本值 从给定的begin和end随机选取num个整数 |
randn(N, M, ...) |
生成一个N*M*...的正态分布(平均值为0,标准差为1)的ndarray |
normal(size=(N,M,...)) |
生成一个N*M*...的正态(高斯)分布的ndarray |
beta(ndarray1,ndarray2) |
产生beta分布的样本值,参数必须大于0 |
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 |
7、 NumPy.linalg函数和属性
函数 |
说明 |
det(ndarray) |
计算矩阵列式 |
eig(ndarray) |
计算方阵的本征值和本征向量 |
inv(ndarray) pinv(ndarray) |
计算方阵的逆 计算方阵的Moore-Penrose伪逆 |
qr(ndarray) |
计算qr分解 |
svd(ndarray) |
计算奇异值分解svd |
solve(ndarray) |
解线性方程组Ax = b,其中A为方阵 |
lstsq(ndarray) |
计算Ax=b的最小二乘解 |
数据分析三大神器之一:Numpy相关推荐
- ppt扇形图怎么显示数据_前方高能!多维数据分析的神器雷达图PPT制作教程来啦!...
数据的可视化呈现,是最近几年的一个热门词,尤其是在各种PPT的制作中,观看者越来越希望通过简单直接的方式了解到数据背后的深刻含义,因此,之前我们也专门为大家分享了为什么要在PPT里去做数据的可视化呈现 ...
- python数据分析基础教程 numpy_Python数据分析基础教程:NumPy学习指南(第2版)
Python数据分析基础教程:NumPy学习指南(第2版) Ivan Idris (作者) 张驭宇 (译者) NumPy是一个优秀的科学计算库,提供了很多实用的数学函数.强大的多维数组对象和优异的计算 ...
- 《Python数据分析常用手册》NumPy和Pandas
转自:https://blog.csdn.net/fu6543210/article/details/80508182 <Python数据分析常用手册>NumPy和Pandas 1.Num ...
- python三大神器装饰器_Python2.x
1)自动化 2)python编写的 openstack jumpserver ansible SaltStack yuanj zabbix json docker yaml 2)The Zen of ...
- 结合RocketMQ 源码,带你了解并发编程的三大神器
摘要:本文结合 RocketMQ 源码,分享并发编程三大神器的相关知识点. 本文分享自华为云社区<读 RocketMQ 源码,学习并发编程三大神器>,作者:勇哥java实战分享. 这篇文章 ...
- 群雄当立,逐鹿分布(三)Paxos传说之三大神器
秘笈残本 书接上回,岛主莱斯利·兰伯特在经历了拜占庭将军之殇之后,就下令全城上下严禁提起拜占庭.因此,Paxos是不需要考虑拜占庭错误.此外,Paxos岛是一个自由的岛屿,责任在这个岛屿显得并没有 ...
- python数据分析(四)——numpy中的nan和数据的填充
系列文章: python数据分析(一)--numpy数组的创建 python数据分析(二)--numpy数组的计算 python数据分析(三)--numpy读取本地数据和索引 python数据分析(五 ...
- 【数据分析】:数据分析三大思路及方法
数据分析三大思路及方法 在上一篇博文[什么是数据分析]中,我们介绍了数据分析的基本概念.流程.方法.这篇文章我们来看看数据分析的基本思路以及常见的数据分析方法.在互联网分析中,基本遵循以下三个步骤: ...
- 数据分析 第四讲 numpy学习+numpy读取本地数据和索引
文章目录 数据分析第四讲 numpy学习+numpy读取本地数据 一.numpy数组 1.numpy介绍 2.numpy基础 3.numpy常见的数据类型 4.数组的形状 5.数组的计算 6.数组的广 ...
- python神器_Python的三大神器,你知道是哪三大吗?史上最详细的入门教程!
Python的三大神器:装饰器.迭代器与生成器!这就是Python的三大神器,好了废话不多说.直接来上干货吧! 生成器 仅仅拥有生成某种东西的能力,如果不用__next__方法是获取不到值得. 创建一 ...
最新文章
- 你的AI模型有哪些安全问题,在这份AI攻防“词典”里都能查到
- 易语言mysql连接模块_易语言mysql链接模块libmySQL6.1模块源码
- android studio 写文件,在Android Studio中从我自己的类读取和写入文本文件
- bash-高级编程--变量和参数介绍
- spark standalone集群安装及spark on yarn
- [JavaWeb-HTML]HTML文本标签
- mysql正则通配符全解_mysql正则表达式与通配符
- DotFuscator使用步骤
- vb怎样同时打开2个excel工作簿_【赠书】不打开工作簿也能批量合并不同文件夹下多个表格的数据...
- 程序员不会SQL?骨灰级工程师:全等着被淘汰吧!这是必会技能!
- 进阶~Qt程序启动画面
- (34.1)【登录越权/爆破专题】原理、字典资源、工具、利用过程……
- C#语言入门详解(刘铁锰)---泛型
- 如何实现开发一个企业认证开发版微信服务号的详细步骤
- meta20 无法安装 google play_不ROOT不刷机,小米手机如何安装谷歌 GMS 三件套
- 解决浏览器下载文件时中文文件名乱码的问题
- IOS手游开发设计与实现
- 冯米塞斯应力计算的各种形式
- caspase3是什么意思_【求助】cleaved caspase-3, 第一个词怎样翻译好
- c语言程序设计实践万年历,c语言程序设计万年历-20210408030342.docx-原创力文档
热门文章
- 微软开源项目NeuronBlocks:像搭积木一样构建自然语言理解深度学习模型
- 银行卡四要素实名验证,你知道多少?
- 发票管理小工具(三):PDFMiner vs pdfminer3k vs Pdfminer.six
- Anaconda中spyder5闪退如何解决
- php怎么画五星红旗,php基于GD库画五星红旗的方法,phpgd库五星红旗_PHP教程
- 2019各行业【知识地图】集锦
- html里表格做斜线表头,word2010怎么绘制斜线表头
- 计算机word设置斜框线,Word绘制多线斜线表头技巧-word技巧-电脑技巧收藏家
- win10用计算机分区,win10 GPT磁盘各分区的功能分别是什么?
- 设置双击打开.ipynb文件