python蛇术_小蛇学python（16）numpy高阶用法

如果只是从事简单的数据分析，其实numpy的用处并不是很大。简单了解一下numpy，学好pandas已经够用，尤其是对于结构化或表格化数据。但是精通面向数组的编程和思维方式是成为python科学计算牛人的关键一步。

而且使用numpy的代码往往比普通数组要快，因为数组运算一般都比纯python循环要快得多。大量使用列表，将无可避免的使用循环。

当大家对numpy足够熟悉的时候，我建议大家这样做：

将python循环和条件逻辑转换为数组运算和布尔数组运算。

尽量使用广播。

避免复制数据，尽量使用数组视图，即切片。

利用ufunc及其它各种方法。

线性代数

import numpy as np

x = np.array([[1, 2, 3], [4, 5, 6]])

y = np.array([[6, 23], [-1, 7], [8, 9]])

print(x)

print(y)

print(x.dot(y))

image.png

这是最基础的矩阵计算。比较常用的矩阵计算函数如下。

函数

说明

diag

以一位数组形式返回对角线元素

dot

矩阵乘法

trace

矩阵迹

det

行列式值

eig

本征值与本征向量

inv

求逆

pinv

Moore-Penrose伪逆

QR分解

svd

奇异值分解

solve

解线性方程组Ax=b

lstsq

计算Ax=b的最小二乘解

高级数据操作

ndarray数组视图不复制任何数据的原因是因为，ndarray不只是一块内存和一个dtype，更准确的说它还有跨度信息，这使得数组能以各种步幅在内存中移动。（其实移动的是指针）也因此，ndarray数组有很多我们意想不到的功能。

import numpy as np

arr = np.arange(8)

print(arr)

new_arr = arr.reshape((4, 2))

print(arr)

print(new_arr)

image.png

同样，既然可以重塑，那也可以扁平化，即展开。

import numpy as np

arr = np.arange(8)

new_arr = arr.reshape((4, 2))

print(new_arr)

new_new_arr = new_arr.ravel()

print(new_new_arr)

image.png

在这里要提及一点。与其他科学计算环境相反（R或matlab）,numpy允许更为灵活地控制数据在内存中的布局。具体来说，比如展开数组时是按列优先还是按行优先。

pandas的操作对象主要是结构化数据，numpy的操作对象主要是ndarray数组。这两者之间有很多功能函数是一一对应的，比如，pandas有对表格的拼接，ndarray也有对数组的拼接。

import numpy as np

arr1 = np.array([[1, 2, 3], [4, 5, 6]])

arr2 = np.array([[7, 8, 9], [10 ,11, 12]])

print(np.concatenate([arr1, arr2], axis=0))

print(np.concatenate([arr1, arr2], axis=1))

image.png

有拼接就有拆分，split函数用于将一个数组沿指定轴拆分为多个数组。

import numpy as np

from numpy.random import randn

arr = randn(8, 2)

first, second, third = np.split(arr, [2, 3])

print(first)

print(second)

print(third)

image.png

还有很多功能不一一介绍，其实非常简单，在这里只是引起大家注意，知道numpy功能的强大。

还需要注意一点的是，这些函数都是建立在ndarray数组之上的，列表，元组等并无此功能。

广播机制

所谓广播是说不同形状的数组之间的算术运算的执行方式。

将标量值和数组进行组合时就会发生最简单的广播。

import numpy as np

arr = np.arange(5)

print(arr)

print(arr-1)

image.png

如图所示，当数组和数字之间运算时，并没有报错，而是每个数组元素和该数字做了运算。这在很多科研数据处理的时候，会方便很多。

ufunc高级应用

ufunc除了一些通用的施行特定矢量化运算的特殊方法外，还可以自定义函数对数组进行运算。

import numpy as np

def add_elements(x, y):

return x + y

add_them = np.frompyfunc(add_elements, 2, 1)

print(add_them(np.arange(8), np.arange(8)))

image.png

当然，不幸的是，这种创造ufunc的手段虽然很灵活，却非常慢。因为它们在计算的时候都要执行一次python函数调用，这自然会比numpy自带的基于C编写的ufunc慢很多。

为此，python科学计算社区正在开发一些项目，力求使自定义ufunc的性能接近内置的那些。

python蛇术_小蛇学python（16）numpy高阶用法相关推荐

python编程基础_月隐学python第2课
python编程基础_月隐学python第2课学习目标掌握变量的输入和输出掌握数据类型的基本概念掌握算数运算 1.变量的输入和输出 1.1 变量输入使用input输入 input用于输入数据 ...
python支持向量机股票_小蛇学python（4）利用SVM预测股票涨跌
最近接了一个私活,指导学妹完成毕业设计.核心思想就是利用SVM模型来预测股票涨跌,并完成策略构建,自动化选择最优秀的股票进行资产配置. 在做这个项目的过程中,我体会到想成为一个合格的数据分析或者数据挖 ...
适合小学生python的书_小学生开始学Python,最接近AI的编程语言:安利一波Python书单...
原标题:小学生开始学Python,最接近AI的编程语言:安利一波Python书单 AlphaGo 都在使用的 Python 语言,是最接近 AI 的编程语言. 教育部考试中心近日发布了"关于 ...
有c语言基础学python容易吗_零基础学Python之前需要学c语言吗
Python本身是比较适合作为入门编程语言来学习的,一方面Python的语法结构比较简单清晰,实验也相对比较容易完成,这会逐渐增强初学者的学习信心,另一方面Python属于全场景编程语言,未来在很多领 ...
python编程基础_月隐学python第一课
1.概述本文是用于描述本人学习python的过程,这是第1课情况. 2.学习目标了解python基础知识理解程序和程序翻译的两种形式掌握使用pycham编程基本步骤重点掌握变量定义掌握数据 ...
python 智能造句_[零基础学Python]正规地说一句话
小孩子刚刚开始学说话的时候,常常是一个字一个字地开始学,比如学说"饺子",对他/她来讲,似乎有点难度,大人也聪明,于是就简化了,用"饺饺"来代替,其实就是让孩子 ...
python换脸完整程序_小 200 行 Python 代码做了一个换脸程序
原标题:小 200 行 Python 代码做了一个换脸程序简介在这篇文章中我将介绍如何写一个简短(200行)的 Python 脚本,来自动地将一幅图片的脸替换为另一幅图片的脸. 这个过程分四步: ...
python做外贸_跟着销售学python(3)---开发微信公平台（1）
跟着销售学python(3)--- 开发微信公共平台(1) 首先交代一下, 目前我的学习背景啊: 我自己是一个创业的外贸服务公司, 自己主要做销售,学python主要目的是为了工作上的帮助吧. 自己的 ...
趣学python编程答案_《趣学Python编程》习题总结
上周买了本书叫<趣学Python编程>(英文名:Python for kids),昨天看完后把书后面的题都做了下.由于第1.2章没有习题,第13章及之后都是描写实例的章节,因此这个总结性的 ...

python蛇术_小蛇学python（16）numpy高阶用法

python蛇术_小蛇学python（16）numpy高阶用法相关推荐

最新文章

热门文章