使用python进行数据分析

发表于   |   分类于   |   阅读次数   |  

Numpy

1
2
3
4
5
6
7
arr = np.array([])          # 元组数组也行，转为ndarray
arr = np.array([[][]])      # 三维的顺序是(z,x,y)
arr = np.zeros(3)           # ones同,empty同（返回未初始化的垃圾值）
arr = np.zeros((2,3))
arr = np.arange(10)         # 0~9
arr = np.zeros_like(arr0)   # 复制arr0形状，值全为0，ones_like同，empty_like同
arr = np.eye(n)             # 创建n*n单位矩阵
1
dtype用默认np.float64(f8)、int32(i4)等python标准的精度兼容
1
+ - * / **(指数运算)运算作用到每个元素

所有切片都是原数组的视图，不是副本，对切片进行赋值即对原数组操作，arr2=arr1也是视图

要想获得切片的副本需要显示的赋值，即arr1=arr.copy()

1
2
3
4
5
6
一维数组的切片
arr[5]、arr[5:8]、arr[:5]、arr[:]
arr1 = arr[2:4]  # arr=[0,1,2,3,4,5]
arr1[1] = 10     # arr=[0,1,2,10,4,5]
二维数组、三维数组的索引与切片同，可以看做是对列表操作
花式索引arr[4,3,0,6]、arr[[4,3,0,6]]
1
2
np.random
randn(m,n)   # 生成m*n正态分布数据
1
2
3
arr.reshape((m,n))  # 将一维数组变成m*n二维数组    # 都是视图操作
arr.T  # 转置
np.dot(arr.T,arr)   # 计算arr内积（矩阵乘法）
1
np.where是一个利器