手把手教你学Numpy，这些api不容错过

Posted 2020-12-10 TechFlow2019

本文始发于个人公众号：TechFlow，原创不易，求个关注

今天是Numpy专题的第5篇文章，我们来继续学习Numpy当中一些常用的数学和统计函数。

基本统计方法

在日常的工作当中，我们经常需要通过一系列值来了解特征的分布情况。比较常用的有均值、方差、标准差、百分位数等等。前面几个都比较好理解，简单介绍一下这个百分位数，它是指将元素从小到大排列之后，排在第x%位上的值。我们一般常用的是25%，50%和75%这三个值，通过这几个值，我们很容易对于整个特征的分布有一个大概的了解。

前面三个指标：均值、方差、标准差都很好理解，我们直接看代码就行。

median和percentile分别是求中位数与百分位数，它们不是Numpy当中array的函数，而是numpy的库函数。所以我们需要把array当做参数传入。percentile这个函数还需要额外传入一个int，表示我们想要得到的百分位数，比如我们想要知道50%位置上的数，则输入50。

除了这些之外，我们还会经常用到sum，min，max，argmin，argmax这几个函数。sum，min，max很好理解，argmin和argmax的意思是获取最小值和最大值的索引。

这里返回的索引有点奇怪，和我们想的不同，居然不是一个二维的索引而是一维的。实际上numpy的内部会将高维数组转化成一维之后再进行这个操作，我们可以reshape一下数组来进行验证：

这些只是api的基本用法，numpy当中支持的功能不仅如此。我们观察一下这些函数会发现，它们的作用域都是一组数据，返回的是一组数据通过某种运算得到的结果。举个例子，比如sum，是对一组数据的价格。std计算的是一组数据的标准差，这样的函数我们称为聚合函数。

numpy当中的聚合函数在使用的时候允许传入轴这个参数，限制它聚合的范围。我们通过axis这个参数来控制，axis=0表示对列聚合，axis=1表示对行聚合。我们死记的话总是会搞混淆，实际上axis传入的也是一个索引，表示第几个索引的索引。我们的二维数组的shape是[行， 列]，其中的第0位是行，第1位是列，可以认为axis是这个索引向量的一个索引。

我们可以来验证一下：

可以看到axis=0和axis=1返回的向量的长度是不同的，因为以列为单位聚合只有4列，所以得到的是一个1 x 4的结果。而以行为单位聚合有5行，所以是一个1 x 5的向量。

除了上面介绍的这些函数之外，还有cumsum和cumprod这两个api。其中cumsum是用来对数组进行累加运算，而cumprod是进行的累乘运算。只是在实际工作当中，很少用到，我就不展开细讲了，感兴趣的同学可以查阅api文档了解一下。

bool数组的方法

我们之前在Python的入门文章当中曾经提到过，在Python中True和False完全等价于1和0。那么在上面这些计算的方法当中，如果存在bool类型的值，都会被转化成1和0进行的计算。

我们灵活运用这点会非常方便，举个例子，假设我们要统计一批数据当中有多少条大于0。我们利用sum会非常方便：

bool数组除了可以应用上面这些基本的运算api之外，还有专门的两个api，也非常方便。一个叫做any，一个叫做all。any的意思是只要数组当中有一个是True，那么结果就是True。可以认为是Is there any True in the array的意思，同样，all就是说只有数组当中都是True，结果才是True。对应的英文自然是Are the values in the array all True。

这个只要理解了，基本上很难忘记。

排序

Python原生的数组可以排序，numpy当中的数组自然也不例外。我们只需要调用sort方法就可以排序了，不过有一点需要注意，numpy中的sort默认是一个inplace的方法。也就是说我们调用完了sort之后，原数组的值就自动变化了。

如果写成了arr = arr.sort()会得到一个None，千万要注意。

同样，我们也可以通过传入轴这个参数来控制它的排序范围，可以做到对每一列排序或者是对每一行排序，我们来看个例子：

这个是对列排序，如果传入0则是对行排序，这个应该不难理解。

集合api

numpy当中还提供了一些面向集合的api，相比于针对各种计算的api，这些方法用到的情况比较少。常用的一般只有unique和in1d。

unique顾名思义就是去重的api，可以返回一维array去重且排序之后的结果。我们来看个例子：

它等价于：

set(sorted(arr))

in1d是用来判断集合内的元素是否在另外一个集合当中，函数会返回一个bool型的数组。我们也可以来看个例子：

除了这两个api之外，还有像是计算并集并排序的union1d，计算差集的setdiff1d，计算两个集合交集并排序的intersect1d等等。这些api的使用频率实在是不高，所以就不赘述了。用到的时候再去查阅即可。

总结

今天我们聊了numpy当中很多常用的计算api，这些api在我们日常做机器学习和数据分析的时候经常用到。比如分析特征分布的时候，如果数据量很大是不适合作图或者是可视化观察的。这个时候可以从中位数、均值、方差和几个关键百分位点入手，再比如在我们使用softmax多分类的时候，也会用到argmax来获取分类的结果。

总之，今天的内容非常关键，在numpy整体的应用当中占比很高，希望大家都能熟悉它们的基本用法。这样即使以后忘记，用到的时候再查阅也还来得及。

今天的文章就是这些，如果喜欢本文，可以的话请点个关注，给我一点鼓励，也方便获取更多文章。

本文使用 mdnice 排版