菜鸟数据科学入门03 - NumPy 数组基础和基本操作

Posted 2023-03-15

参考技术A 回顾：

NumPy 是一个用于科学计算的基础 Python 库（ 安装说明 ）。它可以让你在 Python 中使用向量和数学矩阵，以及许多用 C 语言实现的底层函数。

在 Notebook 中导入 NumPy：

数组是将数据组织成若干个维度的数据块。

NumPy 的核心是数组（arrays）。

用 array 创建数组

在 NumPy 数组中，数据类型需要一致，否则，会尝试「向上兼容」，比如生成一个包含浮点数的数组，输出时每个元素都变成了浮点型：

NumPy 还可以用循环生成数组：

用 full 生成一个 3 行 5 列的数组：

用 arange 等距填充数组：

（arange 是 Python 内置函数 range 的数组版，返回的是一个 ndarray 而不是 list）

用 linspace 线性填充数组：

用 random 生成随机数组：

btw 数组索引从 0 开始

NumPy 中的切片语法： x[start:stop:step] ，如果没有赋值，默认值 start=0, stop=size of dimension, step=1。

(上图最后一个图形，arr[1, :2] 应该是 (1,2) 一行二列矩阵？？）

复制数组切片

reshape:

转置（transpose）是重塑（reshape）的一种特殊形式，返回源数据的视图而不进行复制。

用 concatenate 连接数组：

用 vstack 合并到数据行， hstack 合并到数据列

拆分数组的函数包括： np.split , np.hsplit, np.vsplit

传递给数组一个与它有关的条件式，然后它就会返回给定条件下为真的值。

在生成图形时也非常好用：

在程序中用条件式选择了图中不同的点。蓝色的点（也包含图中的绿点，只是绿点覆盖了蓝点），显示的是值大于零的点。绿点显示的是值大于 0 小于 Pi / 2 的点。

当不同 shape 的数组进行运算(按位加/按位减的运算，而不是矩阵乘法的运算)时，(某个维度上)小的数组就会沿着（同一维度上）大的数组自动填充。广播虽然是一个不错的偷懒办法，但是效率不高、降低运算速度通常也为人诟病。

广播的原理（via Broadcast Visualization ）：