numpy

Posted 你好,小帝

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了numpy相关的知识,希望对你有一定的参考价值。

创建ndarray

 

1. 使用np.array()由python list创建

 

参数为列表: [1, 4, 2, 5, 3]

 

注意:

  • numpy默认ndarray的所有元素的类型是相同的
  • 如果传进来的列表中包含不同的类型,则统一为同一类型,优先级:str>float>int

 

ndarray的属性

 4个必记参数: ndim:维度 ,shape:形状(各维度的长度), size:总长度, dtype:元素类型
 

ndarray的基本操作

 

 级联

  1. np.concatenate() 级联需要注意的点:
  2. 级联的参数是列表:一定要加中括号或小括号
  3. 维度必须相同
  4. 形状相符
  5. 【重点】级联的方向默认是shape这个tuple的第一个值所代表的维度方向
  6. 可通过axis参数改变级联的方向
  1. np.hstack与np.vstack
    水平级联与垂直级联,处理自己,进行维度的变更
  2. 切分

    与级联类似,三个函数完成切分工作:

    • np.split
    • np.vsplit  #竖直切分行
    • np.hsplit
    • #axis = 0 默认,切分行,
      #axis = 1 ,切分列

    ndarray的聚合操作

     

    1. 求和np.sum

    2. 最大最小值:np.max/ np.min

     

    ndarray的矩阵操作

     

    1. 基本矩阵操作

     

    1) 算术运算符:

    • 加减乘除
     

    2) 矩阵积np.dot()

    2. 广播机制

     

    【重要】ndarray广播机制的两条规则

    • 规则一:为缺失的维度补1
    • 规则二:假定缺失元素用已有值填充

    例1: m = np.ones((2, 3)) a = np.arange(3) 求M+a

     

    1. 快速排序

    np.sort()与ndarray.sort()都可以,但有区别:

    • np.sort()不改变输入
    • ndarray.sort()本地处理,不占用空间,但改变输入

    2. 部分排序

    np.partition(a,k)

     

    有的时候我们不是对全部数据感兴趣,我们可能只对最小或最大的一部分感兴趣。

    • 当k为正时,我们想要得到最小的k个数
    • 当k为负时,我们想要得到最大的k个数

     

     

     

     

以上是关于numpy的主要内容,如果未能解决你的问题,请参考以下文章

数据分析:工具篇NumPyNumPy介绍

Numpynumpy.mean() 的用法

数据分析之道-NumPynumpy切片与索引

什么是NumPy

什么是NumPy

什么是NumPy