Numpy库小抄表！主要语法和代码都在这里啦！

Numpy是一个用python实现的科学计算的扩展程序库，包括：

• 一个强大的N维数组对象Array；
• 比较成熟的（广播）函数库；
• 用于整合C/C++和Fortran代码的工具包；
• 实用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。

NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些本来使用C++，Fortran或Matlab等所做的任务。

本文整理了一个Numpy的小抄表，总结了Numpy的常用操作，可以收藏慢慢看。

（图片可以点开大图查看哦~）

一.安装Numpy

可以通过 Pip 或者 Anaconda安装Numpy:

$ pip install numpy

或

$ conda install numpy

二.基础

NumPy最常用的功能之一就是NumPy数组：列表和NumPy数组的最主要区别在于功能性和速度。

列表提供基本操作，但NumPy添加了FTTs、卷积、快速搜索、基本统计、线性代数、直方图等。

两者数据科学最重要的区别是能够用NumPy数组进行元素级计算。

• axis 0：通常指行
• axis 1：通常指列

1.占位符

举例：

import numpy as np# 1 dimensionalx = np.array([1,2,3])# 2 dimensionaly = np.array([(1,2,3),(4,5,6)])x = np.arange(3)>>> array([0, 1, 2])y = np.arange(3.0)>>> array([ 0., 1., 2.])x = np.arange(3,7)>>> array([3, 4, 5, 6])y = np.arange(3,7,2)>>> array([3, 5])

2.数组属性

3.拷贝 /排序

举例：

import numpy as np# Sort sorts in ascending ordery = np.array([10, 9, 8, 7, 6, 5, 4, 3, 2, 1])y.sort()print(y)>>> [ 1 2 3 4 5 6 7 8 9 10]

4.数组操作例程

增加或减少元素

举例：

import numpy as np# Append items to arraya = np.array([(1, 2, 3),(4, 5, 6)])b = np.append(a, [(7, 8, 9)])print(b)>>> [1 2 3 4 5 6 7 8 9]# Remove index 2 from previous arrayprint(np.delete(b, 2))>>> [1 2 4 5 6 7 8 9]

组合数组

举例：

import numpy as npa = np.array([1, 3, 5])b = np.array([2, 4, 6])# Stack two arrays row-wiseprint(np.vstack((a,b)))>>> [[1 3 5]     [2 4 6]]# Stack two arrays column-wiseprint(np.hstack((a,b)))>>> [1 3 5 2 4 6]

分割数组

举例：

# Split array into groups of ~3a = np.array([1, 2, 3, 4, 5, 6, 7, 8])print(np.array_split(a, 3))>>> [array([1, 2, 3]), array([4, 5, 6]), array([7, 8])]

数组形状变化

操作

其他

举例：

# Find inverse of a given matrix>>> np.linalg.inv([[3,1],[2,4]])array([[ 0.4, -0.1],       [-0.2, 0.3]])

5.数学计算

操作

举例:

# If a 1d array is added to a 2d array (or the other way), NumPy# chooses the array with smaller dimension and adds it to the one# with bigger dimensiona = np.array([1, 2, 3])b = np.array([(1, 2, 3), (4, 5, 6)])print(np.add(a, b))>>> [[2 4 6]     [5 7 9]]     # Example of np.roots# Consider a polynomial function (x-1)^2 = x^2 - 2*x + 1# Whose roots are 1,1>>> np.roots([1,-2,1])array([1., 1.])# Similarly x^2 - 4 = 0 has roots as x=±2>>> np.roots([1,0,-4])array([-2., 2.])

比较

举例：

# Using comparison operators will create boolean NumPy arraysz = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])c = z < 6print(c)>>> [ True True True True True False False False False False]

基本的统计

举例:

# Statistics of an arraya = np.array([1, 1, 2, 5, 8, 10, 11, 12])# Standard deviationprint(np.std(a))>>> 4.2938910093294167# Medianprint(np.median(a))>>> 6.5

更多

6.切片和子集

举例:

b = np.array([(1, 2, 3), (4, 5, 6)])# The index *before* the comma refers to *rows*,# the index *after* the comma refers to *columns*print(b[0:1, 2])>>> [3]print(b[:len(b), 2])>>> [3 6]print(b[0, :])>>> [1 2 3]print(b[0, 2:])>>> [3]print(b[:, 0])>>> [1 4]c = np.array([(1, 2, 3), (4, 5, 6)])d = c[1:2, 0:2]print(d)>>> [[4 5]]

切片举例:

import numpy as npa1 = np.arange(0, 6)a2 = np.arange(10, 16)a3 = np.arange(20, 26)a4 = np.arange(30, 36)a5 = np.arange(40, 46)a6 = np.arange(50, 56)a = np.vstack((a1, a2, a3, a4, a5, a6))

生成矩阵和切片图示

7.小技巧

布尔索引

# Index trick when working with two np-arraysa = np.array([1,2,3,6,1,4,1])b = np.array([5,6,7,8,3,1,2])# Only saves a at index where b == 1other_a = a[b == 1]#Saves every spot in a except at index where b != 1other_other_a = a[b != 1]

import numpy as npx = np.array([4,6,8,1,2,6,9])y = x > 5print(x[y])>>> [6 8 6 9]# Even shorterx = np.array([1, 2, 3, 4, 4, 35, 212, 5, 5, 6])print(x[x < 5])>>> [1 2 3 4 4]

参考:

https://github.com/juliangaal/python-cheat-sheet

End.

作者：用户2769421

来源：腾讯云

本文为转载分享，如侵权请联系后台删除