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
- 我的微信公众号
- 微信扫一扫
-
- 我的微信公众号
- 微信扫一扫
-
评论