AI入门之Python数据分析工具Numpy常用函数丨【百变AI秀】

1、np的重要属性

import numpy as np np.ndim # 数组的维数 np.shape # 数组的形状 np.size # 数组的元素个数 np.dtype # 数组的元素类型

2、创建数组

1）np.array 你可以使用np.array直接用Python的元组和列表来创建，如果传递的是多层嵌套的序列，将创建多维数组。 2）np.arange 为了创建列表，NumPy提供了和 range 类似的函数，通过指定开始值、终值和步长来创建一维数组，同样为左闭右开。 3）使用zeros()、ones()、empty()函数 np.zeros(shape) # 创建指定大小的数组，数组元素以 0 来填充。 np.ones(shape) # 创建指定形状的数组，数组元素以 1 来填充。 np.empty(shape) # 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组。 np.full(shape, val) # 根据shape生成一个数组，每个值都为val。 np.eye(n) # 创建一个正方的n*n矩阵（即单位矩阵），对角线为1，其余全为0。

3、打印数组

当你打印一个数组时，NumPy显示数组的方式和嵌套的列表类似，但是会遵循以下布局： 最后一维从左到右显示。第二维到最后一维从上到下显示。剩下的同样从上到下显示，以空行分隔。一维数组显示成一行，二维数组显示成矩阵，三维数组显示成矩阵的列表。 当一个数组元素太多，不方便显示时，NumPy会自动数组的中间部分，只显示边角的数据。

4、索引与切片

1）标准使用方法 数组元素的存取方法和Python的标准方法相同 a = np.arange(10) a[5] # 用整数作为下标可以获取数组中的某个元素 a[3:5] # 用范围作为下标获取数组的一个切片，包括a[3]不包括a[5] a[:5] # 省略开始下标，表示从a[0]开始 a[:-1] # 下标可以使用负数，表示从数组后往前数 a[2:4] = 100,101 # 下标还可以用来修改元素的值 a[1:-1:2] # 范围中的第三个参数表示步长，2表示隔一个元素取一个元素 a[::-1] # 省略范围的开始下标和结束下标，步长为-1，整个数组头尾颠倒 a[5:1:-2] # 步长为负数时，开始下标必须大于结束下标 和Python的列表序列不同，通过下标范围获取的新的数组是原始数组的一个视图。它与原始数组共享同一块数据空间。 2）使用整数序列 当使用整数序列对数组元素进行存取时，将使用整数序列中的每个元素作为下标，整数序列可以是列表或者数组。使用整数序列作为下标获得的数组不和原始数组共享数据空间。 3）使用布尔数组 当使用布尔数组b作为下标存取数组x中的元素时，将收集数组x中所有在数组b中对应下标为True的元素。使用布尔数组作为下标获得的数组不和原始数组共享数据空间，注意只对应于布尔数组，不能使用布尔列表。。 布尔数组一般不是手工产生，而是使用布尔运算的ufunc函数产生。 4）多维数组 多维数组的存取和一维数组类似，因为多维数组有多个轴，因此它的下标需要用多个值来表示，NumPy采用组元(tuple)作为数组的下标。对多维数组的迭代是在第一维进行迭代的。如果需要遍历多维数组的所有元素，可以使用flat这个属性。

5、数组相关操作

1）切分数组 2）拼接数组 numpy.concatenate 函数用于沿指定轴连接相同形状的两个或多个数组。

6、ufunc运算

需要注意的是数组必须具有相同的形状或符合数组广播规则。

（1）一元ufunc

ceil(x): 向上最接近的整数，参数是 number arrayfloor(x): 向下最接近的整数，参数是 number arrayrint(x): 四舍五入，参数是 number arraynegative(x): 元素取反，参数是 number arrayabs(x)：元素的绝对值，参数是 number arraysquare(x)：元素的平方，参数是 number arrayaqrt(x)：元素的平方根，参数是 number arraysign(x)：计算各元素的正负号, 1(正数)、0（零）、-1(负数)，参数是 number arraymodf(x)：将数组的小数和整数部分以两个独立数组的形式返回，参数是 number arrayisnan(x): 判断元素是否为 NaN(Not a Number)，返回bool，参数是 number 或 array

（2）二元ufunc

add(x, y): 元素相加，x + y，参数是 number arraysubtract(x, y): 元素相减，x – y，参数是 number arraymultiply(x, y): 元素相乘，x * y，参数是 number arraydivide(x, y): 元素相除，x / y，参数是 number arrayfloor_divide(x, y): 元素相除取整数商(丢弃余数)，x // y，参数是 number arraymod(x, y): 元素求余数，x % y，参数是 number arraypower(x, y): 元素求次方，x ** y，参数是 number arrayequal(x1, x2 [, y]) : y = x1 == x2 not_equal(x1, x2 [, y]) : y = x1 != x2 less(x1, x2, [, y]) : y = x1 < x2 less_equal(x1, x2, [, y]) : y = x1 <= x2 greater(x1, x2, [, y]) : y = x1 > x2 greater_equal(x1, x2, [, y]) : y = x1 >= x2

7、函数库

（1）比较运算

allclose(a, b[, rtol, atol, equal_nan]) 如果两个数组在容差范围内在元素方面相等，则返回True。 isclose(a, b[, rtol, atol, equal_nan]) 返回一个布尔数组，其中两个数组在容差范围内是元素相等的。 array_equal(a1, a2) 如果两个数组具有相同的形状和元素，则为真，否则为False。 array_equiv(a1, a2) 如果输入数组的形状一致且所有元素相等，则返回True。 greater(x1, x2, /[, out, where, casting, …]) 逐个元素方式返回（x1> x2）的真值。 greater_equal(x1, x2, /[, out, where, …]) 逐个元素方式返回（x1> = x2）的真值。 less(x1, x2, /[, out, where, casting, …]) 逐个元素方式返回。 less_equal(x1, x2, /[, out, where, casting, …]) 逐个元素方式返回。 equal(x1, x2, /[, out, where, casting, …]) 逐个元素返回（x1 == x2）。 not_equal(x1, x2, /[, out, where, casting, …]) 逐个元素返回 Return (x1 != x2)。

（2）三角函数

sin(x, /[, out, where, casting, order, …]) 逐个元素运算三角正弦函数。 cos(x, /[, out, where, casting, order, …]) 逐个元素运算三角余弦函数。 tan(x, /[, out, where, casting, order, …]) 逐个元素运算三角正切函数。 arcsin(x, /[, out, where, casting, order, …]) 逐个元素运算三角反正弦函数。 arccos(x, /[, out, where, casting, order, …]) 逐个元素运算三角反余弦函数。 arctan(x, /[, out, where, casting, order, …]) 逐个元素运算三角反正切函数。 hypot(x1, x2, /[, out, where, casting, …]) 给定直角三角形的“腿”，返回它的斜边。 arctan2(x1, x2, /[, out, where, casting, …]) 元素弧切线x1/x2正确选择象限。 degrees(x, /[, out, where, casting, order, …]) 将角度从弧度转换为度数。 radians(x, /[, out, where, casting, order, …]) 将角度从度数转换为弧度。 unwrap(p[, discont, axis]) 通过将值之间的差值更改为2*pi补码来展开。 deg2rad(x, /[, out, where, casting, order, …]) 将角度从度数转换为弧度。 rad2deg(x, /[, out, where, casting, order, …]) 将角度从弧度转换为度数。

（3）求总和, 求乘积, 求差异

prod(a[, axis, dtype, out, keepdims]) 返回给定轴上的数组元素的乘积。 sum(a[, axis, dtype, out, keepdims]) 给定轴上的数组元素的总和。 nanprod(a[, axis, dtype, out, keepdims]) 返回给定轴上的数组元素的乘积。 nansum(a[, axis, dtype, out, keepdims]) 返回给定轴上的数组元素的总和。 cumprod(a[, axis, dtype, out]) 返回给定轴上元素的累积乘积。 cumsum(a[, axis, dtype, out]) 返回给定轴上元素的累积和。 nancumprod(a[, axis, dtype, out]) 返回给定轴上的数组元素的累积乘积。 nancumsum(a[, axis, dtype, out]) 返回给定轴上的数组元素的累积和。 diff(a[, n, axis]) 计算沿给定轴的第n个离散差。 ediff1d(ary[, to_end, to_begin]) 数组的连续元素之间的差异。 gradient(f, varargs, *kwargs) 返回N维数组的渐变。 cross(a, b[, axisa, axisb, axisc, axis]) 返回两个（数组）向量的叉积。 trapz(y[, x, dx, axis]) 沿给定的轴积分使用复合梯形规则运算。

（4）平均数和差异

median(a[, axis, out, overwrite_input, keepdims]) 沿指定轴计算中值。 average(a[, axis, weights, returned]) 计算沿指定轴的加权平均。 mean(a[, axis, dtype, out, keepdims]) 沿指定的轴计算算术平均值。 std(a[, axis, dtype, out, ddof, keepdims]) 计算沿指定轴的标准偏差。 var(a[, axis, dtype, out, ddof, keepdims]) 计算沿指定轴的方差。 nanmedian(a[, axis, out, overwrite_input, …]) 在忽略NAS的情况下，沿指定的轴计算中值。 nanmean(a[, axis, dtype, out, keepdims]) 计算沿指定轴的算术平均值，忽略NAS。 nanstd(a[, axis, dtype, out, ddof, keepdims]) 计算指定轴上的标准偏差，而忽略NAS。 nanvar(a[, axis, dtype, out, ddof, keepdims]) 计算指定轴上的方差，同时忽略NAS。

【百变AI秀】有奖征文火热进行中：https://bbs.huaweicloud.com/blogs/296704

AI Numpy Python 数据结构

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。