AI入門之Python數據分析工具Numpy常用函數丨【百變AI秀】

1、np的重要屬性

import numpy as np np.ndim # 數組的維數 np.shape # 數組的形狀 np.size # 數組的元素個數 np.dtype # 數組的元素類型

2、創建數組

1）np.array 你可以使用np.array直接用Python的元組和列表來創建，如果傳遞的是多層嵌套的序列，將創建多維數組。 2）np.arange 為了創建列表，NumPy提供了和 range 類似的函數，通過指定開始值、終值和步長來創建一維數組，同樣為左閉右開。 3）使用zeros()、ones()、empty()函數 np.zeros(shape) # 創建指定大小的數組，數組元素以 0 來填充。 np.ones(shape) # 創建指定形狀的數組，數組元素以 1 來填充。 np.empty(shape) # 方法用來創建一個指定形狀（shape）、數據類型（dtype）且未初始化的數組。 np.full(shape, val) # 根據shape生成一個數組，每個值都為val。 np.eye(n) # 創建一個正方的n*n矩陣（即單位矩陣），對角線為1，其余全為0。

3、打印數組

當你打印一個數組時，NumPy顯示數組的方式和嵌套的列表類似，但是會遵循以下布局： 最后一維從左到右顯示。第二維到最后一維從上到下顯示。剩下的同樣從上到下顯示，以空行分隔。一維數組顯示成一行，二維數組顯示成矩陣，三維數組顯示成矩陣的列表。 當一個數組元素太多，不方便顯示時，NumPy會自動數組的中間部分，只顯示邊角的數據。

4、索引與切片

1）標準使用方法 數組元素的存取方法和Python的標準方法相同 a = np.arange(10) a[5] # 用整數作為下標可以獲取數組中的某個元素 a[3:5] # 用范圍作為下標獲取數組的一個切片，包括a[3]不包括a[5] a[:5] # 省略開始下標，表示從a[0]開始 a[:-1] # 下標可以使用負數，表示從數組后往前數 a[2:4] = 100,101 # 下標還可以用來修改元素的值 a[1:-1:2] # 范圍中的第三個參數表示步長，2表示隔一個元素取一個元素 a[::-1] # 省略范圍的開始下標和結束下標，步長為-1，整個數組頭尾顛倒 a[5:1:-2] # 步長為負數時，開始下標必須大于結束下標 和Python的列表序列不同，通過下標范圍獲取的新的數組是原始數組的一個視圖。它與原始數組共享同一塊數據空間。 2）使用整數序列 當使用整數序列對數組元素進行存取時，將使用整數序列中的每個元素作為下標，整數序列可以是列表或者數組。使用整數序列作為下標獲得的數組不和原始數組共享數據空間。 3）使用布爾數組 當使用布爾數組b作為下標存取數組x中的元素時，將收集數組x中所有在數組b中對應下標為True的元素。使用布爾數組作為下標獲得的數組不和原始數組共享數據空間，注意只對應于布爾數組，不能使用布爾列表。。 布爾數組一般不是手工產生，而是使用布爾運算的ufunc函數產生。 4）多維數組 多維數組的存取和一維數組類似，因為多維數組有多個軸，因此它的下標需要用多個值來表示，NumPy采用組元(tuple)作為數組的下標。對多維數組的迭代是在第一維進行迭代的。如果需要遍歷多維數組的所有元素，可以使用flat這個屬性。

5、數組相關操作

1）切分數組 2）拼接數組 numpy.concatenate 函數用于沿指定軸連接相同形狀的兩個或多個數組。

6、ufunc運算

需要注意的是數組必須具有相同的形狀或符合數組廣播規則。

（1）一元ufunc

ceil(x): 向上最接近的整數，參數是 number arrayfloor(x): 向下最接近的整數，參數是 number arrayrint(x): 四舍五入，參數是 number arraynegative(x): 元素取反，參數是 number arrayabs(x)：元素的絕對值，參數是 number arraysquare(x)：元素的平方，參數是 number arrayaqrt(x)：元素的平方根，參數是 number arraysign(x)：計算各元素的正負號, 1(正數)、0（零）、-1(負數)，參數是 number arraymodf(x)：將數組的小數和整數部分以兩個獨立數組的形式返回，參數是 number arrayisnan(x): 判斷元素是否為 NaN(Not a Number)，返回bool，參數是 number 或 array

（2）二元ufunc

add(x, y): 元素相加，x + y，參數是 number arraysubtract(x, y): 元素相減，x – y，參數是 number arraymultiply(x, y): 元素相乘，x * y，參數是 number arraydivide(x, y): 元素相除，x / y，參數是 number arrayfloor_divide(x, y): 元素相除取整數商(丟棄余數)，x // y，參數是 number arraymod(x, y): 元素求余數，x % y，參數是 number arraypower(x, y): 元素求次方，x ** y，參數是 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、函數庫

（1）比較運算

allclose(a, b[, rtol, atol, equal_nan]) 如果兩個數組在容差范圍內在元素方面相等，則返回True。 isclose(a, b[, rtol, atol, equal_nan]) 返回一個布爾數組，其中兩個數組在容差范圍內是元素相等的。 array_equal(a1, a2) 如果兩個數組具有相同的形狀和元素，則為真，否則為False。 array_equiv(a1, a2) 如果輸入數組的形狀一致且所有元素相等，則返回True。 greater(x1, x2, /[, out, where, casting, …]) 逐個元素方式返回（x1> x2）的真值。 greater_equal(x1, x2, /[, out, where, …]) 逐個元素方式返回（x1> = x2）的真值。 less(x1, x2, /[, out, where, casting, …]) 逐個元素方式返回。 less_equal(x1, x2, /[, out, where, casting, …]) 逐個元素方式返回。 equal(x1, x2, /[, out, where, casting, …]) 逐個元素返回（x1 == x2）。 not_equal(x1, x2, /[, out, where, casting, …]) 逐個元素返回 Return (x1 != x2)。

（2）三角函數

sin(x, /[, out, where, casting, order, …]) 逐個元素運算三角正弦函數。 cos(x, /[, out, where, casting, order, …]) 逐個元素運算三角余弦函數。 tan(x, /[, out, where, casting, order, …]) 逐個元素運算三角正切函數。 arcsin(x, /[, out, where, casting, order, …]) 逐個元素運算三角反正弦函數。 arccos(x, /[, out, where, casting, order, …]) 逐個元素運算三角反余弦函數。 arctan(x, /[, out, where, casting, order, …]) 逐個元素運算三角反正切函數。 hypot(x1, x2, /[, out, where, casting, …]) 給定直角三角形的“腿”，返回它的斜邊。 arctan2(x1, x2, /[, out, where, casting, …]) 元素弧切線x1/x2正確選擇象限。 degrees(x, /[, out, where, casting, order, …]) 將角度從弧度轉換為度數。 radians(x, /[, out, where, casting, order, …]) 將角度從度數轉換為弧度。 unwrap(p[, discont, axis]) 通過將值之間的差值更改為2*pi補碼來展開。 deg2rad(x, /[, out, where, casting, order, …]) 將角度從度數轉換為弧度。 rad2deg(x, /[, out, where, casting, order, …]) 將角度從弧度轉換為度數。

（3）求總和, 求乘積, 求差異

prod(a[, axis, dtype, out, keepdims]) 返回給定軸上的數組元素的乘積。 sum(a[, axis, dtype, out, keepdims]) 給定軸上的數組元素的總和。 nanprod(a[, axis, dtype, out, keepdims]) 返回給定軸上的數組元素的乘積。 nansum(a[, axis, dtype, out, keepdims]) 返回給定軸上的數組元素的總和。 cumprod(a[, axis, dtype, out]) 返回給定軸上元素的累積乘積。 cumsum(a[, axis, dtype, out]) 返回給定軸上元素的累積和。 nancumprod(a[, axis, dtype, out]) 返回給定軸上的數組元素的累積乘積。 nancumsum(a[, axis, dtype, out]) 返回給定軸上的數組元素的累積和。 diff(a[, n, axis]) 計算沿給定軸的第n個離散差。 ediff1d(ary[, to_end, to_begin]) 數組的連續元素之間的差異。 gradient(f, varargs, *kwargs) 返回N維數組的漸變。 cross(a, b[, axisa, axisb, axisc, axis]) 返回兩個（數組）向量的叉積。 trapz(y[, x, dx, axis]) 沿給定的軸積分使用復合梯形規則運算。

（4）平均數和差異

median(a[, axis, out, overwrite_input, keepdims]) 沿指定軸計算中值。 average(a[, axis, weights, returned]) 計算沿指定軸的加權平均。 mean(a[, axis, dtype, out, keepdims]) 沿指定的軸計算算術平均值。 std(a[, axis, dtype, out, ddof, keepdims]) 計算沿指定軸的標準偏差。 var(a[, axis, dtype, out, ddof, keepdims]) 計算沿指定軸的方差。 nanmedian(a[, axis, out, overwrite_input, …]) 在忽略NAS的情況下，沿指定的軸計算中值。 nanmean(a[, axis, dtype, out, keepdims]) 計算沿指定軸的算術平均值，忽略NAS。 nanstd(a[, axis, dtype, out, ddof, keepdims]) 計算指定軸上的標準偏差，而忽略NAS。 nanvar(a[, axis, dtype, out, ddof, keepdims]) 計算指定軸上的方差，同時忽略NAS。

【百變AI秀】有獎征文火熱進行中：https://bbs.huaweicloud.com/blogs/296704

AI Numpy Python 數據結構

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。