利用Python进行数据分析-读书笔记(2)

4.2 通用函数:快速的元素级数组函数

np.sqrt(arr) np.exp(arr)
np.maximum(arr1,arr2) 计算数组arr1和arr2中元素级别最大的元素
a,b = np.modf(arr) 返回浮点数数组的小数和整数部分 a为小数部分 b为整数部分
通用函数有out参数,可以使得数组原地操作
常见ufunc:

abs  fabs(更快求绝对值)  sqrt  squre  exp  log  log10  log2  log1p  sign(元素正负号) 
ceil(大于等于该值的最小整数)  floor(小于等于该值最大整数)
rint(将各元素值四舍五入到最接近的整数,保留dtype)
modf  isnan  isfinite  isinf  
cos  cosh  sin  sinh  tan  tanh……
logical_and  logical_not  logical_or
add  substract(数组元素相减)  multiply divide/floor_divide(除法取整)
pow(A,B)(A的B次方)  maximum  fmax(忽略Nan)  minimum  fmin
mod  copysign(复制第二个数组中元素符号到第一个数组中)
greater  greater_equal  less  less_equal  equal  not_equal (等价于>,>=,<,<=,==,!=)

4.3 利用数组进行数据处理

[X,Y] = np.meshgrid(x,y)
若x.shape[0] = m y.shape[0] = n,均为一维数组
则X.shape = Y.shape = (n,m) X每一行都是x的复制,Y的每一列都是y的复制
np.where 等价于 x if condition else y
x if condition else y 缺点:1.大数组处理不快 2.无法用于多维数组
where(cond, arr1, arr2) cond值为true则选择arr1中元素,反之选择arr2中元素
sum(where(data != 0, (data-estimate) **2, 0)) 计算两个矩阵差,残差平方求和
np.where(arr>0, 2, -2) arr中正值替换为2负值替换为-2
np.where(arr>0, 2, arr) arr中正值替换为2
多位数组中的where应用 怎么理解numpy的where()?

数学与统计方法

arr.mean() arr.mean(axis = 1)/arr.mean(1)计算行平均值 arr,mean(axis = 0) 计算列平均值
arr.sum() std 标准差 var 方差 min max argmin argmax最大值索引(默认是平铺的数组)
cumsum 所有元素的累计和 cumprod 所有元素的累计积
cumsum(axis=0) 从左到右计算每列累计和
sum() 可以用于计算布尔型数组中true值个数
any() 检查数组中是否存在true值
all() 检查数组元素是否全部为true值
arr.sort() 原地排序 arr.sort(1)/arr/sort(0) 按行/列排序
ndarray.sort(axis=-1, kind='quicksort', order=None) 原地排序
np.sort(a, axis=-1, kind='quicksort', order=None) 返回副本
np.unique(arr) 找出数组中的唯一值并返回已排序的结果(针对一维数组)
in1d(arr1,arr2) 返回arr1中的元素是否在arr2中的一个布尔型数组
intersect1d(arr1,arr2) 返回交集有序结果 union1d(arr1,arr2) 返回并集有序结果
setdiff1d(arr1,arr2) arr1 - arr2 差集
setxor1d(arr1,arr2) 对称差集

4.4 输入输出

np.save(文件名,arr) 保存文件扩展名为.npy,自动加上
np.load(文件名.npy)
np.savez(文件名,a=arr1,b=arr2) 类似字典 文件扩展名npz 保存多个数组
data = np.load(XXX) data['a'] data['b']
np.savez_compressed(XXX,a = arr1,b = arr2) 类似savez,数据压缩很好的情况下使用

4.5 线性代数

arr1.dot(arr2) 矩阵乘法 等价于 np.dot(arr1,arr2)
from numpy.linalg import XXX

linalg中常用函数
转载图片

4.6 伪随机数生成

np.random.normal(size = (3,3)) 产生正态分布样本值
np.random.seed(1234) 更改随机数种子
np.random.RandomState(1234) 创建一个与其它隔离的随机数生成器


转载图片

转载图片

4.7 随机漫步

待续……

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,607评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,047评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,496评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,405评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,400评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,479评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,883评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,535评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,743评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,544评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,612评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,309评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,881评论 3 306
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,891评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,136评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,783评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,316评论 2 342

推荐阅读更多精彩内容