Numpy80题学习笔记（一）

一篇较为杂乱的笔记，来源于公众号“早起Python”的Numpy80进阶80题。

wolai链接：https://www.wolai.com/quantfinance/2e2xFVdkgkwe32cQ1aVker?theme=light

Numpy

归一

将数据归一化到[a,b]区间范围的方法：（1）首先找到样本数据Y的最小值Min及最大值Max（2）计算系数为：k=（b-a)/(Max-Min)（3）得到归一化到[a,b]区间的数据：norY=a+k(Y-Min)

归一化的一般规范函数是：y = (ymax-ymin)*(x-xmin)/(xmax-xmin) + ymin

随机数

1.****numpy.random.rand()官方文档中给出的用法是：numpy.random.rand(d0,d1,…dn)以给定的形状创建一个数组，并在数组中加入在[0,1]之间均匀分布的随机样本。

2.****numpy.random.randn()官方文档中给出的用法是：numpy.random.rand(d0,d1,…dn)以给定的形状创建一个数组，数组元素来符合标准正态分布N(0,1)。若要获得一般正态分布则可用sigma * np.random.randn(…) + mu进行表示

3.****numpy.random.randint()生成随机数组。官方文档中给出的用法是：numpy.random.randint(low,high=None,size=None,dtype)生成在半开半闭区间[low,high)上离散均匀分布的整数值;若high=None，则取值区间变为[0,low)

通配符

PYTHON 中的" %S"%用法

常见的格式化符号
格式符号 转换
%s 通过str()字符串转换来格式化
%u 无符号的十进制整数
%d 有符号的十进制整数
%o 八进制整数
%x 十六进制整数，小写字母
%X 十六进制整数，大写字母
%e 浮点数字(科学计数法)
%E 浮点数字(科学计数法，用E代替e)
%f 浮点实数
%g 浮点数字(根据值的大小采用%e或%f)
%G 浮点数字(类似于%g)

:%2和%2==0的区别

数字％2 == 0是真是数字是偶数
第一个返回一个int,第二个返回一个bool. Python的truthiness可以让你处理它们.

返回两个数组中共同的元素

numpy.intersect1d(ar1, ar2, assume_unique=False, return_indices=False)[source] Find the intersection of two arrays. 返回两个数组中共同的元素

找到2个数组中集合元素的差异

setdiff1d(ar1, ar2, assume_unique=False)

1.功能：找到2个数组中集合元素的差异。

2.返回值：在ar1中但不在ar2中的已排序的唯一值。

3.参数：

ar1：array_like 输入数组。
ar2：array_like 输入比较数组。
assume_unique：bool。如果为True，则假定输入数组是唯一的（不去重），即可以加快计算速度。 默认值为False。

将DataFrame转为numpy数组

随机抽样

numpy.random.choice(a, size=None, replace=True, p=None)
从a(只要是ndarray都可以，但必须是一维的)中随机抽取数字，并组成指定大小(size)的数组
replace:True表示可以取相同数字，False表示不可以取相同数字
数组p：与数组a相对应，表示取数组a中每个元素的概率，默认为选取每个元素的概率相同。

切片

一维数组arr_name[start: end: step]

对二维数组arr_name[行操作, 列操作]

数组排序

arr = np.random.randint(1,10,[3,3])
print(arr)
#列逆序
print(arr[:,-1::-1])
#行逆序
print(arr[-1::-1,:])

根据提供的索引值将元素形成数组输出

矩阵SVD分解

参考网址：

1. https://blog.csdn.net/qq_29720657/article/details/102771436

2. https://www.cnblogs.com/wh-ff-ly520/p/9390855.html

3. https://www.cnblogs.com/bravesunforever/p/12655706.html

4. https://blog.csdn.net/qq_36556893/article/details/89916399

https://www.cnblogs.com/wh-ff-ly520/p/9390855.html

行列逆序

arr = np.random.randint(1,10,[3,3])
print(arr)

列逆序

print(arr[:,-1::-1])

行逆序

print(arr[-1::-1,:])

Pandas

统计出现次数

value_counts(normalize=False, sort=True, ascending=False, bins=None, dropna=True)

参数:

1.normalize : boolean, default False　默认false，如为true，则以百分比的形式显示

2.sort : boolean, default True　默认为true,会对结果进行排序

3.ascending : boolean, default False　默认降序排序

4.bins : integer, 格式(bins=1),意义不是执行计算，而是把它们分成半开放的数据集合，只适用于数字数据

5.dropna : boolean, default True　默认删除na值

以平均值填充