Numpy模块（科学计算）

概要

　　主体：数据分析三剑客之numpy科学计算库

• numpy简介

• numpy前期准备

• numpy数据结构

• numpy数据类型

• numpy其他功能

---

详情

• numpy简介

  Numpy是高性能科学计算和数据分析的基础包，也是pandas等其他数据分析工具的基础，具有多维数组功能，使运算更加高效迅速。

# 下载模块
    在notebook中执行pip命令需要在语句前加上一个感叹号
        !pip3 install numpy
    Anaconda也提供下载模块的工具(与pip一致)
        conda install numpy
# 导入模块
    import numpy as np # 更加倾向于起别名 np

• numpy前期准备

"""
    notebook单元格左侧 In[*]表示当前单元格正在执行,执行完毕后*变回数字
"""
# 身高
height = [159,163,165,172,180]
# 体重
weight = [45,50,52,63,70]
# BMI指数:身体质量指数=体重(kg)/身高(m)的平方
BMI = weight/(height/100)**2
'''事实上,会报错！'''

python与numpy效率对比​

h = []
w = []
for i in range(100000000)
    h.append(random.randint(159,180))
    w.append(random.uniform(45,81))
'''Python代码实现'''
import time
# 开始时间
startTime = time.time()
for i in range(100000000):
    w[i]/(h[i]/100)**2
# 结束时间
endTime = time.time()
# 求时间差
dealTime = endTime-startTime
print(dealTime)

'''Numpy模块实现（更加高效）'''
import numpy as np
H = np.array(h)
W = np.array(w)
# 利用数组进行运算
startTime = time.time()
BMI = W/(H/100)**2
endTime = time.time()
dealTime = endTime-startTime
print(dealTime)

可以看到，numpy模块利用数组进行计算花费的时间更短 ！！！

• numpy数据结构

多维数组

一维数组：np.array([1,2,3,4])

二维数组（矩阵）：np.array([[1,2,3,4],[5,6,7,8]])

三维数组（不常见)：np.array([[[1,2,3,4],[5,6,7,8]]])

注意

1.numpy中同一个数组内所有元素的数据类型一致
    # 布尔值可以直接转换为整型: 真>>>1,假>>>0
    np.array([1,2,False]) >>> array([1, 2, 0])
    # 数组中存在浮点型数据,所有整型都会转换为浮点型
    np.array([1,2,3.1]) >>> array([1.,2.,3.1]) 

2.numpy操作数组的时候,同一个数组内的所有数据均参与操作
    a1 = np.array([1,2,3,4])
    a2 = np.array([7,8,9,1])
    # a1+a2 a1所有数据与a2对应的数据相加
    a1 + a2 >>> array([ 8, 10, 12,  5])
    # a1*a2 a1所有数据与a2对应的数据相乘
    a1 * 10 >>> array([10, 20, 30, 40])

• numpy数据类型

避免与Python原本数据类型冲突,个别类型名称后跟下划线
1.布尔型: bool_
2.整型: int_、int8、int16、int32、int64
    eg: int32只能表示(-2**31，2**31-1),因为它只有32个位，只能表示2**32个数
3.无符号整数: uint8、uint16、uint32、uint64
4.浮点型: float_、float16、float32、float64
5.复数型: complex_、complex64、complex128

可以看到，numpy数据类型以数字类型居多，由于该模块主要用于科学计算，只有数字可以参与。

• numpy其他功能

常用属性

1、T：数组的转置（多维数组）

li1 = [
    [1,2,3],
    [4,5,6]
] 
a = np.array(li1)
a.T
把一个二维数组的行与列的数据进行互换,较为常用。

2、dtype：数组元素的数据类型

li1 = [
    [1,2,3],
    [4,5,6.1]
] 
a = np.array(li1)
# 查看类型
a.dtype

3、size：数组元素的个数

import numpy as np
li1 = [
    [1,2,3],
    [4,5,6.1]
] 
a = np.array(li1)
# 查看数组中元素个数
a.size

4、ndim：数组维数

import numpy as np
li1 = [
    [1,2,3],
    [4,5,6.1]
] 
a = np.array(li1)
# 查看数组维数
a.ndim

5、shape：数组的维度大小（返回元组）

import numpy as np
li1 = [
    [1,2,3],
    [4,5,6.1]
] 
a = np.array(li1)
# 查看数组形状
a.shape

常用方法

1、查看某方法使用说明

(1)在方法后跟?执行即可

(2)在方法名后按住SHIFT再按TAB即可（第二次按TAB显示全部）

2、array()：将列表转换为数组，可指定dtype

import numpy as np
li1 = [
    [1,2,3],
    [4,5,6.1]
] 
a = np.array(li1,dtype='float_')
# 列表切换成数组,指定类型
a

3、arange()：range在numpy下的版本，支持浮点数

import numpy as np
a = np.arange(1,10,0.2)
# 均匀分布
a

4、linspace()：类似arange()，添加第三个参数控制数组长度

import numpy as np
a = np.linspace(1.2,3.6,20)
# 均匀分布
a

5、zeros()：根据指定形状和dtype创建全0数组

import numpy as np
a = np.zeros((3,6),dtype='float_')
# 均匀分布
a

6、ones()：根据指定形状和dtype创建全1数组

import numpy as np
a = np.ones((6,2),dtype='float_')
# 全一数组
a

7、empty()：根据指定形状和dtype创建空数组（随机值）

import numpy as np
a = np.empty((2,2),dtype='float_')
# 空数组
a

8、eye()：根据指定边长和dtype创建单位矩阵

import numpy as np
a=np.eye(6,dtype='float_')
# 单位矩阵
a

索引与切片

1、针对一维数组，numpy索引和切片操作与python中一致

2、花式索引（间断索引）

3、布尔值索引

4、针对二维数组索引与切片

　　res[行索引(切片),列索引(切片)]
可以用英文输入法的冒号获取二维数组的所有行或列元素

运算符

1、数学运算符

+　　数组对应元素的加和
-　　数组对应元素的差
*　　数组对应元素的乘积
/　　数组对应元素的商

 

%     数组对应元素商的余数
//    数组对应元素商的整除数
**    数组对应元素的幂指数

 2、比较运算符

>
        等价np.greater(a1,a2)
        判断a1的元素是否大于a2的元素

>=
        等价np.greater_equal(a1,a2)
        判断a1的元素是否大于等于a2的元素
<
        等价np.less(a1,a2)
        判断a1的元素是否小于a2的元素
<=
        等价np.less_equal(a1,a2)
        判断a1的元素是否小于等于a2的元素
==
        等价np.equal(a1,a2)
        判断a1的元素是否等于arr2的元素
!=
        等价np.not_equal(a1,a2)
        判断a1的元素是否不等于a2的元素

函数

1、常用数学函数

　　np.round(arr)　　对各元素四舍五入

　　np.sqrt(arr)　　   计算各元素的算术平方根

　　np.square(arr)　  计算各元素的平方值

　　np.exp(arr)　　　计算以e为底的指数

　　np.power(arr, α)   计算各元素的指数

　　

　　np.log2(arr) 　　  计算以2为底各元素的对数

　　np.log10(arr)　　 计算以10为底各元素的对数

　　np.log(arr)　　 　计算以e为底各元素的对数

　　

2、常用统计函数

"""  
  注意:
      axis=0时，计算数组各列的统计值 
      axis=1时，计算数组各行的统计值
"""

np.min(arr,axis)    　　  按照轴的方向计算最小值
np.max(arr,axis)　　　  按照轴的方向计算最大值
np.mean(arr,axis)　　   按照轴的方向计算平均值
np.median(arr,axis)　   按照轴的方向计算中位数
np.sum(arr,axis)　　　  按照轴的方向计算和
np.std(arr,axis)　　　　按照轴的方向计算标准差
np.var(arr,axis)　　　　按照轴的方向计算方差

随机数

numpy中的random子模块---np.random

　　rand              　　给定形状产生随机数组（0到1之间的数）    
　　randint    　　　　给定形状产生随机整数
　　choice    　　　　 给定形状产生随机选择
　　shuffle    　　　　与random模块的shuffle相同，将元素打乱    
　　uniform    　　　  给定形状产生随机数组(随机均匀分布)
　　normal      　　　 随机正态分布