Numpy常用方法指南
Numpy常用方法指南
Numpy是Python数据科学的基石。Pandas、SciPy、Scikit-learn等顶级库都建立在Numpy之上。它提供了高性能的多维数组对象和丰富的数学函数，是数据处理、特征工程、模型输入的必备工具。
创建数组（array creation）
import numpy as np
# 从列表创建
arr1 = np.array([1,2,3,4,5])
# 全零/全一/单位矩阵
zeros = np.zeros((3,4)) # 3行4列全0
ones = np.ones((2,3)) # 2行3列全1
eye = np.eye(5) # 5×5单位矩阵
# 等间隔序列
range_arr = np.arange(0,10,2) # [0,2,4,6,8]
lin_arr = np.linspace(0,1,5) # [0,0.25,0.5,0.75,1]
# 随机数组
rand_uniform = np.random.rand(3,3) # [0,1)均匀分布
rand_normal = np.random.randn(3,3) # 标准正态分布
rand_int = np.random.randint(0,10,(2,5)) # 随机整数
# 重复/平铺
repeat_arr = np.repeat([1,2],3) # [1,1,1,2,2,2]
title_arr = np.title([1,2],3) # [1,2,1,2,1,2]
数组属性
arr = np.random.rand(4,5)
print(arr.shape) # (4,5)维度形状
print(arr.ndim) # 2 轴的数量（秩）
print(arr.size) # 20 元素总数
print(arr.dtype) # float64 数据类型
print(arr.nbytes) # 占用字节数
索引和切片（核心操作）
arr = np.arange(10)
# 一维切片（与列表类似）
arr[2:7:2] # 从索引2到6，步长2
arr[::-1] # 反转
# 二维数组
mat = np.array([[1,2,3],[4,5,6],[7,8,9]])
mat[0,2] # 第0行第2列 -> 3
mat[1] # 第1行全部 -> [4,5,6]
mat[:,1] # 第1列全部 -> [2,5,8]
mat[0:2,1:3] # 行0-1，列1-2
# 布尔索引 （数据分析常用）
data = np.random.randn(10)
data[data > 0] # 选出所有正数
data[(data > -0.5) & (data < 0.5)]
# 花式索引 （按整数数组取）
arr = np.arange(10)
arr[[3,5,7]] # 取索引3，5，7的元素
数组运算（向量化）
a = np.array([1,2,3])
b = np.array([4,5,6])
# 算术运算 （逐元素）
a + b # [5,7,9]
a * b # [4,10,18]
a ** 2 # [1,4,9]
np.sqrt(a) # [1,1.414,1.732]
# 矩阵乘法
A = np.random.rand(3,4)
B = np.random.rand(4,5)
C = A @ B # 现代写法
C = np.dot(A,B) # 传统写法
# 广播自动扩展维度
arr = np.ones((3,3))
arr + np.array([1,2,3]) # 每行加[1,2,3]
通用函数
arr = np.array([-1,2,-3,4])
np.abs(arr) # 绝对值
np.exp(arr) # 指数
np.log(arr + 4) # 自然对数 （避免负数）
np.log10(arr+5)
np.sin(arr) # 三角函数
np.floor(np.array([1.2,2.9])) # 向下取整
np.ceil([1.2,2.9]) # 向上取整
np.round([1.234,2.567],2) # 四舍五入到两位小数
统计方法（数据分析核心）
data = np.random.randn(100,5) # 100行5列(样本x特征)
# 基本统计量
data.mean() # 全局均值
data.mean(axis=0) # 每列均值（特征均值）
data.mean(axis=1) # 每行均值（样本均值）
data.sum()
data.std() # 标准差
data.var() # 方差
data.min(),data.max()
data.argmin(axis=0) # 每列最小值所在行索引
data.cumsum() # 累加和
data.cumprod() # 累成积
# 中位数、分位数
np.median(data,axis=0)
np.percentile(data,25,axis=0) # 第25百分位
# 相关系数矩阵
np.corrcoef(data.T) # 传入特征为行，所以转置
形状操作
arr = np.arange(12)
mat = np.arange(54).reshape(6,9)
# 改变形状
arr.reshape(3,4)
arr.reshape(4,-1) # -1表示自动推断
# 展平
arr.flatten() # 返回副本
arr.ravel() # 返回视图（效率高）
# 拼接
a = np.array([[1,2],[3,4]])
b = np.array([[5,6]])
np.vstack((a,b)) # 垂直堆叠（增加行）
np.hstack((a,a)) # 水平堆叠（增加列）
np.concatenate([a,a],axis=0)
# 分割
np.split(arr,3) # 等分为3份
np.vsplit(mat,3) # 垂直分割
np.hsplit(mat,3) # 水平分割
唯一值与集合逻辑
arr = np.array([1,2,1,3,2,4,1])
np.unique(arr) # 【1，2，3，4】
np.unique(arr,return_counts=True) # 同时返回频数
# 集合操作
a = np.array([1,2,3,4])
b = np.array([3,4,5,6])
np.intersectld(a,b) # 交集 【3，4】
np.unionld(a,b) # 并集 【1，2，3，4，5，6】
np.setdiffld(a,b) # 差集 【1.2】
np.inld(a,b) # 检查a中元素是否在b中 -> [Flase,False,True,True]
缺失值处理
# 创建含NaN的数组
arr = np.array([1,np.nan,3,np.nan,5])
# 判断缺失
np.isnan(arr) # [False,True,False,True,False]
# 统计时跳过NaN
np.nanmean(arr) # 均值忽略NaN
np.nanstd(arr)
np.nansum(arr)
# 填充缺失
arr[np.isnan(arr)] = 0 # 将NaN替换为0
线性代数常用操作
A = np.random.rand(3,3)
B = np.random.rand(3,3)
np.linalg.inv(A) # 逆矩阵
np.linalg.det(A) # 行列式
np.linalg.matrix_rank(A) # 矩阵秩
np.trace(A) # 迹（对角线之和）
# 特征值与特征向量
eigvals,eigvecs = np.linalg.eig(A)
# 解线性方程组 Ax = b
b = np.array([1,2,3])
x = np.linalg.solve(A,b)
随机数生成
np.random.seed(42) # 固定随机种子，结果可复现
# 常见分布
np.random.uniform(0,1,100) # 均匀分布
np.random.normal(0,1,100) # 正态分布（均值，标准差，数量）
np.random.binomial(10,0.5,100) # 二项分布（试验次数，成功概率，数量）
np.random.poisson(3,100) # 泊松分布
# 随机打乱
arr = np.arange(10)
np.random.shuffle(arr) # 原地打乱
# 随机抽样
np.random.choice(10,5,replace=False) # 从0-9不重复抽5个
保存与加载
# 二进制格式
np.save('my_array.npy',arr)
loaded = np.load('my_array.npy')
# 压缩存储多个数据
np.savez('array.npz',arr1=arr1,arr2=arr2)
data = np.load('arrays.npz')
data['arr1']
# 文本格式（可读，速度慢）
np.savetxt('data.csv',arr,delimiter=',')
csv_arr = np.loadtxt('data.csv',delimiter=',')
对于数据分析师，Numpy是处理数值数据的高性能基础工具。掌握常用方法后可以：快速加载、转换数据；执行描述性统计和简单线性代数运算；为机器学习模型准备特征矩阵。
不建议死记硬背，边用边查，孰能生巧。希望这篇博客可以当作你的Numpy速查手册！
浙公网安备 33010602011771号