《利用python进行数据分析》1.0——Numpy库

目录：

1. Tab 键自动完成

2. %run命令
3. “Ctri-C” 中断正在执行的代码
4. 忘记输入和输出文本怎么办
5. 创建数组
6. zero 和ones
7. arange（），生成一定长度的数量
8. dtype,将一块内存解释为TED数据类型所需的信息
9. astype ,转换dtype
10. 切片
11. 布尔型索引
12. 花式索引：利用整数数组进行索引
13. 数据转置和轴兑换
14. 通用函数
15. np.meshgrid 函数（接受两个一维数组，并产生两个二维矩阵）
16. np.where 函数 （根据另一个数组而产生一个新的数组）
17. 数学和统计方法
18. 运用布尔型数组的方法
19. 排序 sort
20. 唯一化以及其他的集合逻辑
21. 将数组以二进制格式保存到磁盘
22. 存取文本文件
23. 线性代数
24. 随机数生成 ，numpy.random模块

正文

1. Tab 键自动完成
   将与已输入的字符串相比配的变量找出来

1. 1.

2. %run命令
通过%run命令运行文件

2.

3. “Ctri-C” 中断正在执行的代码

4.忘记输入和输出文本怎么办

• Ipython 会将最近的两个输出结果分布保存在_ 和__(两个下划线）变量中

4.
4.1

• 输入的文本保存在 _ix 的变量中，x为输入行的行号，对应的输出变量 _x

4.2.png

5.创建数组
最简单的办法就是使用array函数，例如列表转化为数组：

5

6.zero 和ones 可分别创建指定长度或形状的全0或全1数组,ones_like,zero_like, 以另一个数组为模板，生成全为0或1的数组

6

7.arange（），生成一定长度的数量；
eye、identity, 创建对角线为1，其余为0 的 正方形矩阵

7

8.dtype,将一块内存解释为TED数据类型所需的信息

8

9.astype ,转换dtype

9

10.切片

10

11.布尔型索引

11 11.1

12.花式索引：利用整数数组进行索引
花式索引和切片不一样，它总是将数据复制到新数组中

12

13. 数据转置和轴兑换

• T 转换

13

• transpose转换：需得到一个由轴编号组成的元组（没懂）

13.1

• swapaxes方法：需接受一对轴编号

13.2

14.通用函数

• sqrt 各元素的平方根

14

• square 各元素的平方

• abs, fabs 计算整数、浮点数、或复数的绝对值。对于非复数值，fabs 更快

• exp 计算各元素的指数

• log 、 log10、 log2、log1p

• sign 计算各元素的正负号：1（正数）0（零）-1（负数）

• ceil 大于等于该值的最小整数

• floor 小于等于该值的最大整数

• rint 将各元素值四舍五入到最接近的整数，保留dtype

• modf 将数组的小数和整数部分以两个独立数组的形式返回

• isnan 返回一个表示“哪些值是NaN”的布尔型数组

• cos 、cosh、 sin、 sinh、tan、tanh 普通型和双曲性三角函数

• arccos、arccosh、arcsin、arcsinh、arctan、arctanh 反三角函数

• logical_not 计算各元素notx 的真值。相当于-arr

• add 将数组中对应的元素相加

14.1

• subtract 从第一个数组中减去第二个数组中的元素

• multiply 数组元素相乘

• divide、floor_divide 除法或整除法（丢弃余数）

• power A的B次方

• maximum、 fmax 元素级的最大值计算。 fmax 将忽略NaN

• minimum、fmin y元素级的最小值计算。 fmin 将忽略NaN

• mod 元素级的求模计算（除法的余数）

• copysign 将第二个数组中的值的符号复制给第一个数组中的值

• greater、greater_equal 执行元素级的比较运算，最终产生布尔型数组

• less, less_equal，equal,not_equal

• logical_and, logical_or, logical_xor 执行元素级的真值逻辑运算

15.np.meshgrid 函数（接受两个一维数组，并产生两个二维矩阵）

15 15.1

16.np.where 函数 （根据另一个数组而产生一个新的数组）

19

17.数学和统计方法

• sum 对数组中全部或某轴向的元素求和
• mean 算数平均数

17

• std、var 标准差和方差
• min、max 最大和最小值
• argmin 、argmax 最大和最小元素的索引
• cumsum 所有元素的累积和
• cumprod 所有元素的累积积

17.1

18.运用布尔型数组的方法

• sum 经常用来对布尔型数组中的True值计算
• any 用来测试数组不是是否存在一个或多个True
• all 检查数组中所有值是否都是True

18

19. 排序 sort

• 就地排序

19

• 多维数组可以在任何一个轴上进行排序，只需轴号

19.1

20. 唯一化以及其他的集合逻辑

• np.unique : 找出数组中的唯一值并返回已排序的结果

20

• np.in1d : 测试一个数组中的值在另一个数组中的成元资格，返回一个布尔型数组

20.1

• intersect1d(x,y) 计算x和y中的公共元素，并返回有序结果
• union1d（x,y） 计算x 和y的公共元素，并返回有序结果
• union1d(x,y) 计算x 和y 的并集， 并返回有序结果
• setdiff1d(x,y) 集合的差， 即元素在x中且不在y中
• setxor1d(x,y) 集合的对称差，即存在于一个数组中单不同时存在于两个数组中的元

21.将数组以二进制格式保存到磁盘

• np.save ，默认情况下，数组以未压缩的原始二进制格式保存在扩展名为.npy的文件中

• np.load , 读取磁盘上的数组

• np.savez 可以将多个数组保存到一个压缩文件中，将数组以关键字参数的形式传入即可

21

22. 存取文本文件

• np.loadtxt : 将数据加载到普通的NumPy数组中

arr = np.loadtxt('array_ex.txt' , delimiter=',')

• np.savetxt: 将数组写到以某种分隔符隔开的文本文件中

23.线性代数

• dot 函数， 对两个二维数组相乘得到一个矩阵点积

23

• numpy.linalg 中有一组标准的矩阵分解运算的方程
• diag ,以一维数组的形式返回 方阵的对角线元素
• trace 计算对角线元素的和
• det 计算矩阵行列式
• eig 计算方阵的本征值和本证向量
• inv 计算方阵的逆
• pinv 计算矩阵的Moore-Penrose伪逆
• qr 计算QR分解
• svd 计算奇异值分解（SVD）
• solve 解线性方程组Ax=b, A为方阵
• lstsq 计算Ax=b的最小二乘解

23

24.随机数生成 ，numpy.random模块

• normal

24

• seed 确定随机数生成器的种子
• permutation 返回一个序列的随机排列或返回一个随机排列的范围
• shuffle 对一个序列就地随机排列
• rand 产生均匀分布的样本值
• randint 从给定的上下限范围随机选取整数
• randn 产生正态分布
• binomial 产生二项分布的样本值
• normal 产生正态（高斯）分布的样本值
• beta 产生Beta分布的样本值
• chisquare 产生卡方分布的样本值
• gamma 产生Gamma 分布的样本值
• uniform 产生在[0,1]中均匀分布的样本值