Python数据分析Numpy库常用函数详解，提到循环就该想到的库

Python进行数据分析的核心库肯定是Pandas，该库差不多可以解决结构化数据的绝大部分处理需求。在《Python数据分析常用函数及参数详解，可以留着以备不时之需》一文中也已经对该库的常用函数进行了详细介绍。

但是Pandas是构建在Numpy的基础之上的，它的矢量化运算功能在处理数组和矩阵上具有着非常大的优势。虽然普通的数据分析任务可能很少用到Numpy库，但一旦你具有循环需求或是要处理数值型数据时，你应该首先想到该库。

本文整理了该库的一些常用函数和基础知识，整理不易，希望觉得还不错的朋友可以不吝给个赞。

基础介绍

在介绍函数之前先介绍下Numpy库的基本情况，该库最重要的特点就是其ndarray对象，这个对象可以理解成线性代数里面的数组，每个数组有维度和类型等属性。

维度

直观地判断数组对象有几个维度可通过判断其包含在几层[]中，一层[]即为一维。其中，一维数组可看成是向量，二维数组可看成是有行和列的数据，三维数组可看成是有页，且每页中有行和列的数据，至于更高维度就只能意会了。

类型

数组并不是只能存数值型数据，是也可以存字符串的，但它要求元素类型必须一致，不一致时会按照str > float > int的优先级进行类型转变。例如，在一个整数数组中插入字符串，就会将全部元素转成字符串类型。

另外说一下广播机制。通俗地理解广播机制就是当对不同形状的数组进行算术运算时，广播机制会自动将两个数组补全为相同形状的数组。但需要具备以下前提条件之一：两个数组维度数不等时，二者从末尾开始算起的维度的轴长度相等;两个数组维度数相等时，其中一方的有一个维度的长度为1。关于这一点的理解最好是多加练习。

Numpy常用函数分类

为了更好地理解该库的函数，本文将常用的函数按照下面方式进行分类。

其中基础函数包含对象创建、属性查看、切片索引、形状变换等小类;random模块就是一些常用的随机函数;char模块主要是用来处理字符数组类，也就是数组元素是字符串类型的数据;Matlib是Numpy中的矩阵库，矩阵其实是一种特殊的数组，但它必须是二维的;linglg库是属于线性代数的函数库。

后三个库的函数一般常用于科学计算和图像识别等领域，在数据分析中几乎用不上，因此本文不做介绍，但大家应该知道有这两个库，便于有需求时知道Numpy也具备相应的功能。

基础函数

以下均用arr表示数组，np表示numpy库

(1)对象创建

 
 
 
  
  
  array(object, dtype =None,order =None, ndmin =0) 
  
  
  #order为创建方式，C为行方向，F为列方向，默认为C，ndmin指定生成数组的最小维度
  
  
  arange(start=0,stop=4,step=,dtype=) 
  
  
  #生成一维数组，不包含stop
  
  
  linspace(start=,stop=,num=,endpoint=True) 
  
  
  #生成一维等差数据，endpoint决定是否包含stop值，默认包含
  
  
  asarray(object,dtype=None,order=None) 
  
  
  #将对象转换为数组
  
  
  zeros(shape,dtype=float,order='C') 
  
  
  #生成元素全为0的数组
  
  
  ones(shape,dtype=float,order='C') 
  
  
  #生成元素全为1的数组
  
  
  eye(N,dtype=float,order='C') 
  
  
  #生成对角线元素为1，其余元素为0的N阶矩阵

(2)属性查看

 
 
 
  
  
  arr.shape 
  
  
  #数组的形状
  
  
  arr.ndim
  
  
  #数组的维度
  
  
  arr.size
  
  
  #数组的长度
  
  
  arr.dtype
  
  
  #数组数据类型

(3)切片索引

 
 
 
  
  
  arr[i] 
  
  
  #取i行
  
  
  arr[[i,j]] 
  
  
  #取i，j行
  
  
  arr[:,i:j] 
  
  
  #取i到j-1列
  
  
  arr[::-1,::-1] 
  
  
  #元素反转
  
  
  np.where(condition,x,y) 
  
  
  #condition为真的数组中数据赋值x,否则为y

(4)形状变换

 
 
 
  
  
  arr.reshape(newshape,order=None)
  
  
  #newshape为新维度，元组格式
  
  
  arr.flatten(order='C') 
  
  
  #将数组平铺为一维数组，order表示按行还是按列，默认按行
  
  
  arr.T 
  
  
  #数组转置
  
  
  arr.transpose()
  
  
  #数组转置
  
  
  np.append(arr,values,axis=None) 
  
  
  #axis控制返回什么类型，默认返回的是拼接后的一维数组
  
  
  np.concatenate((arr1,arr2,arr3),axis=0) 
  
  
  #可拼接多个数组

(5)统计函数

 
 
 
  
  
  arr.sum(axis = None) 
  
  
  #axis为整数或者元组 
  
  
  arr.mean(axis = None) 
  
  
  #计算平均值
  
  
  arr.std(axis = None）
  
  
  #计算标准差 
  
  
  arr.var(axis = None）
  
  
  #计算方差  
  
  
  np.average(arr,axis =None, weights =None)
  
  
  #计算数组的加权平均值，weights中为权重
  
  
  np.median(arr,axis=None)
  
  
  # 计算数组中元素的中位数 
  
  
  arr.argmin(axis=None) 
  
  
  ##返回数组最小值的位置 
  
  
  arr.argmax(a)
  
  
  #返回数组最大值的位置 
  
  
  np.dot(arr1,arr2) 
  
  
  #数组的点积运算

random库

随机函数在生成练习数据等方面是非常有帮助的，可以重点掌握一下。

 
 
 
  
  
  np.random.rand(d0,d1,d2,……) 
  
  
  #返回输入维度的随机数，随机数服从[0, 1）区间的均匀分布 
  
  
  np.random.randn(d0,d1,d2,……)
  
  
  #返回输入维度的标准正态分布随机数 
  
  
  np.random.normal(loc=0.0,scale=1.0,size=None)
  
  
  #返回输入维度的正态分布随机数，可控制正态分布的期望和方差
  
  
  np.random.randint(low=,high=,size=None,dtype='l') 
  
  
  #返回属于[low,high）区间的随机整数，size可为元组 
  
  
  np.random.seed(s) 
  
  
  #随机数种子,可保证两次随机数生成的结果一样

新闻名称：Python数据分析Numpy库常用函数详解，提到循环就该想到的库
网址分享：http://www.shufengxianlan.com/qtweb/news27/366927.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源：创新互联

猜你还喜欢下面的内容