Python 數據分析隨筆 - numpy

python數據類型

1. 基礎類型：numeric，boolean，string
2. 列表（list）
3. 字典（dict）
4. 集合（set）
5. 元組（tuple）

numpy

numpy是作為python原有數組（列表）的增強版本而存在的，包括：

• 數組的類型泛化：支持更加多的類型
• 多維數組支持：並支持在此基礎上的各種操作
• 高級索引和切片：複雜的整數索引和多維切片
• 數組廣播和迭代器
• 數組轉化：變形和分割
• 數組統計操作和排序
• 數組矩陣操作支持

numpy的數組:是對python數組的包裝,包括兩個關鍵的數據類型:

• ndarry:多維數組
• dtype:數組元素的類型

ndarry

ndarry創建可以通過：

• numpy.array對於python數組的包裝，可以設置dtype，copy，order，ndim參數
• np.array([1,2,3,4])
• np.array([[1,2,3,4], [5,6,7,8]])
• np.array( [ [1,2], [3,4] ], dtype=complex )
• np.array([1,2,3,4]，ndim=2)
• numpy提供的ndarry構建函數
• ones/zeros/full/eye
• arang/linespace/logspace
• frombuffer/fromiter

ndarry包含如下的fields

• ndarray.ndim：數組的維度
• ndarray.shape：（n，m）
• ndarray.size：n×m
• ndarray.dtype：元素類型
• ndarray.itemsize：元素所佔位元組數，ndarry中的每個元素大小是一致的
• ndarray.data：ndarry內容的buffer

dtype

dtype定義了ndarry中的元素類型，基礎的元素包括：

• bool_：b
• int_/intc/intp/int16/int32/int64：i
• /uint8/uint16/uint32/uint64：u
• floag_/float16/float32/float64：f
• complex_/complex64/complex128：c
• string（定長）：s
• timedelta：m
• datatime：M
• python object: O
• unicode: U
• void:V
• Object：其他自定義的都是object類型

在此基礎上，可以自定義dtype類型，詳細參考：arrays.dtypes

numpy切片

numpy有兩種方式定義切片

• 定義slice對象：slice(2,7,2)
• 數組直接切片a[2:7:2)

這兩者是等價的，意思是對從元素2-7，每隔2個做一個切片

numpy也支持類似matlab的行和列切片

a = np.array([ [1,2,3], [3,4,5], [4,5,6] ])

• a[1:] : 第二行 -> end的切片 = [ [3,4,5], [4,5,6] ]
• a[..., 1] : 第2列的切片 = [2, 4, 5]
• a[1, ...] : 第2行的切片 = [3, 4, 5]
• a[..., 1:] : 第2列->end的切片[ [2, 3], [4, 5], [5, 6] ]

numpy統計函數

numpy的統計函數都是可以針對某個軸（axis）進行的

• ptp：值範圍，（最小 - 最大）
• percentile：計算滿足百分比的值
• median：中位數
• mean：平均值
• std：標準差
• var：方差
• sum：和
• average：加權平均值，傳入另外一個數組作為加權值
• amin/amax：最小最大值

numpy線性代數

dot：內積（點積）

vdot：對數組展開後進行內積（點積）

inner：內積（點積）

matmul：矩陣乘法

linalg.det：行列式

linalg.solve：線性方程的解

linalg.inv：求逆矩陣