Numpy科学技算库

Numpy：用于快速处理任意维度的数组，支持常见的数组和矩阵操作
Ndarray:对象是一个快速而灵活的大数据容器

• np.array（【【】，【】】）用于存储
• ndarray在存储数据的时候数据与数据的地址都是连续的，这样就给使得批量操作数组元素时时速度更快
• ndarray中的所有元素的类型都是相同的，可以省掉很多的循环语句

ndarray支持并行化运算（向量化运算） ndarray的属性

ndarray的属性

数组属性反映了数组本身固有的信息。
属性名字 属性解释
ndarray.shape 数组维度的元组
ndarray.ndim 数组维数
ndarray.size 数组中的元素数量
ndarray.itemsize 一个数组元素的长度（字节）
ndarray.dtype 数组元素的类型

np.ones([几行，几列])#生成都为1的数值
np.zeros(【几行，几列】)#生成都为0的数值

生成固定范围的数组
np.linspace(start,stop,num,endpoint)
创建等差数组–指定数量
参数：
start：序列的起始值
stop：序列的终止值
num：要生成的等间隔样列数量，默认为50
endpoint：序列中是否包含stop值，默认为ture

np.arange(start,stop,step,dtype)
创建等差数组—指定步长
参数
step：步长

np.logspace(start,stop,num)
创建等比数列
参数：
num：要生成的等比数列数量，默认为50

生成随机数组

np.random模块
正态分布
正态分布是一种概率分布，正态分布是具有两个参数u和q的连续型随机变量的分布，第一个参数为u是服从正态分布的随机变量的均值，第二个参数q是此随机变量的标准差，正态分布记作N(u,q)

u决定的位置，q其标准决定的幅度

正态分布创建方式

np.random.randn(d0,d1......dn)

功能：从标准正态分布中返回一个或多个样本值

np.random.normal(loc=0.0,scale=1.0,size=None)

np.random.normal(loc=0.0,scale=1.0,size=None)

loc:float
此概率分布的均值（对应着整个分布的中心centre）
scale:float
此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）
size：int or tuple of ints
输出的shape，默认为None,只输出一个值
np.random.standard_normal(size = None)
返回指定形状的标准正态分布的数组

均匀分布

np.random.rand(d0,d1,dn)

np.random.rand(d0,d1,dn)
返回【0.0,1.0】内的一组均匀分布的数
np.random.uniform(low=0.0,high = 1.0,size=None)
功能：从一个均匀分布【low，high】中随机采样，注意定义域为左闭右开，即包含low，不包含high
参数：
low：采样下界，flot类型，默认值为0
high：采样上界，float类型默认为1
size：输出样本目数，为int或元组（tuple）类型，列如，size=（m，n，k），则输出mnk个样本，缺省时输出1个值
返回值ndarray类型，其形状和参数size中描述一致
np.random.randint(low,high=None，size = None，dtype=“l”)
从一个均匀分布随机采样，生成一个整数或N维整数的数组
取数范围：若high不为None时，取【low，high】之间随机整数，取值【0，low】之间随机整数

形状的修改

ndarray.reshape(shape,order)

返回一个具有相同数据域，但shape不一样的视图
行列不进行互转
在转换形状的时候一定要注意数组的元素匹配
stock_change.reshape([5,4])
stock_change.reshape([-1,10])#数组的形状被修改为：（2,10），-1：表示通过待计算

ndarray.resize(new_shape)

修改数组本身的形状（需要保持元素个数前后相同）
行列不进行互换
stock_change.shape([5,4])

ndarray.T

数组的转置
将数组的行，列进行互换

类型修改

ndarray.astype(type)

返回修改了类型之后的数组
stock_change.astype(np.int32)

ndarray.tostring([order]）或者ndarray.tobytes（【order】）
构造包含数组中原始数据字节的python字节

ndarray.tostring([order])或者ndarray.tobytes([order])
构造包含数组中原始数据的python字节
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[12, 3, 34], [5, 6, 7]]])
arr.tostring()

数组的去重

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

np.unique(temp)
array([1, 2, 3, 4, 5, 6])