Python数据分析——numpy

（本专栏是我的慕课学习笔记，后续发现不足之处会更新）

定义list数据结构：

>>> L1 = [[1, 3, 5], [2, 4, 6]]
>>> print('L1类型:', type(L1))
>>> print('L1:', L1)

L1类型: <class 'list'>
L1: [[1, 3, 5], [2, 4, 6]]

运算速度更快的数据结构：（ndarray只允许存放一种数据类型）

>>> import numpy as np

>>> L1 = [[1, 3, 5], [2, 4, 6]]
>>> L2 = np.array(L1)   # ndarray只允许存放一种数据类型

>>> print('L2类型:', type(L2))
L2类型: <class 'numpy.ndarray'>

>>> print('L2:\n', L2)
L2:
 [[1 3 5]
 [2 4 6]]

>>> print('L2规模:', L2.shape)     # L2的规模（几行几列）
L2规模: (2, 3)

>>> print('L2维度:', L2.ndim)      # L2的维度
L2维度: 2

>>> print('L2数据类型:', L2.dtype)      # L2的数据类型
L2数据类型: int32

>>> print('L2每个元素占字节数:', L2.itemsize)    # L2每个元素的大小
L2每个元素占字节数: 4

>>> print('L2大小:', L2.size)      # L2大小
L2大小: 6

>>> L3 = np.array(L1, dtype=np.float)   # 规定存放数据为float型
>>> print(L3.dtype)
float64

numpy常用Array：

import numpy as np

>>> print(np.zeros([2, 4]))     # 2行4列的0
[[0. 0. 0. 0.]
 [0. 0. 0. 0.]]
 
>>> print(np.ones([3, 5]))      # 3行5列的1
[[1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]]
 
>>> print(np.random.rand())     # 单个随机数
0.5346756487556099

>>> print(np.random.rand(2, 4))     # 2行4列的随机数
[[0.18197163 0.07243006 0.07054381 0.14984757]
 [0.44981785 0.99545415 0.53630171 0.84512616]]
 
>>> print(np.random.randint(1, 20))     # 单个1到20之间的随机整数
10

>>> print(np.random.randint(1, 20, 3))     # 连续生成3个1到20之间的随机整数
[16  1 15]

>>> print(np.random.randn(2, 4))    # 生成2行4列均值为0，方差为1的正态分布随机数
[[-1.43757873 -1.64088587 -0.2095437   0.93030802]
 [ 1.93776804 -0.06551866 -0.81996059  1.25876278]]
 
>>> print(np.random.choice([1, 2, 3, 4, 5]))    # 从这5个数之中随机取数
5

numpy常用操作：（对array对象的每个数据进行操作）

>>> import numpy as np

# 生成等差数列1~10，从1开始，步长为2
# arange()返回一个array()对象，range()返回一个list对象
>>> array = np.arange(1, 11, 2)     
>>> print(array)    # [1,3,5,7,9]
[1 3 5 7 9]

>>> print(np.exp(array))    # [e^1,e^3,e^5,e^7,e^9]
[2.71828183e+00 2.00855369e+01 1.48413159e+02 1.09663316e+03
 8.10308393e+03]

sum()：

>>> import numpy as np

>>> L = np.array([[[1, 2, 3, 4],
>>>                [5, 6, 7, 8]],
>>>               [[9, 10, 11, 12],
>>>               [13, 14, 15, 16]]
>>>               ])

>>> print(L.sum())	# 计算各数之和
136

>>> print(L.sum(axis=0))    # 第1个元素为1+9=10，最后1个为8+16=24
[[10 12 14 16]
 [18 20 22 24]]
 
>>> print(L.sum(axis=1))    # 第1个元素为1+5=6，最后1个为12+16=28
[[ 6  8 10 12]
 [22 24 26 28]]
 
>>> print(L.sum(axis=2))    # 第1个元素为1+2+3+4=10,最后1个为13+14+15+16=58
[[10 26]
 [42 58]]

注意list和array的区别：

>>> import numpy as np

>>> L1 = [10, 20, 30, 40]
>>> L2 = [5, 6, 7, 8]
>>> L3 = L1 + L2	# 追加，将L2接在L1后面
>>> print(L3)
[10, 20, 30, 40, 5, 6, 7, 8]

>>> array1 = np.array([10, 20, 30, 40])
>>> array2 = np.array([5, 6, 7, 8])
>>> array3 = array1 + array2    # +,-,*,/,**(后跟多少就是多少次方)同理
>>> print(array3)
[15 26 37 48]

>>> array4 = np.concatenate((array1, array2), axis=0)	# array的追加
>>> print(array4)
[10 20 30 40  5  6  7  8]

>>> print(np.split(array1, 2))	# 将array1分成2份
[array([10, 20]), array([30, 40])]

矩阵相乘：

>>> import numpy as np

>>> array1 = np.array([10, 20, 30, 40])
>>> array2 = np.array([5, 6, 7, 8])

>>> array11 = array1.reshape([2, 2])
>>> array12 = array2.reshape([2, 2])
>>> print('array11:\n', array11, '\n', 'array12:\n', array12)
array11:
 [[10 20]
 [30 40]] 
 array12:
 [[5 6]
 [7 8]]
 
>>> array13 = np.dot(array11, array12)  # 矩阵相乘
>>> print('array13:\n', array13)
array13:
 [[190 220]
 [430 500]]

矩阵相关的操作：

>>> import numpy as np
>>> from numpy.linalg import *

>>> print(np.eye(3))    # 3阶单位矩阵
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]
 
>>> L = np.array([[1, 2],
>>>              [3, 4]])

>>> print('逆矩阵:\n', inv(L))   # 逆矩阵
逆矩阵:
 [[-2.   1. ]
 [ 1.5 -0.5]]
 
>>> print('转置矩阵:\n', L.transpose())    # 转置矩阵
转置矩阵:
 [[1 3]
 [2 4]]
 
>>> print('行列式:\n', format(det(L), '.2f'))   # 行列式（保留2位小数）
行列式:
 -2.00
 
>>> print('特征值和特征向量:\n', eig(L))    # 特征值和特征向量
特征值和特征向量:
 (array([-0.37228132,  5.37228132]), array([[-0.82456484, -0.41597356],
       [ 0.56576746, -0.90937671]]))

线性方程组：

>>> import numpy as np
>>> from numpy.linalg import *

>>> A = np.array([[1, 2],
>>>               [3, 4]])      # A为2*2矩阵

>>> B = np.array([[17],
>>>               [41]])  		# B为2*1矩阵

>>> print(solve(A, B))      	# AX=B，求解X
[[7.]
 [5.]]

#   [[1, 2],  [[7],  =  [[17],
#    [3, 4]]   [5]]      [41]]

相关系数：

>>> import numpy as np

>>> print(np.corrcoef([1, 0, 1], [0, 2, 1]))    # r(X,X),r(X,Y),r(Y,X),r(Y,Y)
[[ 1.        -0.8660254]
 [-0.8660254  1.       ]]

生成多项式：

>>> import numpy as np

>>> print(np.poly1d([5, 8, 4, 3]))
   3     2
5 x + 8 x + 4 x + 3

---

氷鸢鸢鸢
2020.8.4