Numpy核心語法和代碼整理匯總！
↑↑↑點(diǎn)擊上方藍(lán)字，回復(fù)資料，10個(gè)G的驚喜
用戶2769421 | 作者??騰訊云 云+社區(qū)?|?來源
Numpy是一個(gè)用python實(shí)現(xiàn)的科學(xué)計(jì)算的擴(kuò)展程序庫，包括：
一個(gè)強(qiáng)大的N維數(shù)組對(duì)象Array；
比較成熟的（廣播）函數(shù)庫；
用于整合C/C++和Fortran代碼的工具包；
實(shí)用的線性代數(shù)、傅里葉變換和隨機(jī)數(shù)生成函數(shù)。numpy和稀疏矩陣運(yùn)算包scipy配合使用更加方便。
NumPy（Numeric Python）提供了許多高級(jí)的數(shù)值編程工具，如：矩陣數(shù)據(jù)類型、矢量處理，以及精密的運(yùn)算庫。專為進(jìn)行嚴(yán)格的數(shù)字處理而產(chǎn)生。多為很多大型金融公司使用，以及核心的科學(xué)計(jì)算組織如：Lawrence Livermore，NASA用其處理一些本來使用C++，F(xiàn)ortran或Matlab等所做的任務(wù)。
本文整理了一個(gè)Numpy的小抄表，總結(jié)了Numpy的常用操作，可以收藏慢慢看。
（圖片可以點(diǎn)開大圖查看哦~）
1
安裝Numpy
可以通過 Pip 或者 Anaconda安裝Numpy:
$?pip install numpy或
$?conda install numpy2
基礎(chǔ)
NumPy最常用的功能之一就是NumPy數(shù)組：列表和NumPy數(shù)組的最主要區(qū)別在于功能性和速度。
列表提供基本操作，但NumPy添加了FTTs、卷積、快速搜索、基本統(tǒng)計(jì)、線性代數(shù)、直方圖等。
兩者數(shù)據(jù)科學(xué)最重要的區(qū)別是能夠用NumPy數(shù)組進(jìn)行元素級(jí)計(jì)算。
axis 0：通常指行
axis 1：通常指列
1.占位符
舉例：
import numpy as np
#?1 dimensional
x = np.array([1,2,3])
#?2 dimensional
y = np.array([(1,2,3),(4,5,6)])
x = np.arange(3)
>>> array([0, 1, 2])
y = np.arange(3.0)
>>> array([ 0., 1., 2.])
x = np.arange(3,7)
>>> array([3, 4, 5, 6])
y = np.arange(3,7,2)
>>> array([3, 5])2.數(shù)組屬性
3.拷貝 /排序
舉例：
import?numpy as?np
# Sort sorts in ascending order
y = np.array([10, 9, 8, 7, 6, 5, 4, 3, 2, 1])
y.sort()
print(y)
>>> [ 1??2??3??4??5??6??7??8??9??10]4.數(shù)組操作例程
?增加或減少元素?
舉例：
import numpy as?np
# Append items?to?array
a?= np.array([(1, 2, 3),(4, 5, 6)])
b?= np.append(a, [(7, 8, 9)])
print(b)
>>> [1?2?3?4?5?6?7?8?9]
# Remove index?2?from previous?array
print(np.delete(b, 2))
>>> [1?2?4?5?6?7?8?9]?組合數(shù)組?
舉例：
import?numpy as?np
a = np.array([1, 3, 5])
b = np.array([2, 4, 6])
# Stack two arrays row-wise
print(np.vstack((a,b)))
>>> [[1?3?5]
?????[2?4?6]]
# Stack two arrays column-wise
print(np.hstack((a,b)))
>>> [1?3?5?2?4?6]?分割數(shù)組?
舉例：
# Split array into groups of ~3
a = np.array([1, 2, 3, 4, 5, 6, 7, 8])
print(np.array_split(a, 3))
>>> [array([1, 2, 3]), array([4, 5, 6]), array([7, 8])]?數(shù)組形狀變化?
操作
其他
舉例：
# Find?inverse?of?a?given?matrix
>>> np.linalg.inv([[3,1],[2,4]])
array([[ 0.4, -0.1],
???????[-0.2, 0.3]])5.數(shù)學(xué)計(jì)算
?操作?
舉例:
#?If a 1d array is added to a 2d array (or the other way), NumPy
#?chooses the array with smaller dimension and adds it to the one
#?with bigger dimension
a = np.array([1, 2, 3])
b = np.array([(1, 2, 3), (4, 5, 6)])
print(np.add(a, b))
>>> [[2 4 6]
?????[5 7 9]]
?????
#?Example of np.roots
#?Consider a polynomial function?(x-1)^2 = x^2 - 2*x + 1
#?Whose roots are 1,1
>>> np.roots([1,-2,1])
array([1., 1.])
#?Similarly x^2 - 4 = 0 has roots as x=±2
>>> np.roots([1,0,-4])
array([-2., 2.])?比較?
舉例：
# Using comparison operators will create boolean NumPy arrays
z = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
c = z < 6
print(c)
>>> [ True??True??True??True??True?False?False?False?False?False]?基本的統(tǒng)計(jì)?
舉例:
#?Statistics of an array
a = np.array([1, 1, 2, 5, 8, 10, 11, 12])
#?Standard deviation
print(np.std(a))
>>> 4.2938910093294167
#?Median
print(np.median(a))
>>> 6.5?更多?
6.切片和子集
舉例:
b = np.array([(1, 2, 3), (4, 5, 6)])
# The index *before* the comma refers to *rows*,
# the index *after* the comma refers to *columns*
print(b[0:1, 2])
>>> [3]
print(b[:len(b), 2])
>>> [3?6]
print(b[0, :])
>>> [1?2?3]
print(b[0, 2:])
>>> [3]
print(b[:, 0])
>>> [1?4]
c = np.array([(1, 2, 3), (4, 5, 6)])
d = c[1:2, 0:2]
print(d)
>>> [[4?5]]切片舉例:
import?numpy as?np
a1 = np.arange(0, 6)
a2 = np.arange(10, 16)
a3 = np.arange(20, 26)
a4 = np.arange(30, 36)
a5 = np.arange(40, 46)
a6 = np.arange(50, 56)
a = np.vstack((a1, a2, a3, a4, a5, a6))生成矩陣和切片圖示
7.小技巧
?布爾索引?
# Index trick when working with two np-arrays
a?= np.array([1,2,3,6,1,4,1])
b?= np.array([5,6,7,8,3,1,2])
# Only saves a at index where b == 1
other_a?= a[b == 1]
#Saves every spot in a except at index where b != 1
other_other_a?= a[b != 1]import?numpy as?np
x = np.array([4,6,8,1,2,6,9])
y = x > 5
print(x[y])
>>> [6?8?6?9]
# Even shorter
x = np.array([1, 2, 3, 4, 4, 35, 212, 5, 5, 6])
print(x[x < 5])
>>> [1?2?3?4?4]參考:
https://github.com/juliangaal/python-cheat-sheet
↓掃描二維碼添加好友↓ 推薦閱讀
（點(diǎn)擊標(biāo)題可跳轉(zhuǎn)閱讀）