分享

统计师的Python日记【第3天:Numpy你好】

 三郞 2018-01-07


本文是【统计师的Python日记】第3天的日记


回顾一下,第1天学习了Python的基本页面、操作,以及几种主要的容器类型;第2天学习了python的函数、循环和条件、类。


复习大纲:


一、为什么学Python?

二、安装与熟悉

三、容器

四、函数

五、循环与条件

六、类

日记小结


原文复习(点击查看):


【第1天:谁来给我讲讲Python?】


【第2天:再接着介绍一下Python呗】


今天将带来第三天的学习日记。


细(tiāo)心(cì)的朋友会发现,第二天的日记写成日期是14年9月,也就是说“第2天”到“第3天”,隔了整整一年半,这么长时间干嘛去了?


文末底部”赞赏“那里有答案  (*゚ー゚)


引力波是最近的一个大新闻,在引力波的数据分析中,Python也立下了大功。有人在Github上发现了一个专门用于分析引力波数据的Python包(这个数说君以后会说一说),而且据说论文里的图也是用matplotlib画的。


在数据科学的大时代里,统计师还有什么理由不赶紧装备起Python来?(新技能get√)




统计师的Python日记【第3天:Numpy你好】


前两天了解了Python的一些基本内容,今天将进阶学习一下Numpy这个库。做为一名统计师,既然使用Python的主要目的就是处理数据、统计分析,那么Numpy这个工具就一定要有了解。


Numpy,你好:


  • NumPy系统是Python的一种开源的数值计算扩展。用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多。据说NumPy将Python相当于变成一种免费的更强大的Matlab


  • NumPy(Numeric Python)提供了许多高级的数值编程工具,如:矩阵数据类型、矢量处理,以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用,NASA用其处理一些本来使用C++,Fortran或Matlab等所做的任务。


  • Numpy本身并没有提供多么高级的数据分析功能,理解Numpy数组以及面向数组的计算将有助于你更加高效地使用诸如Pandas之类的工具


我自己的进阶计划是:


Numpy → Pandas → 掌握一些数据清洗、规整、合并等功能 → 掌握类似与SQL的聚合等数据管理功能 → 能够用Python进行统计建模、假设检验等分析技能 → 能用Python打印出100元钱 → 能用Python帮我洗衣服、做饭 → 能用Python给我生小猴子......


定下了这个目标,就从Numpy开始把!


第三天我的学习大纲:


一、数据格式

二、数组运算

  1. 加、减、乘、除、内积、转置

  2. 索引和分片

  3. 数组拆分

三、通用函数

  1. 数学运算

  2. 统计方法

  3. 一些逻辑方法

  4. 随机数生成

  5. 存储与导入


经过这些学习大纲,对Numpy有一个比较扎实的了解。



一、数据格式


Numpy提供了一种多维的数组对象ndarray,先认识一下:


>>> data1=[1,2,3]

>>> data1

[1, 2, 3]


>>> a=np.array(data1)

>>> a

array([1, 2, 3])



>>> data2=[[1,2,3],[4,5,6]]

>>> data2

[[1, 2, 3], [4, 5, 6]]


>>> b=np.array(data2)

>>> b

array([[1, 2, 3],

       [4, 5, 6]])


a是一维数组,b是多维数组。我们再认识一下它的数据类型:


>>> a.dtype

dtype('int32')

>>> b.dtype

dtype('int32')


如果是字符串呢?看一下:


>>> c=np.array(['shu','shuo','jun'])

>>> c.dtype

dtype('S4')


Numpy提供这样的数组非常的方便灵活,有多方便灵活呢?看下面的日记内容。



二、数组运算


1. 加、减、乘、除、内积、转置


运算起来就发现ndarray的灵活方便了,比如一个数组a:


>>> a=[[1,2,3],[4,5,6]]


>>> a+a

[[1, 2, 3], [4, 5, 6], [1, 2, 3], [4, 5, 6]]


>>> a*a


Traceback (most recent call last):

  File '', line 1, in

    a*a

TypeError: can't multiply sequence by non-int of type 'list'


a+a其实是两个列表合并,而两个列表是不可以相乘的,至于减和除则都不可以了。


但是,ndarray可以:


>>> npa = np.array(a)


>>> npa+npa

array([[ 2,  4,  6],

       [ 8, 10, 12]])


>>> npa-npa

array([[0, 0, 0],

       [0, 0, 0]])


>>> npa*npa

array([[ 1,  4,  9],

       [16, 25, 36]])


>>> npa/npa

array([[1, 1, 1],

       [1, 1, 1]])


可以直接实现矩阵元素的加减乘除,注意,这个运算是元素级别的运算!


那么两个矩阵的相乘要怎么算呢?其实就是内积啦:


>>> b=np.dot(npa,npa.T)

>>> b

array([[14, 32],

       [32, 77]])


用np.dot(X,Y)就可以计算两个矩阵X和Y的内积,顺便再介绍一下,.T就是求转置,npa.T就是矩阵npa的转置。



2. 索引和分片


在【统计师的Python日记】第一天的日记中,就已经学习了数组的分片,


>>> c='hello'

>>> c[0:3]

'hel'

>>> c[0:4:2]

'hl'



在Numpy的数组中也有这样的操作:


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

>>> c[2:4]

array([3, 4])


但是,这样隐藏了一个numpy数组的巨大不同,注意看下面的结果!


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


>>> cs=c[2:4]

>>> cs

array([3, 4])


>>> cs[1]=999

>>> cs

array([  3, 999])


>>> c

array([  1,   2,   3, 999,   5,   6])


注意看,我对cs进行操作,将array([3, 4])的4变成了999,结果c中的4也变成了999!


因为,在numpy中,cs是c的一个视图,而不是副本!这是因为numpy处理的是大数据,它会尽可能的避免数据复制来复制去,以保证性能的节省。


是不是很高冷?!


所以在numpy操作中要很小心,如果非要生成一个副本,则可以用.copy()操作:


cs=c[2:4].copy()


此时的cs就和c一点没关系了,可以放心的操作。



3. 数组拆分


用.reshape((a,b))可以将数组拆分成a×b的数组:


>>> x=np.array([1,2,3,4,5,6,7,8,9,10,11,12])

>>> x.reshape((3,4))

array([[ 1,  2,  3,  4],

       [ 5,  6,  7,  8],

       [ 9, 10, 11, 12]])



三、通用函数


学习完Numpy数组的基本格式、基本的运算,再学习一下高级一些的通用函数,书上这么写道:


“通用函数(ufunc)是一种对ndarray中的数据执行元素级运算的函数”



1. 数学运算


主要是进行一些数学的运算,如求开方、求e的n次幂、平方等等。


  • sqrt() 求开方


>>> a = np.array([[1,2,3],[4,5,6],[7,8,9]])

>>> a

array([[1, 2, 3],

       [4, 5, 6],

       [7, 8, 9]])


>>> np.sqrt(a)

array([[ 1.        ,  1.41421356,  1.73205081],

       [ 2.        ,  2.23606798,  2.44948974],

       [ 2.64575131,  2.82842712,  3.        ]])


  • exp()求e次幂


>>> a = np.array([[1,2,3],[4,5,6],[7,8,9]])

>>> a

array([[1, 2, 3],

       [4, 5, 6],

       [7, 8, 9]])


>>> np.exp(a)

array([[  2.71828183e+00,   7.38905610e+00,   2.00855369e+01],

       [  5.45981500e+01,   1.48413159e+02,   4.03428793e+02],

       [  1.09663316e+03,   2.98095799e+03,   8.10308393e+03]])


其他方法如下表:


函数

说明

abs

绝对值

square

平方根

loglog10log2…

自然对数、底数为10log、底数为2log…

sign

计算各元素的正负号

ceil

计算大于等于各元素的最大整数

floor

计算小于等于各元素的最大整数

rint

四舍五入到最接近的整数

modf

将数组的小数和整数部分以两个独立数组的形式返回

isnan

查看各元素是否是NaN

coscoshsinsinhtantanh

三角函数



add(a,b)

a+b

subtract(a,b)

a/b

multiply(a,b)

a*b

……



等等,有需要再具体查百度。



2. 统计方法


作为一名统计师,这个是我最喜欢的,Numpy提供了哪些常用的统计方法呢?


  • sort()排序


sort(a,0)是对竖轴上的元素进行排序;sort(a,1)是对横轴上的元素进行排序.


>>> a=np.array([[10,2,3],[4,15,6],[9,8,7]])

>>> a

array([[10,  2,  3],

       [ 4, 15,  6],

       [ 9,  8,  7]])


>>> np.sort(a,0)

array([[ 4,  2,  3],

       [ 9,  8,  6],

       [10, 15,  7]])


>>> np.sort(a,1)

array([[ 2,  3, 10],

       [ 4,  6, 15],

       [ 7,  8,  9]])


注意,Numpy的这个sort方法,返回的是数组a的副本,a数组本身不变!


  • sum()、mean()、std()


可以利用这些函数对数组求和、均值以及标准差:


>>> a

array([[10,  2,  3],

       [ 4, 15,  6],

       [ 9,  8,  7]])


>>> np.mean(a)

7.1111111111111107


>>> np.sum(a)

64


>>> np.std(a)

3.7843080813169783


也可以对行或者列进行统计计算,同样指定0和1即可:


>>> np.mean(a,1)

array([ 5.        ,  8.33333333,  8.        ])


其他方法还有min、max、argmin、argmax等,需要时百度即可。



3. 一些逻辑方法


  • any()和all()


适用于布尔型数据,all()需要当元素全为True时,才返回True;any()需要任意元素为True,就返回True:


>>> a=np.array([True, True, False])


>>> a.any()

True


>>> a.all()

False


  • in1d(a,b)查找成员资格


用来测试一个数组a在另一个数组b中的成员资格,返回布尔值


>>> a

array([ 1, -1,  2])


>>> b

array([ 4, 23, -9,  1,  3,  2])


>>> np.in1d(a,b)

array([ True, False,  True], dtype=bool)


  • unique()


查找数组中的唯一值,返回已排序的结果


>>> a=np.array([1,3,3,4,5,6,7,5,5,6])


>>> np.unique(a)

array([1, 3, 4, 5, 6, 7])



4. 随机数生成


  • random.randn(m,n)


生成一个m×n的标准正态分布


>>> a=np.random.randn(3,4)

>>> a

array([[ 0.32363846,  1.22595324, -1.04776719, -1.14483233],

       [ 3.07756974, -0.09599722,  0.4276572 ,  0.76864267],

       [ 0.18575346, -1.06510241, -0.91460616, -1.25091496]])



  • random.normal(mean, std, size=(m,n))


生成一个m×n矩阵,服从均值mean,标准差std的正态分布


>>> a=np.random.normal(2,1,size=(3,4))

>>> a

array([[ 0.13642552,  1.0807106 ,  1.71524621,  2.2809086 ],

       [ 1.6757182 ,  1.47675827,  2.93552336,  1.16315545],

       [ 2.36641683,  2.10758811,  3.40073296,  1.51738042]])


其他


Numpy.random.函数

说明

seed

确定随机数生成器的种子

permutation

返回一个序列随机排列

rand

产生均匀分布的样本

randint

从给定的上下限范围内随机选取整数

binomial

产生二项分布的样本

beta

产生beta分布的样本

chisquare

产生卡方分布的样本

gamma

产生伽马的样本

uniform

产生(0,1)均匀分布的样本


等等,需要的时候再百度之。



5. 存储与导入


  • 数组的储存与读取


不是储存一个数据,而是只储存一个numpy的数组!save这个函数可以做到。


save(‘d:/save_a’, a)

将数组a储存在d盘下,命名为save_a,会自动加上扩展名.npy


load(‘d:/save_a’)

读取相应的路径即可。

 

savez()

将多个数组保存到一个压缩文件中,比如将arr1和arr2两个数组都存起来,存在zip_array里。


  • 数据的导入导出


使用loadtxt将数据导入,格式为:


np.loadtxt(‘路径’, delimiter=’分隔符’)


比如导入d盘下面的这个testSet.txt文件:




>>> a=np.loadtxt('D:/testSet.txt')

>>> a

array([[ -1.76120000e-02,   1.40530640e+01,   0.00000000e+00],

       [ -1.39563400e+00,   4.66254100e+00,   1.00000000e+00],

       [ -7.52157000e-01,   6.53862000e+00,   0.00000000e+00],

       [ -1.32237100e+00,   7.15285300e+00,   0.00000000e+00],

       [  4.23363000e-01,   1.10546770e+01,   0.00000000e+00],

       [  4.06704000e-01,   7.06733500e+00,   1.00000000e+00],

       [  6.67394000e-01,   1.27414520e+01,   0.00000000e+00],

......

       [  1.38861000e+00,   9.34199700e+00,   0.00000000e+00],

       [  3.17029000e-01,   1.47390250e+01,   0.00000000e+00]])



注意反斜杠/的方向!


假如原数据是逗号分隔的,只要加上delimiter就好了:


np.loadtxt('D:/testSet.txt', delimiter=',')


这是导入,那么将数据导出呢?用savetxt()即可,将数据导出到以某种分隔符隔开的文本文件中。


    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多