1. Введение в Numpy

Numpy — это расширение Python для числовых вычислений с открытым исходным кодом; Numpy можно использовать для хранения и обработки больших матриц; Numpy поддерживает большое количество размерных массивов и матричных операций.

2. Тип данных

Самым основным и наиболее часто используемым типом данных Numpy является ndarray (n-мерный массив), многие из которых также разработаны для объектов ndarray; это в основном то же самое, что и собственный список типов данных Python (список); поэтому операции над списком Все объекты могут применяться к объектам ndarray.

3. Обзор Numpy

---

генерация данных

Краткое изложение методов создания объектов ndarray

функция	пример
np.array	np.array([1,2,3,4,5])
np.arange	np.arange(1,10)
np.linspace	np.linspace(1,10,10)
np.ones	np.ones((2,2))
np.ones_like	np.ones_like([[1,2,3],[3,2,1]])
np.zeros	np.zeros((3,2))
np.zeros_like	np.zeros_like([[3,2,1],[1,2,3]])
np.empty	np.empty((3,4))
np.empty_like	np.empty_like([[1,2,3],[3,2,1]])

import numpy as np

np.array([1,2,3,4,5])
np.arange(1,10)
np.linspace(1,10,10)
np.ones((2,2))
np.ones_like([[1,2,3],[3,2,1]])
np.zeros((3,2))
np.zeros_like([[3,2,1],[1,2,3]])
np.empty((3,4))
np.empty_like([[1,2,3],[3,2,1]])

---

структура данных

функция	пример
np.size	np.size(np.ones((3,4)))
np.shape	np.shape(np.ones((3,4)))
np.split	np.split(np.ones((3,4)),1)
np.reshape	np.ones((3,4)).reshape(2,6)
np.concatenate	np.concatenate(ones((3,4)))
np.transpose	np.ones((3,4)).transpose( )

import numpy as np

np.size(np.ones((3,4)))
np.shape(np.ones((3,4)))
np.split(np.ones((3,4)),1)
np.ones((3,4)).reshape(2,6)
np.concatenate(ones((3,4)))
np.ones((3,4)).transpose( )

---

np.random

Модуль np.random можно использовать для генерации данных в различных дистрибутивах.

функция	пример
np.random.rand	np.random.rand(2,3)
np.random.randn	np.random.randn(3,4)
np.random.gamma	np.random.gamma(3,10)
np.random.normal	np.random.normal(0,1)
np.random.randint	np.random.randint(0,10,10)

import numpy as np

np.random.rand(2,3)
np.random.randn(3,4)
np.random.gamma(3,10)
np.random.normal(0,1)
np.random.randint(0,10,10)

---

Численные расчеты

функция	пример
np.sin	np.sin(10)
np.cos	np.cos(60)
np.exp	np.exp(4)
np.power	np.power(2,3)

import numpy as np

np.sin(10)
np.cos(60)
np.exp(4)
np.power(2,3)

---

анализ данных

функция	пример
np.abs	np.abs(np.arange(-5,4))
np.sum	np.sum([1,2,3])
np.var	np.var([1,2,3])
np.std	np.std([1,2,3])
np.mean	np.mean([1,2,3])
np.sqrt	np.sqrt([4,9,16])
np.floor	np.floor([2.1,3.7,4.3])
np.ceil	np.ceil([2,1,3.7,4.3])
np.median	np.median([3,2,4])
np.cumsum	np.cumsum([[1,2,3],[3,2,1]])
np.cumprod	np.cumprod([[1,2,3],[3,2,1]])

import numpy as np

np.abs(np.arange(-5,4))
np.sum([1,2,3])
np.var([1,2,3])
np.std([1,2,3])
np.mean([1,2,3])
np.sqrt([4,9,16])
np.floor([2.1,3.7,4.3])
np.ceil([2,1,3.7,4.3])
np.cumsum([[1,2,3],[3,2,1]])
np.cumprod([[1,2,3],[3,2,1]])

---

показатель

функция	пример
np.argmin	np.argmin([4,2,1,6,8])
np.argmax	np.argmax([4,2,1,6,8])

import numpy as np

np.argmin([4,2,1,6,8])
np.argmax([4,2,1,6,8])

Ending