Python数据分析值numpy库

numpy库

函数应用：

arange(N)//生成一个含有N个参数的一维向量；

reshape((N,M))//将一个向量进行重塑，生成N*M维向量；

transpose()//用于数组的转置；简单的转置用.T  高维的数组转置要用到一个由轴编号组成的元组；

randn(N,M)//random中生成随机矩阵的函数；

np.dot(arr.T,arr)//用于计算矩阵的内积XTX;

ndarray()的swapaxes()//需要一组轴编号；

sqrt()//求平方根     exp()求e次幂

np.maximum(x,y)//x,y均为一个矩阵，maximun返回两个矩阵中相应位置比较的一个大的值；

矢量化：用数组表达式代替循环；（快）

matplot库中的.imshow(z,M)

.colorbar()//绘制颜色条

.title("ggg")//添加图标

.sort()用于排序；

.unique(names);//去重  sorted(set(names))

.in1d(values,[m,n])//测试m,n是否在valus中，返回boolean；

np.save()和np.load()写、读磁盘数组数据的两个主要函数；

np.savez()将多个数组保存到一个压缩文件中；

eg:np.savaz('array_archive.npz',a=arr,b=arr)

arch=np.load('array_archive.npz')  arch['b'](类似ker-value)

pandas库中有read_csv和read_table函数；

还可以用np.loadtxt和np.genfromtxt将数据加载到普通的numpy数组中；

arr=np.loadtxt('array_ex.txt',delimiter=',')

genfromtxt类似于loadtxt但是面向结构化的数组和缺失数据处理；

from numpy.linalg import inv,qr

samples= np.random.normal(size=(4,4))