给统计人讲Python（1）_科学计算库-Numpy

本地代码是.ipynb格式的转换到博客上很麻烦，这里展示部分代码，了解更多可以查看我的git-hub：https://github.com/Yangami/Python-for-Statisticians/tree/master/Numpy

#-*-author Yangami-*-
import numpy as np
import pandas as pd

shape

#创建数组
a=np.array([1,2,3])
b=np.arange(9)
a,b,type(a)

c=np.array([[[1,2,3],[2,4,6]],[[1,2,3],[2,4,6]]])
c
np.shape(c)
np.shape(a)

np.array([[[1,2,3],[4,5,6]],[[1,2,3],[4,5,6]]])
#数组转列表
c.tolist()

reshape

a=np.array([[1,2,3,4,5,6]])
a.reshape(6,1)
a.reshape(2,3)
np.array([60, 31, 54, 78,89,34,65,78,56,77,88,44 ]).reshape(3,4)
a.reshape(1,-1)

基本运算

a

a+1

a*2

np.log(a)

a

#条件选择返回bool值
a>2

#bool值做索引
a[a>2]

# # 拆分合并

a=a.reshape(2,3)

a

#取某行
a[1]

#取某列
a[1,1:]

a[1][2]

#取元素
a[1,2],a[1][2]

#拆分数组
a1=a[:,:1]
a2=a[:,1:]

print(a1,'\n',a2)
#合并数组
a1+a2
hstack((a1,a2))
vstack((a[0],a[1]))

矩阵运算

a=np.arange(4).reshape(2,2)
a
#对应元素乘
a*a
#矩阵乘法
a.dot(a)
#转化为矩阵
a=np.matrix(a)
print(type(a))
#矩阵乘法
b=a*a
b
#转置
b.T

广播机制

#考虑维度不相等情况下数组的运算
arr1 = np.array([[0, 0, 0],[1, 1, 1],[2, 2, 2], [3, 3, 3]])  #arr1.shape = (4,3)
arr2 = np.array([1, 2, 3]).reshape(1,-1)    #arr2.shape = (1,3)
arr1,arr2

arr_sum = arr1 + arr2
print(arr_sum）

arr1 = np.array([[0, 0, 0],[1, 1, 1],[2, 2, 2], [3, 3, 3]])  #arr1.shape = (4,3)
arr2 = np.array([[1],[2],[3],[4]])    #arr2.shape = (4, 1)
print(arr1,arr2)
arr_sum = arr1 + arr2
print(arr_sum)

统计

#按行按列计算
a=np.arange(9).reshape(3,3)
a,np.shape(a)
#直接求平均
np.mean(a)
#求每行平均值
np.mean(a,axis=1)
#求每列平均值
np.mean(a,axis=0

文件中有本文的ipynb代码更完整