introduction to python for statistics,analysis笔记3

一、产生数组和矩阵

1、linspace(start,end,number),产生在start和end数之间number个数

>>> x = linspace(, , )
>>> x
array([ ., ., ., ., ., ., ., ., ., ., .])

2、logspace(start,end,number) 产生number个数，在10**start,10**end之间，相当于指数函数，在x轴平均分成number个数，求指数。

和10**linspace(start,end,number)效果一样

3、arange(l,u,s)

4、meshgrid（）

>>> x = arange()
>>> y = arange()
>>> X,Y = meshgrid(x,y)
>>> X
array([[, , , , ],
[, , , , ],
[, , , , ]])
>>> Y
array([[, , , , ],
[, , , , ],
[, , , , ]])

5、ix_(a,b)不规则选取元素，其中a,b可以是列表或元组

>>> x = reshape(arange(25.0),(,))
>>> x
array([[ ., ., ., ., .],
[ ., ., ., ., .],
[ ., ., ., ., .],
[ ., ., ., ., .],
[ ., ., ., ., .]])
>>> x[ix_([,],[,,])] # Rows  & , cols ,  and
array([[ ., ., .],
[ ., ., .]])
>>> x[:,:] # Same, standard slice
array([[ ., ., .],
[ ., ., .]])
>>> x[ix_([,],[,,])] # No slice equiv

二、近似

1、around, round

x=np.random.randn(3)

print x

print np.around(x)

print np.around(x,2)#近似精度为2位小数

 

[ 0.23073931  1.08865135 -0.95564268]
[ 0.  1. -1.]
[ 0.23  1.09 -0.96]

2、floor(x)、ceil(x)、

三、统计特性

1/sum,计算和

a=np.reshape(np.arange(),(,));
print a,'\n'
print np.sum(a),'\n'
print np.sum(a,),'\n'
print np.sum(a,)
[[    ]
 [    ]] 

[       ] 

[ ]

2/prod跟sum一样的特性，他是计算乘积的

a=np.reshape(np.arange(,),(,));
print a,'\n'
​
print np.prod(a),'\n'
print np.prod(a,),'\n'
print np.prod(a,),'\n'
[[ ]
 [ ]] 

[ ] 

[  ] 

3、exp、log--相当于ln()、log10、sqrt、square、absolute, abs、sign都是对元素的操作

a=np.random.randn(,);
print a,'\n'
print np.abs(a)
print np.sign(a)
[[-0.35632202 -0.56913468 -0.5054189 ]
 [-0.13182024  1.62914028  1.57704769]] 

[[ 0.35632202  0.56913468  0.5054189 ]
 [ 0.13182024  1.62914028  1.57704769]]
[[-. -. -.]
 [-.  .  .]]

4、对于复数的运算，下列运算也是元素的运算

• real(A)或A.real，复数的实部
• imag(A)或A.imag，复数的虚部
• conj(A), conjugate，共轭复数

5、unique(A)是对所有元素操作，相当于python中的set(),去重效果

6、in1d(A,B)

>>> x = arange(10.0)
>>> y = arange(5.0,15.0)
>>> in1d(x,y)
array([False, False, False, False, False, True, True, True, True, True], dtype=bool)

7、union1d（A,B）,returns the unique set of elements in 2 arrays.相当于集合并

8、intersect1d(A,B)相当于集合中的取交

9、setdiff1d(A,B),在集合A中，不在集合B中

10、setxor1d(A,B)，相当于取集合异或，只在一个集合中的元素

11、sort

a=np.random.randn(,);
print a
print np.sort(a,)
print np.sort(a,)
print np.sort(a,None)

[[ 2.33262004 -2.17579511  1.02508041]
 [-0.11651321  1.02673882  1.25183328]]

[[-2.17579511  1.02508041  2.33262004]
 [-0.11651321  1.02673882  1.25183328]]

[[-0.11651321 -2.17579511  1.02508041]
 [ 2.33262004  1.02673882  1.25183328]]

[-2.17579511 -0.11651321  1.02508041  1.02673882  1.25183328  2.33262004]

注意：A.sort()和sort(A)之间的不同，一个会改变数据结构，一个不会。

>>> x = randn()
>>> x
array([ 2.70362768, -0.80380223, -0.10376901])
>>> sort(x)
array([-0.80380223, -0.10376901, 2.70362768])
>>> x
array([ 2.70362768, -0.80380223, -0.10376901])
>>> x.sort() # In-place, changes x
>>> x
array([-0.80380223, -0.10376901, 2.70362768])

12、max, amax, argmax, min, amin, argmin

max是数组的方法，amax是函数，argtmax返回

a=np.random.randn(,);
print a
print np.amax(a,)
print np.amax(a,)
print np.amax(a,None)

[[ -1.20363617e-01   6.09840964e-01  -2.42821192e-01  -1.87136859e+00
   -9.24036132e-01]
 [ -2.12137767e-04  -4.49847000e-01   6.05104140e-02   5.00253683e-01
    1.63359279e+00]
 [ -3.41458128e-01  -9.52592527e-01   8.66845911e-01  -1.26919405e+00
    1.67080515e+00]]

[ 0.60984096  1.63359279  1.67080515]

[ -2.12137767e-04   6.09840964e-01   8.66845911e-01   5.00253683e-01
   1.67080515e+00]

1.67080515388

13、minimum(A,B), maximum(A,B)比较两个数组，返回两个数组对应位置中最小的或最大的数