一句Python，一句R︱numpy、array——高级matrix

先学了R，最近刚刚上手python,所以想着将python和R结合起来互相对比来更好理解python。最好就是一句python，对应写一句R。

python中的numpy模块相当于R中的matirx矩阵格式，化为矩阵，很多内容就有矩阵的属性，可以方便计算。

以下符号：

=R=

代表着在R中代码是怎么样的。

使用之前先载入：

from numpy import *

1、数列构造

构造单一数列

arange(10)  =R=1:10   生成一个连贯的数列
arange(3,7)  =R=3:7
arange(3,10,2)  =R=  seq(3, 9, by = 2)
array(arange(4))  =R= matrix(1:4)

类似cut分组

np.linspace(2.0, 3.0, num=5)   =R= cut(2:3,5)  #类似cut功能，在2,3之间分成5份

matrix矩阵组

ma=arange(10).reshape(5,2)        #matrix(rep(1:10),nrow=5,ncol=2)  按行或列生成一定规则的
ones((2,3), dtype=int)  =R= matrix(rep(1,6),2,3)             #矩阵内元素都为1
random.random((2,3))        =R= matrix(runif(6),2,3)         #生成随机数       

2、矩阵属性

ma.shape                    #输出5,2（矩阵横纵维度）
ma.ndim =R=dim(ma)          #维度,dim(data)
ma.size                     #元素总数，5*2

3、矩阵运算

 (arange(4).reshape(2,2))* (arange(8).reshape(2,2))    #组内数字相乘
 dot( (arange(4).reshape(2,2)),(array([[1,2],[3,5]]))) #矩阵相乘
ma*=2                                                  #ma=ma*2,会原地的改变数组而不是创建一个新的数组

4、矩阵运用函数
ma.sum()
ma.min()
ma.max()
ma.sum(axis=0)  =R=apply(b,1,sum)  =R=colSums（data）      #axis=0代表纵向,列；axis=1，代表横向
ma.cumsum(axis=1)                       #按行，累计加总的结果
ma.sum/min代表所有元素加总.

参考文献：NumPy教程(一)

————————————————————————————————————————

延展一：array的用法

官方网址：https://docs.python.org/2/library/array.html

array模块定义了一种序列数据结构，看起来和list很相似，但是所有成员必须是相同基本类型。

array-固定类型数据序列array作用是高效管理固定类型数值数据的序列。

笔者在使用的时候，觉得array十分特别，笔者这样的新手，感觉有点驾驭不了。

1、生成的过程：

np.array([1,2])

需要np.，笔者在写的时候，常常用R的思维去写...

出错： array(1,2)  array([1,2])  np.array([1,2],[1,2])

2、添加数据过程：

a=[]

#append
a.append([1,2])

#insert
a.insert(2,1)
a.insert(2,[1,2])

append加在后面，insert(位置，内容)可以加在指定位置。这边笔者又要吐槽自己了...以为又在使用R，如果a是array格式的，append是不可以使用的。只有a=[]元组的时候，才可以append加进去。

   注意append用法：其中append用在list之中，在DataFrame/array无法使用

 3、切片过程：

>>>Array[0:]　　——>切片从前面序号“0”开始到结尾，包括“0”位
　　[2, 3, 9, 1, 4, 7, 6, 8]

　　>>>Array[:-1]　　——>切片从后面序号“-1”到最前，不包括“-1”位
　　[2, 3, 9, 1, 4, 7, 6]

　　>>>Array[3:-2]　　——>切从前面序号“3”开始(包括)到从后面序号“-2”结束(不包括)
　　[1, 4, 7]

　　>>>Array[3::2]　　——>从前面序号“3”(包括)到最后，其中分隔为“2”
　　[1, 7, 8]

4、numpy对象纵向合并

用numpy中的concatenation函数进行合并。

————————————————————————————————————————

延展二：range的用法

一开始还是R的思维以为[1:2]就可以得到一个序列，python里面不是，需要range，有点像R里面的rep

range(0,2) =R= [1,2]

range(0,10,2) 0-9每隔2个取数一次

xrange 用法与 range 完全相同，所不同的是生成的不是一个list对象，而是一个生成器。

>>> xrange(5)

xrange(5)

>>> list(xrange(5))

[0, 1, 2, 3, 4]

>>> xrange(1,5)

xrange(1, 5)

>>> list(xrange(1,5))

[1, 2, 3, 4]

>>> xrange(0,6,2)

xrange(0, 6, 2)

>>> list(xrange(0,6,2))
[0, 2, 4]

参考：Python xrange与range的区别