import numpy as np

一、數(shù)據(jù)類型簡介

Numerical Python：底層代碼為C，支持處理大量數(shù)據(jù)
所有 Numpy 數(shù)據(jù)類型都是 numpy.generic 的子類
支持向量運算：N維數(shù)組對象瘪板，只允許存儲相同的數(shù)據(jù)類型
支持 float淑仆、int、bool加叁、timedelta[ns]倦沧、datetime64[ns]等

ndarray 數(shù)據(jù)類型

注意：Numpy 不支持帶時區(qū)信息的 datetime

• 數(shù)據(jù)結(jié)構(gòu)的特性

多維數(shù)組np.array()：向量、矩陣運算
默認(rèn)行向量
axis = 0 表示跨行它匕；
axis = 1 表示跨列刀脏；
支持的數(shù)據(jù)類型@圖-核心、創(chuàng)建超凳、保存
實用的線性代數(shù)愈污、傅里葉變換和隨機數(shù)生成函數(shù)
和稀疏矩陣運算包scipy配合使用更加方便

二、具體操作

• 區(qū)分函數(shù)與方法 (以reshape為例)

• 創(chuàng)建
  默認(rèn)數(shù)據(jù)類型是'int64'或'float64'

初始化

np.array([], dtype = np.int64)
np.copy() 淺復(fù)制(深復(fù)制用賦值=)

初始化函數(shù)

np.zeros(shape)
np.empty(shape) 每個值都接近于零
np.ones(shape)
np.full(shape, constant value)
np.eye(N)
np.diag([對角線元素列表])
np.arange(start,stop,step) 左閉右開[start, stop) 類似python range()；允許間隔為非整數(shù)创夜，例如 0.3杭跪，但是由于浮點數(shù)精度有限, 建議np.linspace()
np.linspace(start, stop, N)

隨機數(shù)模塊random

np.random.seed(0)
np.random.rand(shape)
np.random.random(shape)
np.random.randint(start, stop, size = shape)
np.random.uniform() 均勻分布
np.random.normal(mean, standard deviation, size=shape) 統(tǒng)計學(xué)特定分布特性
np.random.permutation(N) 創(chuàng)建一個秩為 1 的 ndarray，其中包含隨機排列的行索引(用來隨機打亂數(shù)據(jù)集-N個元素的順序)

• 查/改/增/刪

屬性：數(shù)據(jù)類型

.dtype 具體元素的類型
.dtype.name 查看數(shù)據(jù)類型，name是.dtype的一個屬性
.astype(np.float64) 轉(zhuǎn)換數(shù)據(jù)類型
注意：修改數(shù)據(jù)類型涧尿，只能用.astype

查

1. 數(shù)值型索引
2. 布爾型索引
   ndarray[np.where(邏輯判斷表達式)]
np.where(x>0,x,0) 小于0的值用0填充系奉，大于0的數(shù)不變，是三元表達式 x if condition else y 的矢量化版本
   np.where(np.isnan(ndarray), 0, ndarray)
np.where(ndarray != 0)
np.argwhere(ndarray ==0) 返回下標(biāo)
   
   np.any()
np.all()
np.unique(ndarray) 返回給定 ndarray 中的 唯一元素（去重后的元素）
   np.in1d(ndarray, [查找目標(biāo)元素]) 類似in
   np.nonzero() 非零檢測姑廉，第一個array表示行坐標(biāo)缺亮，第二個array表示列坐標(biāo)
3. 切片
   左閉右開，提取某行/列
   將數(shù)據(jù)集拆分為訓(xùn)練集桥言、交叉驗證集和測試集
   ndarray[start : end]
ndarray[start : ]
ndarray[: end]
   注意：Z = X[1:4,2:5] 對 Z 做出更改萌踱，也會更改原始數(shù)據(jù)X中相應(yīng)的元素

改

1. 索引修改

np.clip(A,5,9) 設(shè)定上下限，在5-9之間号阿，保持原始數(shù)據(jù)不變并鸵，小于5，則為5扔涧；大于9則為9
ndarray.flatten() 多維變?yōu)橐痪S

2. 數(shù)組轉(zhuǎn)置為矩陣
   A[np.newaxis,:] (3,)變?yōu)?1, 3)
   A[:,np.newaxis]
3. 合并
   np.vstack((ndarray1, ndarray2)) 上下-垂直堆疊
   np.hstack((ndarray1, ndarray2)) 水平堆疊
   np.meshgrid() 接受兩個一維數(shù)組并產(chǎn)生二維矩陣
   np.concatenate(axis=) 多個矩陣合并
4. 分割
   .reshape()

• 均勻分割
  np.split(axis=0) 默認(rèn)水平線分割(跨行)
  np.vsplit() 橫向分割园担，等價于np.split(axis=0)
np.hsplit() 默認(rèn)垂直線分割(跨列)，等價于np.split(axis=1)枯夜，指定要返回的相同shape的array的數(shù)量粉铐，或者通過指定分割應(yīng)該發(fā)生之后的列來沿著其橫軸拆分原array
• 不均勻分割
  np.array_split() 默認(rèn)縱向(axis=0 跨行)

增

np.append(ndarray, elements, axis)
np.insert(ndarray, index, elements, axis)

刪

np.delete(ndarray, elements, axis)

• 排序/遍歷/統(tǒng)計

排序

np.sort(ndarray, axis= ) 當(dāng)做函數(shù)使用時，它不會對ndarray進行就地排序

遍歷

np.diag(ndarray, k=N) k=0卤档，表示主對角線(對角線元素提取)
for … in

統(tǒng)計

.shape 維度
.size 元素個數(shù)

len(x) 輸出的矩陣長度蝙泼，也就是所謂的行數(shù)
.ndim 可以輸出矩陣維數(shù)，即列數(shù)

np.bincount(ndarray) 統(tǒng)計索引出現(xiàn)次數(shù) 下標(biāo)0劝枣、1汤踏、2等出現(xiàn)的次數(shù)
np.bincount(ndarray, weights=[]) 權(quán)重列表的元素個數(shù)與ndarray對應(yīng)，相加不必為1：即在次數(shù)結(jié)果的基礎(chǔ)上舔腾，疊加權(quán)重的影響
np.bincount(ndarray,weights=[], minlength=) 當(dāng)minlength的數(shù)量多于ndarray元素的數(shù)量溪胶，后面沒訪問到的設(shè)置為0

應(yīng)用：np.argmax(np.bincount(ndarray))表示出現(xiàn)次數(shù)最多的元素的下標(biāo)/索引數(shù)值

三、特性：數(shù)學(xué)計算

• 元素

np.add(x,y)
np.subtract(x,y)
np.multiply(x,y)
np.divide(x,y)

np.abs()
np.square()
np.maximum()
np.exp(x)
np.sin()
np.sqrt(x)
np.power(x,2)
np.greater(x, y) 比較返回布爾值

注意：log函數(shù)
np.log(x, y) 以x為底
np.log() 以e為底
log10() 以10為底

• 矩陣
  注意維度的區(qū)分：N維數(shù)組稳诚，有N層中括號[]

ndarray矩陣相乘的本質(zhì)(底層邏輯)

• 實例：np.dot((2, 1), (2, ))報錯(雖然第二個默認(rèn)行向量哗脖，但終究不是1*2的行向量)
  (2, 1): [[1], [2]]
  (2, ): [3, 4]
  (1, 2): [[3, 4]]

正確的運算應(yīng)該是：np.dot((2, 1), (1, 2))

1. 先去掉外層的[]：[1], [2] 與 [3, 4]
2. 針對內(nèi)層的[]：1和3, 4生成[3, 4]
3. 最后生成維度(2, 2)的矩陣

• 注意：np.dot((2, ), (2, 1)) == (1, ) 默認(rèn)行向量

• 補充：data[:, None]
  本意：對一維數(shù)組來說，轉(zhuǎn)置還是行向量(Numpy默認(rèn)一維數(shù)組為行向量)扳还，所以可以用 arr[:,None] 來創(chuàng)建一個列向量(本質(zhì)上是二維數(shù)組)

1. 當(dāng)data是一維數(shù)組(n,)才避，相當(dāng)于轉(zhuǎn)置(行、列向量的轉(zhuǎn)換)
   
   構(gòu)造新的列：一維數(shù)據(jù)變?yōu)槎S
2. 當(dāng)data是矩陣(1, n)時氨距，data[:, None]生成(1,1,n)

神經(jīng)網(wǎng)絡(luò)反向傳播的啟發(fā)

默認(rèn)行向量桑逝，可用.flatten()或.ravel()轉(zhuǎn)化為一維數(shù)組(默認(rèn)行向量)

• Hadamard乘積(對應(yīng)元素相乘)
  np.multiply()
* 乘法
  一維數(shù)組對應(yīng)元素相乘 (2, )*(2, )=(2, )

• 矩陣相乘
  一維數(shù)組內(nèi)積 np.dot((2, )(2, )) ==(1, )
  一維數(shù)組相乘：列*行得到矩陣@權(quán)重的更新，用.reshape()

• np.dot() 各種情況匯總(主要針對一維數(shù)組俏让，二維數(shù)組-行向量/列向量)
  (1, n) & (n, ) == (1, ) 生成一維數(shù)組
  (n, ) & (n, 3) == (3, )： (n, 3)&(n, )報錯
  (1, n) & (n, 1) == (1, 1) 生成列向量(二維數(shù)組)

特殊情況：*乘法廣播展開(尾部維度一致)
(6, ) * (6, 1) == (6, 6) (尾部維度為(6))
(6, 1) * (6, ) == (6, 6) (尾部維度為(1))

神經(jīng)網(wǎng)絡(luò)中的應(yīng)用：針對反向傳播

1. 利用轉(zhuǎn)置-調(diào)換位置計算反向誤差
   反向誤差error
2. 權(quán)重更新：列*行生成權(quán)重矩陣
   當(dāng)x, y均為一維數(shù)組時楞遏，下列兩種方法等價
   x[:, None] * y
y * x[:, None]
   
   權(quán)重更新矩陣

轉(zhuǎn)置

ndarray.T
ndarray.transpose()
.swapaxes() 接受一對軸變換
.reshape()

矩陣相乘

np.dot(a, b) 等價于a.dot(b) 如果a b都是一維的茬暇，表示內(nèi)積；如果是二維以上寡喝，則為矩陣相乘
np.matmul(a, b) 矩陣乘積

注意：當(dāng)a或b其中一個是標(biāo)量的時候糙俗，只能用np.dot，或*预鬓，等價于元素乘法np.multiply

補充：

1. 如果a是N維數(shù)組, b是1維數(shù)組巧骚，如（3,3,3)與(3,)矩陣相乘的結(jié)果是（3,3）

2. 如果a是N維數(shù)組， b是M維數(shù)組(M>2)
   維度變化 多維數(shù)組相乘

• 特性：廣播
  1 標(biāo)量和 ndarray 之間
  2 兩個形狀不同的 ndarray之間：形狀相適應(yīng)(尾部維度必須兼容)
  本質(zhì)：np.tile(ndarray, shape) 按照shape重復(fù)ndarray元素
  

  ndarray 廣播機制

• 特性：統(tǒng)計學(xué)函數(shù)(注意：參數(shù)axis=)

X.mean()
np.average()
X.sum()
X.std()
np.corrcoef(ndarray) 默認(rèn)皮爾森相關(guān)系數(shù)珊皿，也可以用ranked correlation，也就是spearman correlation巨税，可以直接用scipy.stats.spearmanr
np.median(X)
X.max()
X.min()

.argmin()
.argmax()
.cumsum() 累計和
.cumprod() 累計積
np.diff(x,axis=1) 默認(rèn)axis=1 后面元素減去前面元素
np.around(decimals=) 四舍五入蟋定；decimals小數(shù)點位數(shù)，負(fù)數(shù)表示小數(shù)點前面的位數(shù)
np.floor()
np.ceil()

集合運算

np.intersect1d(x,y)
np.setdiff1d(x,y)

np.union1d(x,y)

四草添、拓展

• 補充：數(shù)據(jù)IO

np.save('my_array', ndarray) 將ndarray保存到叫做my_array.npy的文件中
y = np.load('my_array.npy')

• 補充：小技巧

方法的組合

np.sort(np.unique(x))

• 補充：numpy.linalg
  有一個關(guān)于矩陣分解和像轉(zhuǎn)置和行列式等的一個標(biāo)準(zhǔn)集合

References