百木园pandas预备知识：python和numpy基础
目录
- 1 python基础
- 1.1 列表推导式与条件赋值
- 1.2 匿名函数与map方法
- 1.3
zip对象与enumerate方法
- 2 numpy基础
- 2.1 np数组的构造
- 2.2 np数组的变形与合并
- 2.3 np数组的切片与索引
- 2.4 常用函数
- 2.5 广播机制
- 2.6 向量与矩阵的计算
1 python基础
1.1 列表推导式与条件赋值
列表推导式：[* for i in]，支持多层嵌套
条件赋值：value = a if condition else b
1.2 匿名函数与map方法
匿名函数： lambda
map方法：需要list()转换为列表
1.3 zip对象与enumerate方法
zip函数将多个可迭代对象打包成一个元组构成的可迭代对象，通过tuple和list可以获得相应结果。
enumerate在迭代时绑定迭代元素的遍历序号。
*zip可进行解压。
2 numpy基础
2.1 np数组的构造
-
一般方法：
np.array([]) -
等差序列
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)，一般设置起点、终点（包含）和样本个数。
np.arange([start,] stop[, step,], dtype=None, *, like=None)，一般设置起点、终点（不包含）和步长。
- 特殊矩阵
zeros：全零矩阵
eye：单位矩阵，可设置偏移主对角线量
full：指定值填充矩阵
- 随机矩阵
np.random
rand：0-1均匀分布的随机数组
randn： 标准正态分布的随机数组
randint： 随机整数组
choice：随机列表抽样
permutation：打散原列表
2.2 np数组的变形与合并
转置：.T
上下合并：r_
左右合并：c_
维度变换：reshape，order=\'C/F\'表示逐行/列读取，维度空缺使用-1
2.3 np数组的切片与索引
支持使用slice类型的start:end:step切片，也可直接传入列表指定某个维度的索引进行切片。
可以利用np.ix_在对应维度上使用布尔索引，此时不能使用slice切片。
一维数组可直接进行布尔索引，无需np.ix_。
2.4 常用函数
where条件函数
指定满足条件与不满足条件位置对应的填充值
nonzero,argmax,argmin
nonzero返回非零数的索引，argmax, argmin分别返回最大和最小数的索引
-
any, allany：序列至少存在一个True或非零元素时返回True，否则返回Falseall：序列元素全为True或非零元素时返回True，否则返回False -
cumprod,cumsum,diffcumprod,cumsum分别表示累乘和累加函数，返回同长度数组。diff表示与前一元素做差，返回长度比原数组少1。 -
统计函数
常用统计函数：max, min, mean, median, std, var, sum, quantile
通过array.max()调用，其中quantile为全局方法，通过np.quantile调用。
略过缺失值可使用相应的nan*方法，如nanmax。
协方差和相关系数：np.cov(s1, s2)，np.corrcoef(s1, s2)
2.5 广播机制
NumPy官方文档
-
标量与数组
概念上将标量拉伸到数组大小，再逐个运算
实际上直接使用原标量运算，内存和计算效率更高
-
数组与数组
操作两个数组时，NumPy按位比较维度形状。
两个维度兼容的情况：维度相同或其中一个维度为1
2.6 向量与矩阵的计算
向量内积：dot
向量范数和矩阵范数：np.linalg.norm
矩阵乘法：@
参考：
joyful pandas教程 https://github.com/datawhalechina/joyful-pandas
NumPy官方文档 https://numpy.org/doc/stable/user/basics.broadcasting.html
来源：https://www.cnblogs.com/ikventure/p/15968443.html
本站部分图文来源于网络，如有侵权请联系删除。