前言

大家好！本期给大家带来的是【数据分析 - 基础入门之NumPy⑤】NumPy基本操作 - 二，收录于作者的【 Python 数据分析】专栏，正在火热🔥更新中……

每日金句分享：背上背包，带上行囊，去你的世界旅行。』—— 「柯」。

下面让我们进入正题吧。

一、聚合函数

NumPy 中提供了许多内置函数，用于快速达成一些功能。

函数	功能
np.sum()	求和
np.mean()	平均值
np.average()	平均值
np.min()	最小值
np.max()	最大值
np.std()	标准差
np.var()	方差
np.median()	中位数
np.power()	幂运算
np.sqrt()	开方
np.argmin()	最小值的下标
np.argmax()	最大值的下标
np.log()	对数
np.exp()	指数
np.argwhere	按条件查找

下面是一些使用示例：

n1 = np.array([[1,3,4],[3,2,9],[7,1,0]
])

print(np.sum(n1)) # 求和
print(np.min(n1)) # 最小值
print(np.max(n1)) # 最大值
print(np.mean(n1)) # 平均值
print(np.average(n1)) # 平均值
print(np.median(n1)) # 中位数

print(np.argmin(n1)) # 最小值对应下标
print(np.argmax(n1)) # 最大值对应下标
print(np.std(n1)) # 标准差
print(np.var(n1)) # 方差
print(np.power(n1,2)) # 幂运算
print(np.argwhere(n1 > 2)) # 按条件查找并返回位置

二、矩阵操作

2.1 算术运算

算术运算指的是和标量之间的运算，ndarray 数组可以直接和标量进行各种算术运算，例如：+、-、*、/、%、//（整除）、**（次方）。

# 矩阵算术运算
n1 = np.random.randint(0,10,(2,3))
print(n1)
n2 = np.random.randint(0,10,(2,3))
print(n2)
n1 * n2

2.2 线性代数

线性代数中矩阵的操作主要包括：矩阵乘法、求逆矩阵、求矩阵的行列式、求矩阵的秩等。

函数	功能
np.dot()	矩阵乘法
np.linalg.inv()	求逆矩阵
np.linalg.det()	求矩阵的行列式
np.linalg.matrix_rank()	求矩阵的秩

下面是具体示例：

# 线性代数
n1 = np.random.randint(0,10,(2,3))
print(n1)
n2 = np.random.randint(0,10,(3,2))
print(n2)
print(np.dot(n1,n2)) #
n3 = np.random.randint(0,10,(2,2))
print(np.linalg.inv(n3)) # 求逆：Last 2 dimensions of the array must be square，数组的最后 2 个维度必须是正方形的
print(np.linalg.det(n3))
print(np.linalg.matrix_rank(n3))

2.3 其他数学操作

NumPy 中还有一些其他数学操作，具体可以参考：NumPy中文网。

三、广播机制

如果两个数组 a 和 b 形状相同，即满足 a.shape == b.shape ，那么算术运算可以对应元素进行；如果形状不同，NumPy会自动匹配广播机制，广播 (Broadcast) 是 numpy 对不同形状 (shape) 的数组进行数值计算的方式。

当运算中的 2 个数组的形状不同时，numpy 将自动触发广播机制。

3.1 广播的原则

• <1> 如果两个数组的最后一个维度（trailing dimension，即 从末尾开始算起的维度）的维数相同 ，（在二维数组中表现为列数相同）。
• <2> 两个数组行数相同，其中一方列维度为1，则认为它们是广播兼容的。广播会在缺失和（或）长度为1的维度上进行。

pandas 没有广播机制。

3.2 案例

# (1) 最后维度维数相同
n1 = np.array([[1,4,3],[9,1,5]
])
n2 = [[3,6,1]
]
print(n1 + n2)
# (2) 其中一个维度为1
n3 = np.array([[1],[3]
])
n1 + n3

四、排序

对数组的排序是同一个方法，两种方式：如果使用 np.sort() ，不改变原数组；如果使用 n.sort() ，n 是一个数组，会改变原数组。

print(n1)
# 不改变原数组
np.sort(n1)
# 改变原数组
n1.sort()
print(n1)

五、文件操作

对文件的操作主要有保存文件和加载文件，下面分别介绍。

函数	功能
np.save()	保存 ndarray 到一个 npy 文件
np.savez()	保存 ndarray 到一个 npz 文件
np.savetxt()	保存 ndarray 到一个 txt/csv 文件
np.load()	读取 npy、npz 文件
np.loadtxt()	读取 txt、csv 文件

结语

本篇文章主要介绍了 NumPy 的基本操作，最重要的是要理解 NumPy 中的广播机制以及常用函数。

🍻 我是向阳花花花花，在学习的路上一直前行，期待与你一起进步。~ 🍻

🔥 如果文中有些地方不清楚的话，欢迎联系我，我会给大家提供思路及解答。🔥

相关导读

文章直达	链接
上期回顾	【数据分析 - 基础入门之NumPy④】- NumPy基本操作 - 一
下期预告	【数据分析 - 基础入门之NumPy⑥】- NumPy案例巩固强化