本文共 2037 字，大约阅读时间需要 6 分钟。

Python 与 NumPy 实用技巧

1. 从文件读取数据

使用 np.loadtxt 函数可以从文本文件中读取数据，默认以逗号分隔。这里展示了两种读取方法：

• 默认读取方式：

  import numpy as np
  filepath = open('E:/1.txt')
  dataset = np.loadtxt(filepath, delimiter=',', usecols=(0, 1))
  Xdata = dataset[:, 0]  # 读取第一列
  Ydata = dataset[:, 1]  # 读取第二列

  结果：

  dataset:
  [[1.11, 3.23],
   [2.  , 2.  ],
   [3.  , 3.  ]]
  Xdata:
  [1.11, 2.  , 3.  ]

• 使用 unpack=True：

  import numpy as np
  filepath = open('E:/1.txt')
  dataset = np.loadtxt(filepath, delimiter=',', usecols=(0, 1), unpack=True)
  Xdata = dataset[0]    # 读取第一列
  Ydata = dataset[1]    # 读取第二列

  结果：

  dataset:
  [[1.11, 2.  ],
   [3.23, 2.  ]]
  Xdata:
  [1.11, 2.  , 3.  ]

2. 矩阵运算与统计函数

矩阵点乘

import numpy as np
a = [[1,2,3],
     [1,3,4]]
b = [[2,1,1],
     [3,1,1]]
np.dot(a, np.transpose(b))

结果：

array([[7, 8],
       [9, 10]])

标准差计算

• 全局标准差：

  np.std(a, axis=0)

  结果：

  array([0. , 0.5, 0.5])

• 列标准差：

  np.std(a, axis=1)

  结果：

  array([2. , 3. ])

• 行标准差：

  np.std(a, axis=2)

  结果：

  array([2.5])

均值计算

• 全局均值：

  np.mean(a)

  结果：

  1.1055415967851334

• 列均值：

  np.mean(a, axis=0)

  结果：

  array([1. , 2.5, 3.5])

加减乘除

import numpy as np
a = np.array([1, 2, 3])
b = np.array([2, 1, 4])
c = a + b     # 加法
d = a - b     # 减法
e = a * b     # 乘法
f = a / b     # 除法

结果：

• c: [3, 3, 7]
• d: [ -1, 1, -1]
• e: [2, 6, 12]
• f: [0.5, 0.5, 1.]

3. 样本等分

np.linspace 用于生成均匀分布的数列，适合绘图或数据采样。

-默认值-：

np.linspace(2.0, 3.0, num=5)

结果：

array([2.  , 2.25, 2.5 , 2.75, 3. ])

• 不包含终点值-：

  np.linspace(2.0, 3.0, num=5, endpoint=False)

  结果：

  array([2. , 2.2, 2.4, 2.6, 2.8])

• Returns step size-：

  np.linspace(2.0, 3.0, num=5, retstep=True)

  结果：

  (array([2.  , 2.25, 2.5 , 2.75, 3.  ]), 0.25)

4. 创建零矩阵

通过 np.zeros() 创建与矩阵 a 大小相同的全零矩阵。

a = np.array([[1,2,3],
              [4,5,6]])
b = np.zeros(a.shape)

结果：

b:
[[0. , 0. , 0. ],
 [0. , 0. , 0. ]]

5. logspace

用于生成等比数列，常用于对数值转换。

np.logspace(1, 10, 10)

结果：

array([1.e+01, 1.e+02, 1.e+03, 1.e+04, 1.e+05, 1.e+06, 1.e+07, 1.e+08,
       1.e+09, 1.e+10])

6. arange

与 range 类似，用于生成等差数列，常用于绘图索引。

np.arange(1, 5)

结果：

array([1, 2, 3, 4])

7. 矩阵转置

使用 T 属性。

a = np.array([[1,2],
             [3,4]])
a.T   # 转置矩阵

结果：

array([[1, 3],
       [2, 4]])

转载地址：http://wygjz.baihongyu.com/