python与量化系列01-NumPy：数组计算
一、MumPy：数组计算1、NumPy是高性能科学计算和数据分析的基础包。它是pandas等其他各种工具的基础。2、NumPy的主要功能：
[*]ndarray，一个多维数组结构，高效且节省空间
[*]无需循环对整组数据进行快速运算的数学函数
[*]*读写磁盘数据的工具以及用于操作内存映射文件的工具
[*]*线性代数、随机数生成和傅里叶变换功能
[*]*用于集成C、C++等代码的工具
3、安装方法：pip install numpy
4、引用方式：import numpy as np二、NumPy：ndarray-多维数组对象1、创建ndarray：np.array()2、ndarray是多维数组结构，与列表的区别是：
[*]数组对象内的元素类型必须相同
[*]数组大小不可修改
3、常用属性：
[*]T 数组的转置（对高维数组而言）
[*]https://images2017.cnblogs.com/blog/1184802/201801/1184802-20180129160830875-535936421.png
[*]dtype 数组元素的数据类型
[*]size 数组元素的个数
[*]ndim 数组的维数
[*]shape 数组的维度大小（以元组形式）
4、常用方法array.shape array的规格array.ndim array.dtype array的数据规格numpy.zeros(dim1,dim2) 创建dim1*dim2的零矩阵numpy.arangenumpy.eye(n) /numpy.identity(n) 创建n*n单位矩阵numpy.array([…data…], dtype=float64 )array.astype(numpy.float64) 更换矩阵的数据形式array.astype(float) 更换矩阵的数据形式array * array 矩阵点乘array 切片array.copy() 得到ndarray的副本，而不是视图array =array [ a, b ] 两者等价name=np.array(['bob','joe','will']) res=name==’bob’ res= array([ True, False, False], dtype=bool)data 索引，只索取为True的部分，去掉False部分通过布尔型索引选取数组中的数据，将总是创建数据的副本。data[ ] 索引，将第4,3,0,6行摘取出来，组成新数组data[-1]=data__len__()-1]numpy.reshape(a,b) 将a*b的一维数组排列为a*b的形式array(,) 返回一维数组，分别为,,,array[ ][:, ]=array[ numpy.ix_( , ) ]array.T array的转置numpy.random.randn(a,b) 生成a*b的随机数组numpy.dot(matrix_1,matrix_2) 矩阵乘法array.transpose( (1,0,2,etc.) ) 对于高维数组，转置需要一个由轴编号组成的元组
三、NumPy：ndarray-数据类型
[*]ndarray数据类型：dtype：
[*]布尔型：bool_
[*]整型：int_ int8 int16 int32 int64
[*]无符号整型：uint8 uint16 uint32 uint64
[*]浮点型：float_ float16 float32 float64
[*]复数型：complex_ complex64 complex128
四、NumPy：ndarray-创建
创建ndarray： array() 将列表转换为数组，可选择显式指定dtype arange() range的numpy版，支持浮点数 linspace() 类似arange()，第三个参数为数组长度 zeros() 根据指定形状和dtype创建全0数组 ones() 根据指定形状和dtype创建全1数组 empty() 根据指定形状和dtype创建空数组（随机值） eye() 根据指定边长和dtype创建单位矩阵
五、NumPy：索引和切片
1、数组和标量之间的运算 a+1 a*3 1//a a**0.52、同样大小数组之间的运算 a+b a/b a**b3、数组的索引： 一维数组：a 多维数组： 列表式写法：a 新式写法：a (推荐) 数组的切片： 一维数组：a a a = 1 多维数组：a a[:,3:5] a[:,1]4、强调：与列表不同，数组切片时并不会自动复制，在切片数组上的修改会影响原数组。 【解决方法：copy()】
六、NumPy：布尔型索引问题：给一个数组，选出数组中所有大于5的数。
答案：a
原理：
a>5会对a中的每一个元素进行判断，返回一个布尔数组
布尔型索引：将同样大小的布尔数组传进索引，会返回一个由所有True对应位置的元素的数组问题2：给一个数组，选出数组中所有大于5的偶数。
问题3：给一个数组，选出数组中所有大于5的数和偶数。
答案：
a[(a>5) & (a%2==0)]
a[(a>5) | (a%2==0)]import numpy as npa = np.array()a#注意加括号，不叫括号错误，如下输出：array([ 1,2,3,4,5,4,7,8,9, 10])a[(a>5)&(a%2==0)]输出：array([ 8, 10])
七、NumPy：花式索引*问题1：对于一个数组，选出其第1，3，4，6，7个元素，组成新的二维数组。答案：a[]问题2：对一个二维数组，选出其第一列和第三列，组成新的二维数组。答案：a[:,]
八、NumPy：通用函数’通用函数：能同时对数组中所有元素进行运算的函数常见通用函数：一元函数：abs, sqrt, exp, log, ceil, floor, rint, trunc, modf, isnan, isinf, cos, sin, tan
numpy.sqrt(array) 平方根函数 numpy.exp(array) e^array的数组numpy.abs/fabs(array) 计算绝对值numpy.square(array) 计算各元素的平方 等于array**2numpy.log/log10/log2(array) 计算各元素的各种对数numpy.sign(array) 计算各元素正负号numpy.isnan(array) 计算各元素是否为NaNnumpy.isinf(array) 计算各元素是否为NaNnumpy.cos/cosh/sin/sinh/tan/tanh(array) 三角函数numpy.modf(array) 将array中值得整数和小数分离，作两个数组返回numpy.ceil(array) 向上取整,也就是取比这个数大的整数 numpy.floor(array) 向下取整,也就是取比这个数小的整数numpy.rint(array) 四舍五入numpy.trunc(array) 向0取整 numpy.cos(array) 正弦值numpy.sin(array) 余弦值 numpy.tan(array) 正切值
二元函数：add, substract, multiply, divide, power, mod,maximum, mininum,
numpy.add(array1,array2) 元素级加法numpy.subtract(array1,array2) 元素级减法numpy.multiply(array1,array2) 元素级乘法numpy.divide(array1,array2) 元素级除法 array1./array2numpy.power(array1,array2) 元素级指数 array1.^array2numpy.maximum/minimum(array1,aray2) 元素级最大值numpy.fmax/fmin(array1,array2) 元素级最大值，忽略NaNnumpy.mod(array1,array2) 元素级求模numpy.copysign(array1,array2) 将第二个数组中值得符号复制给第一个数组中值numpy.greater/greater_equal/less/less_equal/equal/not_equal (array1,array2)元素级比较运算，产生布尔数组numpy.logical_end/logical_or/logic_xor(array1,array2)元素级的真值逻辑运算
九、补充知识：浮点数特殊值1、浮点数：float
2、浮点数有两个特殊值：
[*]nan(Not a Number)：不等于任何浮点数（nan != nan）
[*]inf(infinity)：比任何浮点数都大
在数据分析中，nan常被表示为数据缺失值
2、NumPy中创建特殊值：np.nan np.inf
3、在数据分析中，nan常被用作表示数据缺失值既然nan连自己都不相等，那么怎么判断是不是NAN呢？
用a==a 只要返回False就能判断
https://images2017.cnblogs.com/blog/1184802/201801/1184802-20180129175143515-660299643.png十、NumPy：数学和统计方法常用函数：
[*]sum 求和
[*]cumsum 求前缀和
[*]mean 求平均数
[*]std 求标准差
[*]var 求方差
[*]min 求最小值
[*]max 求最大值
[*]argmin 求最小值索引
[*]argmax 求最大值索引
十一、NumPy：随机数生成随机数生成函数在np.random子包内
常用函数
[*]rand 给定形状产生随机数组（0到1之间的数）
[*]randint 给定形状产生随机整数
[*]choice 给定形状产生随机选择
[*]shuffle 与random.shuffle相同
[*]uniform 给定形状产生随机数组
页:
[1]