Numpy指南笔记
第2章：Numpy基础
创建多维数组
# coding:utf-8
import numpy as np
m=np.array([np.arange(2),np.arange(2)])
print m
print m.shape
一维数组切片和索引
# coding:utf-8
import numpy as np
a=np.arange(9)
print a
print a[3:7]
print a[:7:2] #用下标0-7，以2为步长选取元素
多维数组切片和索引
# coding:utf-8
import numpy as np
b=np.arange(24).reshape(2,3,4)
print b
print ‘-------------‘
print ‘b[0,0,0]‘,b[0,0,0]
print ‘-------------‘
print ‘b[:,0,0]‘,b[:,0,0]
print ‘-------------‘
print ‘b[0]‘,b[0]
print ‘-------------‘
print ‘b[0,1]‘,b[0,1]
print ‘-------------‘
print ‘b[0,1,::2]‘,b[0,1,::2] #上面数组间隔选取元素
print ‘-------------‘
print ‘b[:,1]‘,b[:,1]
print ‘-------------‘
print ‘b[0,:,1]‘,b[0,:,1]
print ‘-------------‘
print ‘b[0,:,-1]‘,b[0,:,-1] #第一层楼最后一列
print ‘-------------‘
print ‘b[0,::-1,-1]‘,b[0,::-1,-1] #反向选取第一层楼的最后一列的所有房间
print ‘-------------‘
print ‘b[0,::2,-1]‘,b[0,::2,-1] #数组切片中间隔的选定元素
print ‘-------------‘
print ‘b[::-1]‘,b[::-1] #第一层和第二层交换位置
改变数组的维度
ravel函数可以完成展平操作 shape 改变维度
# coding:utf-8
import numpy as np
b=np.arange(24).reshape(2,3,4)
print b
a= b.ravel()
print a
a.shape=(6,4) #设置数组维度
print a
数组的组合 np.hstack水平组合 np.vstack 垂直组合
# coding:utf-8
import numpy as np
a=np.arange(9).reshape(3,3)
print a
b=2*a
print b
print ‘--------------------‘
print np.hstack((a,b)) #数组水平组合
print ‘--------------------‘
print np.vstack((a,b)) #垂直组合
第3章：常用函数
import numpy as np
i2=np.eye(2) #2*2数组
np.savetxt(‘eye.txt’,i2) #存储文件
AAPL，28-01-2011， ，344.17,344.4,333.53,336.1,21144800 #很多数据其中一行
...
c,v=np.loadtxt(‘data.csv’,delimiter=’,’,usecols=(6,7),unpack=True) #设置分隔符号为，usecols的参数为一个元组，以获取第7字段和第8字段的数据。upack参数设置为True,意思是拆分存储不同列的数据
vwap=np.average(c,weights=v) #以v列的数据作为权重计算c的平均权重值
np.mean(c) #计算c的平均值
时间加权平均价格
t=np.arange(len(c)) #求出行数
np.average(c,weights=t)
h,l=np.loadtxt(‘data.csv’,delimiter=’,’,usecols=(4,5),unpack=True) #将每日最高价和最低价的数据载入数组
np.max(h) #获取该行最大值
np.min(l) #获取该行最小值
ptp计算数组的取值范围=max(array)-min(array)
np.ptp(h) np.ptp(l)
np.median(c) 找到中位数
np.msort(c) 将数组从小到大排序
np.var(c) 计算数组的方差
np.diff(c) 返回由相邻数组元素的插值构成的数组
np.std() 返回数组的标准差
np.where(数组>0) where函数可以根据指定的条件返回所有满足条件的数组元素的索引值
strptime() 函数根据指定的格式把一个时间字符串解析为时间元组。
converters:数据列和转换函数之间进行映射的字典
np.take(数组，索引) 获取数组索引值的元素值
x = np.array([[1, 2], [3, 4]])
>>> x.ravel()
array([1, 2, 3, 4])
p52没有完
第3章：便捷函数
np.corrcoef(bhp_returns,vale_returns) 计算两个矩阵的相关系数
[[1. 0.67841747
0.67841747 1.]] 右对角线是相关系数
poly=np.polyfi(长度，差值， )拟合一系列数据点 实际就是一个函数
np.polyval(poly,长度+1) 推断下一个值
vals=np.ployval(poly,t)
np.argmax(vals) 函数最大值
np.argmin(vals) 函数最小值
np.sign(change) change是数据列表 返回对应数据正负号对应列表
hanning函数是一个加权余弦的窗函数
第5章：矩阵和通用函数
a=np.mat(‘1 2 3;4 5 6;7 8 9‘) #创建矩阵 有空格
a.T 矩阵转置
a.I 矩阵求逆
A = np.mat(np.arange(9).reshape(3,3))
A = np.eye(2)
B=2*A
np.bmat(‘A B;A B‘)
a=np.arange(9)
print np.add.reduce(a) 求和结果36
a=np.array([2,6,5])
b=np.array([1,2,3])
print np.true_divide(a,b)
数组相除
a=np.arange(-4,4)
print a%2
[1,1,2,3,5,8,13,21]
a=np.matrix([[1,1],[1,0]]) 创建斐波那契数列矩阵
print (a**4)[0,0] 为5 该数列第5个数
第6章：深入学习NumPy模块
numpy.linalg模块包含线性代数的函数，使用这个模块可以计算逆矩阵，求特征值，解线性方程组以及求解行列式。
求逆矩阵
import numpy as np
A=np.mat(‘0 1 2;1 0 3;4 -3 8‘)
print A
inverse=np.linalg.inv(A)
print inverse
求解线性方程组的解
# coding:utf-8
import numpy as np
A=np.mat(‘1 -2 1;0 2 -8;-4 5 9‘)
print A
b=np.array([0,8,-9]) #数组y
print b
x=np.linalg.solve(A,b)
print x
numpy.linalg模块中，eigvals函数可以计算矩阵的特征值
# coding:utf-8
import numpy as np
A=np.mat(‘3 -2;1 0‘)
print A
B=np.linalg.eigvals(A)
print B
eig函数求解特征值和特征向量
# coding:utf-8
import numpy as np
A=np.mat(‘3 -2;1 0‘)
print A
B=np.linalg.eig(A)
print B
奇异值分解
# coding:utf-8
import numpy as np
A=np.mat(‘4 11 14;8 7 -2‘)
print A
U,Sigma,V=np.linalg.svd(A,full_matrices=False)
print‘U‘
print U
print ‘Sigma‘
print Sigma
print ‘V‘
print V
并非得到中间的奇异值矩阵，得到的是对角线上的值
矩阵行列式
# coding:utf-8
import numpy as np
A=np.mat(‘3 4;5 6‘)
print A
B=np.linalg.det(A)
print B
第七章：专用函数
sort函数返回排序后的数组
lexsort 函数根据键值的字典序进行排序
argsort 函数返回输入数组排序后的下标
ndarray类的sort方法可对数组进行原地排序
msort函数沿着第一个轴排序
sort_complex函数对复数按照先实部后虚部的顺序进行排序
argmax函数返回数组中最大值对应下标 argmin类似
# coding:utf-8
import numpy as np
a = np.array([2,4,8])
print np.argmax(a)
searchsorted函数为指定的插入值返回一个在有序数组中的索引位置
# coding:utf-8
import numpy as np
a = np.arange(5)
print a
indices=np.searchsorted(a,[-2,7])
print indices
numpy的extract函数可以根据某个条件从数组中抽取元素。
使用nonzero函数抽取数组中的非零元素
# coding:utf-8
import numpy as np
a = np.arange(7)
print a
condition=(a%2)==0
print ‘even numbers‘,np.extract(condition,a)
print ‘Non zero‘,np.nonzero(a)
第9章：使用Matplotlib绘图
matplotlib.pyplot包中包含了简单绘图功能
使用show函数显示
绘制多项式函数
# coding:utf-8
import numpy as np
import matplotlib.pyplot as plt
func=np.poly1d(np.array([1,2,3,4]).astype(float)) #创建多项式
print func
x=np.linspace(-10,10,30) #在-10和10之间产生30个均匀分布的值
y=func(x) #创建多项式的值
plt.plot(x,y) #调用plot函数
plt.xlabel(‘x‘) #使用xlabel函数添加x轴标签
plt.ylabel(‘y(x)‘)
plt.show()
