He Wang PRO
Knowledge increases by sharing but not by saving.
引力波数据探索：编程与分析实战训练营
第 2 部分 基于 Python 的数据分析基础
主讲老师：王赫
2023/12/01
ICTP-AP, UCAS
数据分析实训之 Numpy
- Numpy 的理解与解读
- Numpy 中的数据结构
- Numpy 中的数据切片
- Numpy 中的广播机制
- Numpy 中的线性代数与数理统计
数据分析实训之 Numpy
# Numpy
Numpy 简介
-
Numpy运算速度快：
- 它将常用的数学函数都支持向量化运算，使得这些数学函数能够直接对数组进行操作，将本来需要在Python级别进行的循环，放到C语言的运算中，明显地提高了程序的运算速度。
-
NumPy 是 Python 语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
- Numpy 官方网址：https://numpy.org
- Numpy 中文文档：https://www.numpy.org.cn/
- Numpy 中的数据结构：ndarray（即 n-dimensional array，多维数组）
-
Numpy 的 ndarray 与 Python 的 list：
- list 列表本身是为了处理更广泛、更通用的目的而构建的
- ndarray 对于处理数组类型结构的数据会更加方便
# Numpy
Numpy 简介
Numpy 要点：
- 我们可以使用NumPy.array()在Python中创建一个N维数组。
- 数组默认是同构的（Homogeneous），这意味着数组内的数据必须是相同的数据类型。（注意：你也可以创建一个结构化数组）
- 支持逐元素（Element-wise）操作。
- NumPy 数组具有各种函数、方法和变量，以简化矩阵计算任务。
- 数组的元素在内存中是连续存储的。例如，二维数组的所有行必须具有相同数量的列。三维数组必须在每个轴上具有相同数量的行和列。
-
NumPy 是 Python 语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
- Numpy 官方网址：https://numpy.org
- Numpy 中文文档：https://www.numpy.org.cn/
- Numpy 中的数据结构：ndarray（即 n-dimensional array，多维数组）
# Numpy
Numpy 的理解与解读
-
NumPy 是 Python 语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
- Numpy 官方网址：https://numpy.org
- Numpy 中文文档：https://www.numpy.org.cn/
- Numpy 中的数据结构：ndarray（即 n-dimensional array，多维数组）
...
# Numpy
Numpy 的理解与解读
-
NumPy 是 Python 语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
- Numpy 官方网址：https://numpy.org
- Numpy 中文文档：https://www.numpy.org.cn/
- Numpy 中的数据结构：ndarray（即 n-dimensional array，多维数组）
- ndarray 的关键属性有维度（ndim）、形状（shape）和数值类型（dtype）等
# 引入 numpy 模块
import numpy as np
np1 = np.array([1, 2, 3])
np2 = np.array([3, 4, 5])
# array相加
print(np1 + np2) # [4 6 8]
# 显示相关信息
print(np1.ndim, np1.shape, np1.dtype) # 1 (3,) int64 => 一维array, 三个元素, 数值类型
np3 = np.array([1, 2, 3, 4, 5, 6])
# 改变 array 的维度
np3 = np3.reshape([2, 3])
print(np3.ndim, np3.shape, np3.dtype) # 2 (2, 3) int64# Numpy
Numpy 的理解与解读
-
NumPy 是 Python 语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
- Numpy 官方网址：https://numpy.org
- Numpy 中文文档：https://www.numpy.org.cn/
- Numpy 中的数据结构：ndarray（即 n-dimensional array，多维数组）
- ndarray 的关键属性有维度（ndim）、形状（shape）和数值类型（dtype）等
# Numpy
Numpy 的理解与解读
-
NumPy 是 Python 语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
- Numpy 官方网址：https://numpy.org
- Numpy 中文文档：https://www.numpy.org.cn/
- Numpy 中的数据结构：ndarray（即 n-dimensional array，多维数组）
- ndarray 的关键属性有维度（ndim）、形状（shape）和数值类型（dtype）等
- ndarray 的切片
# Numpy
Numpy 的理解与解读
-
NumPy 是 Python 语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
- Numpy 官方网址：https://numpy.org
- Numpy 中文文档：https://www.numpy.org.cn/
- Numpy 中的数据结构：ndarray（即 n-dimensional array，多维数组）
- ndarray 的关键属性有维度（ndim）、形状（shape）和数值类型（dtype）等
- ndarray 的切片
# Numpy
Numpy 的理解与解读
-
NumPy 是 Python 语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
- Numpy 官方网址：https://numpy.org
- Numpy 中文文档：https://www.numpy.org.cn/
- Numpy 中的数据结构：ndarray（即 n-dimensional array，多维数组）
- ndarray 的关键属性有维度（ndim）、形状（shape）和数值类型（dtype）等
- ndarray 的切片
- ndarray 里的 broadcasting（广播机制）
简单的说，对两个阵进行操作时，Numpy 逐元素地比较他们的形状。
只有两种情况下Numpy会认为两个矩阵(向右对齐后)内的两个对应维度是兼容的：
- 它们相等；
- 其中一个是1维。
举个牛逼的例子：
A (4d array): 8 x 1 x 6 x 1
B (3d array): 7 x 1 x 5
Result (4d array): 8 x 7 x 6 x 5
当任何一个维度是1，那么另一个不为1的维度将被用作最终结果的维度。也就是说，尺寸为1的维度将延展或“逐个复制”到与另一个维度匹配。
# Numpy
Numpy 的理解与解读
-
NumPy 是 Python 语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
- Numpy 官方网址：https://numpy.org
- Numpy 中文文档：https://www.numpy.org.cn/
- Numpy 中的数据结构：ndarray（即 n-dimensional array，多维数组）
- ndarray 的关键属性有维度（ndim）、形状（shape）和数值类型（dtype）等
- ndarray 的切片
- ndarray 里的 broadcasting（广播机制）
- ndarray 线性代数与数理统计
argmax, argmin, argsort, corrcoef, dot, floor, inner, inv, lexsort, max, maximum, mean, median, min, minimum, nonzero, prod, re, round, sort, std, sum, trace, transpose, ...
第 2 部分 基于 Python 的数据分析基础（数据分析实训之 Numpy）
By He Wang
第 2 部分 基于 Python 的数据分析基础（数据分析实训之 Numpy）
引力波数据探索：编程与分析实战训练营。课程网址：https://github.com/iphysresearch/GWData-Bootcamp
