前言：本文是学习网易微专业的《python全栈工程师》 中的《数据分析 - 机器学习工程师》专题的课程笔记，欢迎学习交流。一、课程目标
- 掌握数组间的运算
- 掌握数组的通用函数
import numpy asnp
a = np.arange(0, 10).reshape(2, 5)
a*3
a+3
a-3
a/3
运行结果：
文章图片
文章图片
2.数组间的运算：两个数组必须形状一样
b = a + 10
a.shape, b.shape
a + b
a - b
a / b
【Python全栈工程师学习笔记|Python数据分析 - 机器学习笔记（第一章数据分析 - 1.2.3.运算和通过函数）】运行结果：
文章图片
文章图片
文章图片
3.通过广播机制的运算：数组形状可以不同，但必须有一个轴的元素个数相同
m = np.arange(5)
a + m
文章图片
n = np.arange(1, 3).reshape(-1, 1)
a + n
a + np.array([1])
运行结果：
文章图片
文章图片
2.1.2.通过函数 1.内置函数：
一元函数：
| 函数 | 说明 |
|---|---|
| np.sin，np.cos，np.tan | 三角函数 |
| np.arcsin，np.arccos，np.arctan | 反三角函数 |
| np.sinh，np.cosh，np.tanh | 双曲三角函数 |
| np.arcsinh，np.arccosh，np.arctanh | 反双曲三角函数 |
| np.sqrt | 求平方根 |
| np.exp | 计算自然指数 |
| np.log，np.log2，np.log10 | 计算对数（依次是以e、2、10为底） |
alpha = np.linspace(-1, 1, 11)
y = np.sin(np.pi * alpha)
np.round(y, decimals=3)
运行结果：
文章图片
二元函数：
| 函数 | 说明 |
|---|---|
| np.add，np.subtract，np.multiply，np.divide | 算数运算函数 |
| np.equal，np.not_equal，np.less，np.less_equal，np.greater，np.greater_equal | 比较运算函数 |
| np.power | 指数运算 |
| np.remainder | 得到余数 |
| np.reciprocal | 返回倒数（不要使用整数型） |
| np.real，np.imag，np.conj | 复数的实部、虚部和完整的复数 |
| np.sign、np.abs | 得到对象符号和绝对值 |
| np.floor、np.ceil、np.rint | 效果都是取整 |
| np.round | 四舍五入 |
np.add(np.power(np.sin(alpa), 2), np.power(np.cos(alpha), 2))
运行结果：
文章图片
示例二：
a = np.arange(10.0, 100.0, 2)
b = np.logspace(2, 4, a.shape[0])
m = np.empty_like(a)
np.remainder(b, a, out=m)# 将运算结果，即余数保存到m中
运行结果：
文章图片
2.1.3.自定义通过函数
python里自定义函数是如下这样的：# 自定义bmi函数
def bmi(height, weight):
bmi_index = weight / height ** 2
if bmi_index > 18 and bmi_index < 25:
return 0
elif bmi_index <= 18:
return -1
else:
return 1
bmi(1.55, 45)# 调用函数
使用
numpy来自定义通过函数是如下这样的：# 创建身高数组
h = (2.2 - 1.4) * np.random.random_sample((10, )) + 1.4
h = np.round(h, 2)
运行结果：
文章图片
# 体重的数组
w = (96 - 30) * np.random.random_sample((10, )) + 30
w = np.round(w, 2)
运行结果：
文章图片
在
python中自定义的函数，不能直接拿来在numpy中调用，下面的调用会报错：bmi(h, w)
运行结果；
文章图片
正确的使用方法是下面这样的：
# 这里的2表示有两个参数，1表示有一个返回值
bmi_ufunc = np.frompyfunc(bmi, 2, 1)
bmi_ufunc(h, w)
运行结果：
文章图片
创建通过函数的另一个方法：
bmi_ufunc2 = np.vecotrize(bmi, otypes=[np.float])
bmi_ufunc2(h, w)
运行结果：
文章图片
注意：在进行数据分析时，最好不要用
for循环语句，因为数据量一般较大，容易内存溢出。三、课程小结
- 01 运算
- 02 通用函数
推荐阅读
- Python专栏|数据分析的常规流程
- 学生作品|tina - 鸢尾花预测
- 大数据|【新书速递】流量运营教科书
- R语言从入门到机器学习|R语言rename重命名dataframe的列名实战:rename重命名dataframe的列名（写错的列名不会被重命名）
- Pyecharts|Pyecharts 猎聘招聘数据可视化
- python|上瘾了，最近又给公司撸了一个可视化大屏(附源码)
- python|深度盘点（一文详解数据分析中100个常用指标和术语）
- #|学习笔记 | Ch05 Pandas数据清洗 —— 缺失值、重复值、异常值
- python|requests库请求获取不到数据怎么办（不妨试试看这种妙法）
- 亿信华辰:怎样去断定一份数据的质量高低（数据质量如何评估？）