Python數(shù)據(jù)科學(xué)入門

Dmitry Zinoviev著
熊子源 譯

---

第5章 使用表格形式的數(shù)值數(shù)據(jù)

第22單元 轉(zhuǎn)置和重排

Reshape(d0,d1…) 可以改變現(xiàn)有數(shù)組的形狀，其參數(shù)定義了新的維度
屬性T的值就是數(shù)組的轉(zhuǎn)置視圖： array.T
Transpose() 根據(jù)多維數(shù)組的參數(shù)來(lái)排列多維數(shù)組的部分或所有軸

第23單元 索引和切片

數(shù)組能實(shí)現(xiàn)布爾索引： 可以使用布爾值數(shù)組作為索引，其結(jié)果是原始數(shù)組中布爾索引為True的項(xiàng)構(gòu)成的數(shù)組。通常，布爾數(shù)組是廣播的結(jié)果。布爾索引既可以在左側(cè)（用于匹配），也可以用于右側(cè)（用于選擇）。

布爾運(yùn)算：
關(guān)系運(yùn)算符（<,==）優(yōu)先級(jí)低于位運(yùn)算（&、！、|）

第24單元 廣播

**廣播：**數(shù)組上的矢量化操作
如果參與運(yùn)算的兩個(gè)數(shù)組維度相等或其中一個(gè)是標(biāo)量。就可以將運(yùn)算在兩個(gè)維度“廣播”。

在numpy和Python中星號(hào)運(yùn)算符（ * ）具有不同的含義：

Python	seq*5 將列表seq復(fù)制五次理解條件函數(shù)；
Numpy	seq*5 將數(shù)組seq中的每一個(gè)元素乘以5。

通用函數(shù)round()對(duì)矩陣元素執(zhí)行四舍五入操作。

第25單元 解密通用函數(shù)

Greater() 逐列比較數(shù)組的兩行數(shù)據(jù)，返回值為True\False

第26單元 理解條件函數(shù)

where(c,a,b) 是numpy風(fēng)格的if-else三元運(yùn)算符。它通過(guò)一個(gè)布爾數(shù)組（c）和兩個(gè)其他數(shù)組（a,b）得出數(shù)組d。數(shù)組d滿足：如果c[i]為真，則d[i]=a[i]，否則d[i]=b[i]。

第27單元 數(shù)組的聚合與排序

cumsum()	計(jì)算累積和
cumprod()	計(jì)算乘積量
sort()	將數(shù)組進(jìn)行排序

第28單元 將數(shù)組用作集合

unique(X)	返回X中所用唯一元素組成的數(shù)組。它是counter模塊的一個(gè)很好的替代品，但它并未真正計(jì)算數(shù)組中元素出現(xiàn)的次數(shù)。
in1d(needle,haystack)	返回一個(gè)布爾數(shù)組，如果needle的元素在haystack中，返回?cái)?shù)組的對(duì)應(yīng)位置元素為True。
union1d()	計(jì)算一維數(shù)組的并集
intersect1d()	計(jì)算一維數(shù)組的交集

第29單元 數(shù)組的保存和讀取

如果文件名以.gz結(jié)尾，numpy甚至可以自動(dòng)壓縮和解壓文件。你還可以設(shè)定numpy處理注釋行和分隔符的方式，并跳過(guò)不需要的行。

第30單元 生成合成正弦波

繪制正弦波：
創(chuàng)建一個(gè)連續(xù)整數(shù)數(shù)組，將他們轉(zhuǎn)化為浮點(diǎn)數(shù)，調(diào)整為正確的周期，取正弦，放大，置換，添加高斯噪聲，并模擬儀器測(cè)量得到的信號(hào)截?cái)嘈Ч?

            
              #導(dǎo)入所有優(yōu)質(zhì)的模塊
import numpy as np
import matplotlib.pyplot as plt
import matplotlib

#定叉了信號(hào)、噪聲和“儀器”屬性的常量
SIG_AMPLITUDE = 10; SIG_OFFSET = 2; SIG_PERIOD = 100
NOISE_AMPLITUDE = 3
N_SAMPLES= 5 * SIG_PERIOD
INSTRUMENT_RANGE = 9

#創(chuàng)建一個(gè)正弦波，并加入隨機(jī)噪聲
times = np.arange(N_SAMPLES).astype( float)
signal = SIG_AMPLITUDE*np.sin(2 * np.pi * times / SIG_PERIOD) + SIG_OFFSET
noise = NOISE_AMPLITUDE * np.random.normal(size=N_SAMPLES)
signal += noise

#將儀器測(cè)量范用之外的峰佔(zhàn)戒斷
signal[signal > INSTRUMENT_RANGE] = INSTRUMENT_RANGE
signal[signal< -INSTRUMENT_RANGE] = -INSTRUMENT_RANGE

#繪制結(jié)果
matplotlib.style.use("ggplot")
plt.plot(times, signal)
plt.title("Synthetic sine wave signal")
plt.xlabel("Time")
plt.ylabel("Signal +noise" )
plt.ylim(ymin = -SIG_AMPLITUDE, ymax = SIG_AMPLITUDE)
plt.show()

            
          

---

（ "Love all, trust a few, do wrong to none. 博愛(ài)、寡言、不負(fù)人"--梁靜茹 ）