Numpy模块的基础操作-学习笔记

weight = np.array([0.15, 0.2, 0.25, 0.4])   #直接输入数组
# 将列表转化为数组
weight_list = [0.15, -.2, 0.25, 0.4]
weight_array = np.array(weight_list)

# 列表转化为一维数组，reshape成4*5的数组
return_list = [0.003731, 0.021066, -0.004854, 0.006098, -0.00606, -0.001838, 0.001842, -0.016544, -0.003738, 0.003752, -0.003087, -0.000344, -0.033391, 0.007123, 0.004597, -0.024112, 0.011704, -0.029563, -0.01457, 0.016129]
return_array = np.array(return_list)
return_array = return_array.reshape(4,5)   #4行  5列
# 用ravel回到一维数组
return_array.ravel()

return_array.ndim   #查看数组维度
return_array.size   #查看数组的元素数量
return_array.dtype   #查看数组的元素类型

a = np.arange(0,10)
b = np.arange(0,100,3)   #0开始到100，每隔3取一个数

np.linspace(0,100,51)

np.zeros(4)  #一维 4个0
np.zeros((4,5))  # 4行 5列的0
zero_weight = np.zeros_like(weight_array)  #生成一个和目标一样维度，但数据都是0 的array
----------------------------
np.ones(5)
np.ones((5,6))
np.ones_like(return_array)

np.eye(5)  #数组就是二维的

return_array[1,2]  #找1行 2列的数据
np.where(return_array<-0.01)  #按照一定规则找值

return_array[2:, 1:4]  #第三行以后的数据，第二列到第三列。左闭右开
return_array[1]   # 第二行
return_array[:,2]  # 第三列

np.sort(return_array)  # 默认axis=1.一行从左到右，从小到大
np.sort(return_array, axis=0)  #从上往下，从小到大

return_array.sum(axis=1)  #按行求和，返回的也是数组
return_array.sum(axis=0)  #按列求和
return_array.sum()    #全部元素的和

return_array.prod(axis=1)  #求行乘积

return_array.min()  # 全部数据的最小值
return_array.max(axis=0)  # 按列求最大值

return_array.mean()  # 求全部元素平均值

return_array.var()  # 求方差
return_array.std()  # 求标准差

np.sqrt(return_array)  #每个元素的开方
np.square(return_array)  #每个元素的平方
np.exp(return_array)   #每个位置 = e的 该位置元素 的次方

np.log(return_array)  #每个元素计算自然对数
np.log10(return_array)  #每个元素以10为底的对数
np.log2(return_array)   #以2为底

return_array + one_return
# 一个数字与数组的运算
return_array + 10   #数组每个元素 + 10
return_array ** 2   #数组每个元素 平方

np.maximum(zero_return, return_array)   #保留大的元素
return_min = np.minimum(return_array, zero_return)

corrcof_return = np.corrcoef(return_array)   #求得相关系数矩阵

np.dot(weight_array, return_array)   #内积

import numpy.random as npr
# 从均值=1，标准差=2的正态分布中取随机数，取10000次。
# 把数形成一维array，赋值给x_norm
x_norm = npr.normal(loc=1, scale=2, size=10000)
# 标准正态分布取数，有三种方法
x_snorm1 = npr.randn(10000)
x_snorm2 = npr.standard_normal(size=10000)
x_snorm3 = npr.normal(loc=0, scale=1, size=10000)
# 对数服从均值=0.5，标准差=1的正态分布，取数10000次
x_logn= npr.lognormal(mean=0.5, sigma=1.0, size=10000)
# 从自由度=4的卡方分布中取数
x_chi1 = npr.chisquare(df=4, size=10000)