一、創(chuàng)建數(shù)組

1、0和1的數(shù)組

• empty(shape[, dtype, order])
• empty_like(a[, dtype, order, subok])
• eye(N[, M, k, dtype, order])
• identity(n[, dtype])
• ones(shape[, dtype, order])
• ones_like(a[, dtype, order, subok])
• zeros(shape[, dtype, order])
• zeros_like(a[, dtype, order, subok])
• full(shape, fill_value[, dtype, order])
• full_like(a, fill_value[, dtype, order, subok])

>>> zero = np.zeros([3, 4])array([[ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.]])

2、從現(xiàn)有的數(shù)據(jù)中創(chuàng)建

• array(object[, dtype, copy, order, subok, ndmin])
• asarray(a[, dtype, order])
• asanyarray(a[, dtype, order])
• ascontiguousarray(a[, dtype])
• asmatrix(data[, dtype])
• copy(a[, order])

a = np.array([[1,2,3],[4,5,6]])# 從現(xiàn)有的數(shù)組當(dāng)中創(chuàng)建a1 = np.array(a)# 相當(dāng)于索引的形式，并沒有真正的創(chuàng)建一個(gè)新的a2 = np.asarray(a)

2.1、關(guān)于array和asarray的不同

?

3、創(chuàng)建固定范圍的數(shù)組

• np.linspace (start, stop, num, endpoint, retstep, dtype)

生成等間隔的序列

start 序列的起始值stop 序列的終止值，如果endpoint為true，該值包含于序列中num 要生成的等間隔樣例數(shù)量，默認(rèn)為50endpoint 序列中是否包含stop值，默認(rèn)為tureretstep 如果為true，返回樣例，以及連續(xù)數(shù)字之間的步長dtype 輸出ndarray的數(shù)據(jù)類型# 生成等間隔的數(shù)組np.linspace(0, 100, 10)

• 其它的還有numpy.arange(start,stop, step, dtype)numpy.logspace(start,stop, num, endpoint, base, dtype)

np.arange(10, 50, 2)

3、創(chuàng)建隨機(jī)數(shù)組

• np.random模塊均勻分布np.random.rand(10)np.random.uniform(0,100)np.random.randint(100)正態(tài)分布？給定均值／標(biāo)準(zhǔn)差／維度的正態(tài)分布np.random.normal(1.75, 0.2, (3,4))np.random.standard_normal(size=(3,4))

# 創(chuàng)建均勻分布的數(shù)組# 0~1np.random.rand(10)# 默認(rèn)范圍一個(gè)數(shù)np.random.uniform(0, 100)# 隨機(jī)整數(shù)np.random.randint(10)np.random.normal(1.75, 0.1, (10, 10))

二、正態(tài)分布(理解)

1、什么是正態(tài)分布

正態(tài)分布是一種概率分布。正態(tài)分布是具有兩個(gè)參數(shù)μ和σ的連續(xù)型隨機(jī)變量的分布，第一參數(shù)μ是服從正態(tài)分布的隨機(jī)變量的均值，第二個(gè)參數(shù)σ是此隨機(jī)變量的方差，所以正態(tài)分布記作N(μ，σ )。

?

2、正態(tài)分布的應(yīng)用

生活、生產(chǎn)與科學(xué)實(shí)驗(yàn)中很多隨機(jī)變量的概率分布都可以近似地用正態(tài)分布來描述。

3、正態(tài)分布特點(diǎn)

μ決定了其位置，其標(biāo)準(zhǔn)差σ。決定了分布的幅度。當(dāng)μ = 0,σ = 1時(shí)的正態(tài)分布是標(biāo)準(zhǔn)正態(tài)分布。

?標(biāo)準(zhǔn)差如何來？

3.1方差

是在概率論和統(tǒng)計(jì)方差衡量一組數(shù)據(jù)時(shí)離散程度的度量

?其中M為平均值，n為數(shù)據(jù)總個(gè)數(shù)，S為標(biāo)準(zhǔn)差，S^2可以理解一個(gè)整體為方差

?

標(biāo)準(zhǔn)差與方差的意義

可以理解成數(shù)據(jù)的一個(gè)離散程度的衡量

?

• 有了方差為什么需要標(biāo)準(zhǔn)差去衡量？

例如：我們可以模擬生成一組股票的漲跌幅的數(shù)據(jù)

三、案例：隨機(jī)生成500個(gè)股票兩年的交易日漲幅數(shù)據(jù)

500只股票，兩年(504天)的漲跌幅數(shù)據(jù)，如何獲取？

• 兩年的交易日數(shù)量為：2 X 252 = 504
• 隨機(jī)生成漲跌幅在某個(gè)正態(tài)分布內(nèi)，比如均值0，方差1

1、股票漲跌幅數(shù)據(jù)的創(chuàng)建

# 創(chuàng)建一個(gè)符合正太分布的500個(gè)股票504天的漲跌幅數(shù)據(jù)stock_day_rise = np.random.normal(0, 1, (500, 504))stock_day_rise.shape

2、數(shù)組的索引

• 獲取第一個(gè)股票的前100個(gè)交易日的漲跌幅數(shù)據(jù)

# 二維的數(shù)組，兩個(gè)維度 stock_day_rise[0, 0:10]

一維、二維、三維的數(shù)組如何索引？

# 三維，一維a1 = np.array([ [[1,2,3],[4,5,6]], [[12,3,34],[5,6,7]]])a1[0, 0, 1]

3、數(shù)組形狀與類型變化

3.1修改形狀

讓剛才的股票行、日期列反過來，變成日期行，股票列

• ndarray.reshape(shape[, order]) Returns an array containing the same data with a new shape.

# 在轉(zhuǎn)換形狀的時(shí)候，一定要注意數(shù)組的元素匹配stock_day_rise.reshape([504, 500])

• ndarray.resize(new_shape[, refcheck]) Change shape and size of array in-place.

stock_day_rise.resize([504,500])

• ndarray.flatten([order]) Return a copy of the array collapsed into one dimension.

stock_day_rise.flatten()

3.2修改類型

• ndarray.astype(type)

stock_day_rise.reshape([504, 500]).astype(np.int32)

3.3修改小數(shù)位數(shù)

• ndarray.round(arr, out) Return a with each element rounded to the given number of decimals.

np.round(stock_day_rise[:2, :20], 4)

4、數(shù)組轉(zhuǎn)換

• ndarray.T 數(shù)組的轉(zhuǎn)置將數(shù)組的行、列進(jìn)行互換

stock_day_rise.shape(500, 504)stock_day_rise.T.shape(504, 500)

• ndarray.tostring([order])或者ndarray.tobytes([order]) Construct Python bytes containing the raw data bytes in the array.轉(zhuǎn)換成bytes

arr = np.array([ [[1,2,3],[4,5,6]], [[12,3,34],[5,6,7]]])arr.tostring()

如果遇到：

IOPub data rate exceeded. The notebook server will temporarily stop sending output to the client in order to avoid crashing it. To change this limit, set the config variable `--NotebookApp.iopub_data_rate_limit`.

這個(gè)問題是在jupyer當(dāng)中對(duì)輸出的字節(jié)數(shù)有限制，需要去修改配置文件

創(chuàng)建配置文件

jupyter notebook --generate-configvi ~/.jupyter/jupyter_notebook_config.py

取消注釋,多增加

## (bytes/sec) Maximum rate at which messages can be sent on iopub before they# are limited.c.NotebookApp.iopub_data_rate_limit = 10000000

但是不建議這樣去修改，jupyter輸出太大會(huì)崩潰

• ndarray.copy([order]) Return a copy of the array.

# 先從兩年stock_day_rise拷貝一些數(shù)據(jù)temp = stock_day_rise[:4, :4].copy()

當(dāng)我們不想修改某個(gè)股票數(shù)據(jù)的時(shí)候，就可以去進(jìn)行拷貝操作。在拷貝的數(shù)據(jù)上進(jìn)行操作

總結(jié)

以上是生活随笔為你收集整理的numpy均匀分布_Numpy的基本操作的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。