35个NumPy数据科学核心方法，从入门到精通

摘要：35个NumPy核心方法

NumPy是Python数据科学领域的核心库，本文介绍了35个核心方法，帮助读者快速掌握其功能。

导入库

在Python中使用NumPy前，需要先导入numpy库，并通常简称为np。同样，pandas库也常一并导入以处理数据。

NumPy数组创建方法

• 使用np.array()将Python列表转换成NumPy数组。
• 通过np.zeros()和np.ones()分别创建填充零或一的数组。
• 使用np.eye()创建单位矩阵。
• 用np.arange()和np.linspace()生成等间距数组。
• 通过np.random.randint()和np.random.random()生成随机整数或浮点样本数组。
• 使用np.array()或np.asarray()从Pandas Series生成数组。

NumPy数组操作方法

• 确定数组形状通过ndarray.shape或np.shape()。
• 用np.reshape()改变数组的形状。
• 通过np.transpose()或ndarray.T转置数组。
• 使用np.concatenate()连接数组。
• 对数组使用ndarray.flatten()展平。
• 用np.unique()确定数组中的唯一元素。
• 通过np.squeeze()移除长度为一的轴。
• 将数组转换为列表通过ndarry.tolist()。

NumPy数组上的数学运算

• 应用三角函数、舍入函数，以及计算指数和对数。
• 使用np.sum()求和，np.prod()求乘积。
• 通过np.sqrt()计算平方根。

矩阵和向量运算

• 用np.dot()计算点积，np.matmul()或@运算符计算矩阵乘积。
• 使用np.linalg.norm()找到向量范数。

排序方法

• 就地排序数组使用ndarray.sort()。
• 用np.argsort()返回排序后的索引顺序。

搜索方法

• 使用np.argmax()和np.argmin()找到最大或最小值的索引。
• 通过np.where()基于条件搜索并选择数组。

其它统计方法

• 用np.median()计算中位数。
• 通过np.std()计算标准差。

推荐书籍

《极速Python：高性能编码、计算与数据分析》介绍了Python高性能编程的工具和方法，特别是在大数据应用中的NumPy和Pandas。

精彩回顾

文章回顾了相关技术文章，包括GraphRAG、LlamaIndex与LangChain的比较、DuckDB和Polars等。