# 資料D6：NumPy 陣列的函式/方法

## 通用函數 Universal Function, ufunc

https://zhuanlan.zhihu.com/p/61303877

用於numpy向量化運算

統計型
搜尋排序型
形狀型

## 統計運算涵式

https://numpy.org/doc/stable/reference/routines.statistics.html

找出陣列的和/最小值/最大值
array.sum() 亦可寫np.sum(a)或sum(a)
array.min()
array.max()

np.nanmax()
np.nanmin() 跳過nan之後找出最大/最小值，可以指定要比較的axis，以及回傳值是否要保留維度

比較兩個陣列，找出對應元素的最小/最大值
numpy.fmax()
numpy.fmin()

percentile()　百分位數
nanpercentile()　忽略nan求百分位數
傳入純量或是陣列的值 (介於0-100 之間)，也可以指定要比較的軸，以及回傳值是否要保留維度

quantile()　分位數
nanquantile()　忽略nan求分位數
傳入純量或是陣列的值 (介於0-1之間)，也可以指定要比較的軸，以及回傳值是否要保留維度

mean() 平均值（若有nan則回傳nan）
nanmean() 忽略nan求平均值
平均值：average() 平均值，可輸入權重weights
可以指定要計算平均數的軸，以及回傳值是否要保留維度。dtype參數是計算使用的型別，若輸入陣列是整數的話，則會用 float64 型別計算，若輸入的是浮點數的話，則是依輸入陣列的型別做為 dtype。

median() 中位數（偶數個數則會將中間相加除以2）
nanmedian() 忽略nan求中位數
可以指定要計算中位數的軸，以及回傳值是否要保留維度。

std() 標準差
nanstd() 忽略nan求標準差
var() 變異數
nanvar()忽略nan求變異數
可以指定要計算的軸，以及回傳值是否要保留維度。若是對於精度可能造成的誤差影響，可以改變 dtype 提高精度。
如果要計算樣本標準差/變異數的話，可將 ddof (自由度) 參數傳入 1，在計算平均方差 (mean squared deviation) 時分母就會以 N - ddof 做計算。

corrcoef() 相關係數
參數 rowvar 預設值為 True，代表將每一個 row 當做是一筆變數。

correlate() 兩個一維array的互相關 (Cross-correlation)
參數mode表示回傳的序列形狀：
valid max(M, N)
full (N+M- 1,)
same max(M, N) - min(M, N) + 1

cov() 共變異數
參數：
m 一維或二維陣列
y 額外資料，形狀須與 m 相同
rowvar 每一個 row 當做是一筆變數，預設值為 True
bias 樣本共變異數的話設為 False（預設值），母體設為True
ddof 自由度，預設值為None
fweights 頻率加權，預設值為None
aweights 觀測向量加權，預設值為None

numpy.histogram(a, bins=10, range=None, normed=None, weights=None, density=None)　畫出直方圖
參數：
a 輸入陣列
bins bins的定義，可傳入純量、序列、或是不同的方法（例如：auto）
range bins的範圍，預設是 a.min() 與 a.max() 之間，或是依照傳入的範圍
weights 權重值，陣列形狀須與 a 相同
density False：回傳各bin的count；True：回傳各bins的probability density

### axis參數

axis=0代表最外面的軸，axis=1則往內一個
例如2維array，0代表列，1代表行




## 排序與搜尋

## sort

np.sort(array, axis=-1, kind=None, …) 將array排序並輸出，但array本身不會變，可用變數接
https://numpy.org/devdocs/reference/generated/numpy.sort.html#numpy.sort

array.sort(axis=-1, kind=None, …) 將array排序但不會輸出，array本身改變
https://numpy.org/devdocs/reference/generated/numpy.ndarray.sort.html#numpy.ndarray.sort

axis：預設-1(最後一軸)為排序方向
kind：有四種排序算法可以選（quicksort, mergesort, heapsort, stable），預設為 quicksort


** 以上若要得到索引排序則將sort改成argsort

## 搜尋

np.searchsorted(升冪array, 要放入的數或list) 輸出後者插入原array之後的索引位置，預設左邊數來第一個（若後者為array則為一個一個元素分別插入，回傳list）

np.argmax(array)
array.argmax 找出最大值的索引
np.argmin(array)
array.argmin 找出最小值的索引
參數axis預設為none，也可輸入表示各軸極值

where(a的條件式) 輸出a裡面符合條件的元素索引，若多維則索引依照各軸分開寫（tuple的形式將數個array包起來，例如[1,2,3],[4,5,6]代表[1,4][2,5][3,6]）
https://numpy.org/doc/stable/reference/generated/numpy.where.html

np.nonzero(array)
array.nonzero 找出非0的索引，呈現方式同where()

## 攤平重塑

array.flatten() 將array變成一維，並更動原值
array.ravel() 將array變成一維，不更動原值
預設皆以row的順序
https://numpy.org/doc/stable/reference/generated/numpy.ndarray.flatten.html
https://numpy.org/doc/stable/reference/generated/numpy.ravel.html

array.reshape(尺寸)　將array重塑但不更動原值（會輸出結果），形狀錯誤無法產出
array.resize(尺寸) 將array重塑且更動（不會輸出結果），形狀超過部分會補0
** 尺寸某些部分可用-1讓系統計算

## 合併

np.concatenate((array1,array2...), axis=0...) 將陣列合併，預設由axis=0的方向，其他方向個數須相同
https://numpy.org/doc/stable/reference/generated/numpy.concatenate.html

np.stack((array1,array2...), axis=0...) 維度多1的合併，陣列尺寸都要一樣
np.hstack((array1,array2...))　水平方向堆疊，維度不變
np.vstack((array1,array2...))　鉛直方向堆疊，維度不變
https://blog.csdn.net/csdn15698845876/article/details/73380803

## 切割

np.split((array1,array2...), 切割數或[切割區段]) 預設axis=0的方向切割
np.hsplit((array1,array2...), 切割數或[切割區段])　axis=1方向切割
np.vsplit((array1,array2...), 切割數或[切割區段])　axis=0方向切割

https://blog.csdn.net/miaoyanmm/article/details/80188994

###### tags: `資料科學馬拉松` `python`