20210211 -
引言
之前的时候，一些关于numpy的内容都记录在另一篇文章中《pandas及numpy - 常用操作》，里面大部分都是pandas的操作，但是最近使用numpy比较多了之后，也积累了一些内容，所以这里专门记录一下。
内容列表
- 拼接空数组
- 距离的计算
- 向量的重复生成
- 数组逆序
- 比较两个浮点数组是否相等
- 输出时指定浮点数小数点位数
- 随机采样（获取索引）
1. 拼接空数组
最近的实验中，需要按照列来拼接相应的结果，但是一开始需要一个空数组来指定，代码逻辑就是创建一个空数组，然后在训练中，按照列来拼接，使用的函数就是np.hstack。
但是一开始的时候需要创建数组，创建数组的时候，需要注意，一开始我的代码如下：
import numpy as np
tmp_array = np.array([[]])
for i in loop:
tmp_array = np.hstack((tmp_array, xxx[:,i]))
但是这样会提示维度错误。根据[1]中的方法，应该先对这个空数组进行变形，保证维度对应；其提供了两种方法，一种是知道维度，一种是不知道维度。具体代码如下：
1）知道维度：
>>> xs = np.array([[1,2,3,4,5],[10,20,30,40,50]])
>>> ys = np.array([], dtype=np.int64).reshape(0,5)
>>> ys
array([], shape=(0, 5), dtype=int64)
>>> np.vstack([ys, xs])
array([[ 1., 2., 3., 4., 5.],
[ 10., 20., 30., 40., 50.]])
2）不知道维度
>>> ys = np.array([])
>>> ys = np.vstack([ys, xs]) if ys.size else xs
array([[ 1, 2, 3, 4, 5],
[10, 20, 30, 40, 50]])
我的实验中知道数据的维度，使用了第一种方法，第二种方法没有测试。不过，上述代码是为了执行行的拼接，在调整维度的时候需要改变。
2. 距离的计算（向量与矩阵）
正常情况下，如果是按照欧氏距离来进行计算，可以使用自己实现的函数，但实际上已经有现成的库函数来帮助实现，scipy.spatial.distance，在这个库中，有很多函数帮助实现距离计算：
euclidean() #欧式距离
cosine() #cosine距离
但是上述两个函数都是计算连个一维向量的，如果是比较多维向量和一维向量怎么办，也就是将一个一维向量和矩阵中的每个维度有进行比较。如果是自己实现的话，也可以，当然也可以进行一些向量计算的方式。但是这种方式也是有库的，那就是使用scipy.spatial.distance.cdist。
使用这种方法的时候，要注意距离类型，以及矩阵和向量的维度，保证维度的统一是关键。在官方文档的示例中：
a = np.array([[0, 0, 0],
[0, 0, 1],
[0, 1, 0],
[0, 1, 1],
[1, 0, 0],
[1, 0, 1],
[1, 1, 0],
[1, 1, 1]])
b = np.array([[ 0.1, 0.2, 0.4]])
distance.cdist(a, b, 'cityblock')
3. 向量的重复生成
一般来说，numpy进行操作的时候，向量的操作也会广播到矩阵上，一般不用使用重复的方法。不过，我这里的需求本质上，是为了生成一个初始化数组，后续会对初始化数组进行完整的操作。
那么这里有两种方法，分别是np.repeat和np.tile，在[2]中后面的回答中，好像是说repeat性能更好。这里的一个需求是，重复行，下面代码展示如何重复10次。
a = np.repeat(np.arange(10).reshape(1,-1), [10], axis = 0)
a
array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])
4. 多维数组逆序
一般进行按照数字大小进行排序的话，可以使用np.sort，如果要逆序的话，可以利用索引方式[::-1]。但是当多维数组的时候，应该怎么办，采用的方法也比较简单，只需要前面添加索引即可[3]：
b = a[:,:,::-1]
5. 比较两个浮点数组是否相等
两个浮点数组，以下为了方便，假设为一维的浮点数组，为了比较两个数组是否完全一致，可以用一下代码：
import numpy
print(numpy.all(x_a == x_b))
但是如果两个数组不是同一种计算方式产生的，哪怕虽然都是浮点数组，他们的小数点很多位之后的不一样，会导致结果为否。这种其实是因为在存储浮点数的时候，不同的计算方式所导致，本质上他们已经非常接近，只不过在内存中有所差距。
这种情况的话，就不能使用这种方法直接比较，而是应该判断是否在一定范围内是否接近。
在文章[4]中对这部分进行了解释，但是这种是针对普通浮点数进行比较的，那么如果是数组的话，可以使用一下代码：
def float_is_close(x_a, x_b, allow_error = 1e-5):
res = np.abs(x_a - x_b)
return np.all(res < allow_error)
6. 输出时指定浮点数小数点位数
在研究前面的内容时，就涉及到具体打印输出来查看结果，而正常情况下，并没有那么多小数点后位数可以查看。在文章[5]中就介绍了这部分的相关代码，具体是通过numpy的行为来控制。
import numpy as np
aa=np.random.rand(2,3)
print(aa)
np.set_printoptions(precision=4)
print(aa)
7. 随机采样数据（获取索引）
有时候要对数据进行采样，平时都是使用pandas的sample方法，直接对DF进行采样，对于标签也在整个数据里面的情况是比较方便的。但是有时候，可能需要处理numpy的情况，特别是将标签和特征分开了，那么就需要在采样的时候获取索引，这样才能保证两个数组采样的结果是一致的。搜索一下找到了解决方案，通过将整个索引来传递到函数中，这样就能获得索引。
number_of_rows = an_array.shape[0]
random_indices = np.random.choice(number_of_rows, size=2, replace=False)
这种方式。
参考
[1]Concatenating empty array in Numpy
[2]“Cloning” row or column vectors
[3]numpy reverse multidimensional array
[4]在python中如何比较两个float类型的数据是否相等
[5]numpy.ndarray类型的数组元素输出时，保留小数点后4位
