Python 基本数据分析基础实战【第三方库扩展，数组，矩阵，广播，numpy】

• 第三方库扩展（以vs2017下安装pandas为例）
  Reference：https://blog.youkuaiyun.com/weixin_40184249/article/details/80720015
  工具—Python—Python 环境—在PowerShell 中打开

pip  install --index https://pypi.mirrors.ustc.edu.cn/simple/ pandas

• 第三方库：numpy
• 数组、矩阵、广播

import random as rd
import numpy as np
x = [1,2,3,4,5]
np.array(x)
print(x)
print(type(x))
y = 1,2,3,4,5
print(y)
print(type(y))
#np.array对于x的转换只是暂时的

#[1, 2, 3, 4, 5]
#<class 'list'>
#(1, 2, 3, 4, 5)
#<class 'tuple'>

print(np.array(x))

#[1 2 3 4 5]

print(np.logspace(0, 100, 10)) #对数数组

#[1.00000000e+000 1.29154967e+011 1.66810054e+022 2.15443469e+033
# 2.78255940e+044 3.59381366e+055 4.64158883e+066 5.99484250e+077
# 7.74263683e+088 1.00000000e+100]

print(np.zeros((3,3))) #生成全0二维数组

#[[0. 0. 0.]
# [0. 0. 0.]
# [0. 0. 0.]]

print(np.ones((3,3))) #生成全1二维数组

#[[1. 1. 1.]
# [1. 1. 1.]
# [1. 1. 1.]]

print(np.identity(3)) #生成大小为3的单位矩阵，感觉类似于tuple eye

#[[1. 0. 0.]
# [0. 1. 0.]
# [0. 0. 1.]]

print(np.empty((3,3))) #只申请空间，而不初始化

#[[1. 0. 0.]
# [0. 1. 0.]
# [0. 0. 1.]]

x = np.array((1, 2, 3, 4, 5))
print(type(x))

#<class 'numpy.ndarray'>

a = np.array((5, 6, 7))
b = np.array((6, 6, 6))
ab = np.dot(a,b) #点积
print(ab)

#108

#对数组可以进行函数运算

#对矩阵不同维度上的元素可以进行函数运算

a = np.arange(1, 11, 1) #定义一个初始元素为1，步长为1的数组
print(a)
#Answer：
#[ 1  2  3  4  5  6  7  8  9 10]

a.shape = 2, 5 #将这个数组转换为2*5的二维数组
print(a)
#Answer：
#[[ 1  2  3  4  5]
# [ 6  7  8  9 10]]

#广播机制：减少代码量

a = np.array([1,2,3]) 
ans = a + 100 #不需要再去开一个1*3的矩阵去实现
print(ans)
#[101 102 103]


#实现矩阵 matrix