numpy简易教程

Numpy是Python处理数据的一个科学计算库，这里的代码我都是在anaconda的Jupyter Notebook上运行的，这是个交互式平台可以立马看到结果（很方便），当然也可以在pycharm上运行，如果没有安装运行的环境的可以参考以下博文
http://blog.youkuaiyun.com/a_hui_tai_lang/article/details/78689559
废话少说，一切尽在代码之中
代码已经上传到我的GitHub，https://github.com/LoyalWilliams/machinelearning

# coding: utf-8

# In[3]:
import numpy
# In[4]:
#用numpy读取文件，按逗号分隔
world_alcohol=numpy.genfromtxt("t.txt",delimiter=",",dtype=str)
print(type(world_alcohol))
"""
结果：
<class 'numpy.ndarray'>
"""
# In[5]:
world_alcohol
# In[6]:
# 可以查看帮助文档
print (help(numpy.genfromtxt))

# In[7]:
# 生成一个一维向量
vector=numpy.array([5,10,15,20])
"""
结果：
[ 5 10 15 20]
"""

# In[8]:
# 生成一个二维矩阵
matrix=numpy.array([[5,10,15],[20,25 ,30],[35,40,45]])
"""
结果：
[[ 5 10 15]
 [20 25 30]
 [35 40 45]]
"""

# In[9]:
print(vector)

# In[10]:
print(matrix)

# In[11]:
# shap函数：维度
print(vector.shape)
"""
结果：
(4,)
表示1*4或4*1的向量
"""


# In[12]:
print(matrix.shape)
"""
结果：
(3,3)
表示3*3的矩阵
"""

# In[13]:
# 注意以下的数据会发生类型的自动转换
numbers=numpy.array(['1',2,3,4])
# In[14]:
print(numbers)
numbers.dtype
"""
['1' '2' '3' '4']
dtype('<U1')
"""

# In[15]:
world_alcohol

# In[16]:
# 使用切片取数据，取第二列的数据
print(matrix[:,1])
"""
结果：
[10 25 40]
"""

# In[17]:
matrix
"""
array([[ 5, 10, 15],
       [20, 25, 30],
       [35, 40, 45]])
"""
# In[18]:
# 取第二三行，一二列的数据
print(matrix[1:3,0:2])
"""
[[20 25]
 [35 40]]
"""

# In[19]:
vector
"""
array([ 5, 10, 15, 20])
"""

# In[20]:
# 查看是否含有数值10，结果为一个布尔值的矩阵
vector==10
"""
array([False,  True, False, False], dtype=bool)
"""

# In[21]:
a=vector==10
# In[22]:
a
# In[23]:
vector
"""
array([ 5, 10, 15, 20])
"""

# In[24]:
# 查看向量中是否含有5或10
equal_to_ten_or_five=(vector==10)|(vector==5)
print(equal_to_ten_or_five)
"""
[ True  True False False]
"""

# In[25]:
# 把等于5或者10的数据重新赋值为50
vector[equal_to_ten_or_five]=50

# In[45]:
vector
"""
array([50, 50, 15, 20])
"""
# In[46]:
print(vector)
"""
[50, 50, 15, 20]
"""

# In[47]:
matrix
"""
array([[ 5, 10, 15],
       [20, 25, 30],
       [35, 40, 45]])
"""

# In[48]:
# 对矩阵也是类似的操作
second_column_25=matrix[:,1]==25

# In[49]:
second_column_25

# In[50]:
# 把第二列等于25的数据赋值为10
matrix[second_column_25,1]=10

# In[51]:
print(matrix)
"""
[[ 5 10 15]
 [20 10 30]
 [35 40 45]]
"""

# In[52]:
vector=numpy.array(["1","2","3"])

# In[53]:
print(vector.dtype)
"""
<U1
"""

# In[54]:
print(vector)
"""
['1' '2' '3']
"""

# In[55]:
# 类型转换
vector=vector.astype(float)

# In[56]:
print(vector)
"""
[ 1.  2.  3.]
"""

# In[57]:
print(vector.dtype)
"""
float64
"""

#一些常用的数学函数，最大值、最小值、平均值
# In[58]:
# 最小值
vector.min()
"""
1.0
"""

# In[59]:
# 最大值
vector.max()
"""
3.0
"""

# In[60]:
# 平均值
vector.mean()
"""
2.0
"""

# In[61]:
matrix=numpy.array([
    [5,10,15],
    [20,25,30],
    [35,40,45]
])


# In[62]:
# axis=1表示对行操作，axis=0表示对列操作
# 对每一列求和
matrix.sum(axis=1)
"""
array([ 30,  75, 120])
"""

# In[63]:
# 对每一行求和
matrix.sum(axis=0)
"""
array([60, 75, 90])
"""

# In[64]:
# 自动生成向量函数
numpy.arange(15)
"""
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])
"""

# In[67]:
range(15)==numpy.arange(15)
"""
Python自带的函数和numpy的函数对比
array([ True,  True,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True,  True,  True,  True], dtype=bool)
"""

# In[68]:
print(numpy.arange(15))
"""
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]
"""

# In[69]:
a=numpy.arange(15)

# In[72]:
# 改变矩阵的维度
a=a.reshape(3,5)


# In[73]:
a.shape


# In[74]:
a.dtype.name
"""
'int32'
"""

# In[75]:
# 查看矩阵a的维度
a.ndim
"""
2
"""

# In[76]:
a.size
"""
15
"""

# In[77]:
# 生成0矩阵
numpy.zeros((3,4))

# In[78]:
numpy.zeros((3,4)).ndim
"""
2
"""

# In[79]:
numpy.ones((2,3,4))
"""
array([[[ 1.,  1.,  1.,  1.],
        [ 1.,  1.,  1.,  1.],
        [ 1.,  1.,  1.,  1.]],

       [[ 1.,  1.,  1.,  1.],
        [ 1.,  1.,  1.,  1.],
        [ 1.,  1.,  1.,  1.]]])
"""

# In[80]:
# 10到30，步长为5的数据
numpy.arange(10,30,5)
"""
array([10, 15, 20, 25])
"""

# In[81]:
a=numpy.arange(12)


# In[82]:
# 改变矩阵的维度
a.reshape(4,3)

# In[83]:
# 随机函数
numpy.random.random((2,3))

# In[84]:
from numpy import pi

# In[85]:
# 0到2*pi,平均成100份的数据
numpy.linspace(0,2*pi,100)

# In[86]:
numpy.linspace(0,2*pi,10)


# In[87]:
a=numpy.array([20,30,40,50])


# In[88]:
b=numpy.arange(4)


# In[89]:
print(a)
"""
[20 30 40 50]
"""

# In[90]:
print(b)
"""
[0 1 2 3]
"""

# In[91]:
c=range(4)

# 矩阵/向量的加减乘除
# In[92]:
a-b
"""
array([20, 29, 38, 47])
"""

# In[93]:
a-c
"""
array([20, 29, 38, 47])
"""

# In[94]:
a+c
"""
array([20, 31, 42, 53])
"""

# In[95]:
# 对应位置相乘
a*c
"""
array([  0,  30,  80, 150])
"""

# In[97]:
a.size

# In[98]:
a

# In[99]:
# 每个数据平方
a**2
"""
array([ 400,  900, 1600, 2500], dtype=int32)
"""

# In[100]:
# 每个数据立方
a**3
"""
array([  8000,  27000,  64000, 125000], dtype=int32)
"""

# In[101]:
a=numpy.floor(10*numpy.random.random((3,4)))


# In[102]:


print(a)


# In[104]:
# 把数据平摊的一维向量
print(a.ravel())
"""
[ 5.  2.  0.  5.  7.  6.  4.  3.  6.  1.  2.  4.]
"""

# In[105]:
a

# In[106]:
a.T

# In[111]:
# 注意shape和reshape的区别
a.shape=(1,12)

# In[112]:
a
"""
array([[ 5.,  2.,  0.,  5.,  7.,  6.,  4.,  3.,  6.,  1.,  2.,  4.]])
"""

# In[113]:
a.shape=(6,2)
# In[114]:
a
"""
array([[ 5.,  2.],
       [ 0.,  5.],
       [ 7.,  6.],
       [ 4.,  3.],
       [ 6.,  1.],
       [ 2.,  4.]])
"""

# In[118]:
# -1表示自己不写列数，让计算机自动识别列数
a.reshape(2,-1)
"""
array([[ 5.,  2.,  0.,  5.,  7.,  6.],
       [ 4.,  3.,  6.,  1.,  2.,  4.]])
"""

# In[119]:
a
"""
array([[ 5.,  2.],
       [ 0.,  5.],
       [ 7.,  6.],
       [ 4.,  3.],
       [ 6.,  1.],
       [ 2.,  4.]])
"""

# In[122]:
# 矩阵切分vstack和hstack函数
numpy.vstack((a,a))

# In[123]:
a=numpy.floor(10*numpy.random.random((2,12)))

# In[124]:
print(a)

# In[125]:
print(numpy.hsplit(a,3))


# In[126]:
a

# In[128]:
print(numpy.hsplit(a,(3,4)))

# In[129]:
b=a

# In[130]:
print(a is b)
"""
True
"""

# In[133]:
b=a.view()


# In[134]:


print(a is b)


# In[135]:
import numpy as np

# In[140]:


#求矩阵的每列的最大值
data=np.sin(np.arange(20).reshape(5,4))

# In[141]:
print (data)

# In[142]:
# 返回每列最大值所在的索引
ind=data.argmax(axis=0)


# In[143]:
print(ind)


# In[144]:
data_max=data[ind,range(data.shape[1])]
print(data_max)


# In[146]:
# tile函数
a=np.arange(0,40,10)
print(a)
b=np.tile(a,(4,3))
print(b)
"""
[ 0 10 20 30]
[[ 0 10 20 30  0 10 20 30  0 10 20 30]
 [ 0 10 20 30  0 10 20 30  0 10 20 30]
 [ 0 10 20 30  0 10 20 30  0 10 20 30]
 [ 0 10 20 30  0 10 20 30  0 10 20 30]]
"""

# In[147]:
a=np.array([[4,3,5],[1,2,1]])
print(a)


# In[148]:
# 排序，每行数据从小到大排
b=np.sort(a,axis=1)
print(b)
"""
[[4 3 5]
 [1 2 1]]
"""

# In[149]:
a.sort(axis=1)
print(a)
"""
[[4 3 5]
 [1 2 1]]
"""

# In[150]:
a=np.array([4,3,1,2])
j=np.argsort(a)
print(j)
print("------")
print(a[j])
"""
[2 3 1 0]
------
[1 2 3 4]
"""

我的GitHub
QQ：2541692705
邮箱：loyalwilliams@163.com
微信扫一扫关注我，没事可以玩玩小游戏



我想去流浪，我想去读书，若有机会，江湖再见
扫一扫，领取红包，就当奖励你我付出的努力