numpy

一、什么是维度

需要几个维度描述一个空间

一维（x）

二维（x,y）

三维(x,y,z)

1.1 创建NumPy数组的多种方式

创建NumPy数组的多种方式
array: 将输入数据转换为ndarray,.推断dtype或显示指定
arange：类似内置函数range返回ndarray
zeros: 创建全0数组，可指定形状和dtype
ones: 创建全1数组，可指定形状和dtype
empty: 创建新数组，只分配内存空间、不填充任何值

# one,empty zeros
np.ones((2,5))
np.empty((1,2,3))
np.zeros(10)

 

 

 

1.2 转换NumPy数组的数据类型

• dtype ：显示指定
• astype: 转换

# 创建数据类型浮点型
d3 = np.array([1,2,3,4,5],dtype=np.float64)
print(d3.dtype)  # 识别数据类型

# 对ndarray进行类型转换
d4 = d3.astype(np.float64)
print(d4)

1.3  Numpy索引和切片

# 切片和索引
# 一维数组索引
d4 = np.array([1,2,3,4,5])
print(d4[3])
# 二维数组索引
d5 = np.arange(10).reshape(2,5)
print(d5[0,3])
# 三维数组索引
d6 = np.arange(30).reshape(2,3,5)
print(d6)
print(d6[0,1,1])  # 取6

# 二维数组切片
d7 = np.array([[1,2,3,4,5],[6,7,8,9,10]])
print(d7[0:1,:])  # 行参数 列参数  取第一行

# 三维数组切片
print(d6[0:1,2:,:])  # [[10 11 12 13 14]]

 1.4 Numpy运算

1.4.4 算数运算

• add 加
• subtract 减
• multiply 乘
• divide 除
• 三角函数 : sin、cos、tan
• 算数运算

# 算数运算
a = np.random.random(10000)*10
b = np.random.random(10000)*10
# 既可以使用运算符，也可以使用np算数函数
print(a+b)
print(np.add(a,b))
# print(np.subtract(a-b)) # 减
print(np.multiply(a,b)) # 乘
print(np.divmod(a,b))  # 除

1.4.2 统计运算

• mean均值
• average 均值
• var 方差
• std 标准差

# 统计函数
c = np.array([1,2,3,4,5])
print(c.mean())  # 计算均值
print(np.average(c))  #

# 方差 数据样本数的离散程度
print(np.var(c))

# 标准差
print(np.std(c))

1.4.3 聚合运算

• sum 累加
• prod  累乘
• max 最大值
• min 最小值
• 统计运算

# 聚合函数
d = np.array([1,2,3,4,5])
print(np.prod(d))  # 累乘
print(np.max(d))  # 最大值

1.4.4 筛选与排序

• where 函数
• sort 函数

# 筛选和排序
e = np.array([1,2,3,4,5,6])
print(np.where(e>3))   # 返回的是索引

f = np.array([3,4,5,8,4,3])
print(np.sort(f))

 1.5 Numpy矩阵运算

什么是矩阵

按照长方阵列排列（m行*n列）的数值集合

矩阵A： [200,300,400,500]

矩阵B：[6,9,3,1]    

矩阵的运算规则

加法、减法、数乘运算

矩阵乘法

# 矩阵运算
g = np.arange(15).reshape(3,5)
h = np.arange(15,30).reshape(3,5)
i = np.array([9,8,7,6])
print(g+h)
# 数乘
print(3 * g)

# 转置
h = h.T
# 矩阵乘法
print(np.dot(g,h))