python第三章 05_2.numpy的操作

numpy的操作

import numpy as np

vector = np.array([5, 10, 15, 20])

vector

array([ 5, 10, 15, 20])

类型及转换

数据格式汇总及type, astype, dtype区别

https://blog.youkuaiyun.com/sinat_36458870/article/details/78946053

查看数据类型 df.dtype

vector.dtype

dtype('int32')

转换数据类型 df.astype(‘int’)

 数据列作为整数,astype

vector.astype('float')

array([  5.,  10.,  15.,  20.])

# 所有元素求和
vector.sum()

50

matrix = np.array([
                [5, 10, 15], 
                [20, 25, 30],
                [35, 40, 45]
             ])
matrix.sum(axis=1)

array([ 30,  75, 120])

dy.type和 dy.astype的区别

a.dtype = 'float32’当64–32 的时候shape会翻倍[维度翻倍]

numpy读取数据作为numpy的数组，默认的dtype是float64，因此使用astype函数

来源：
https://blog.youkuaiyun.com/sinat_36458870/article/details/78946053

数据变换

向下取整 int()

int(3.14)

3

向上取整 math.ceil()

import math
math.ceil(3.14)

4

求指数 np.exp()

np.exp(matrix)

array([[1.48413159e+02, 2.20264658e+04, 3.26901737e+06],
       [4.85165195e+08, 7.20048993e+10, 1.06864746e+13],
       [1.58601345e+15, 2.35385267e+17, 3.49342711e+19]])

开方 np.sqrt()

np.sqrt(matrix)

array([[2.23606798, 3.16227766, 3.87298335],
       [4.47213595, 5.        , 5.47722558],
       [5.91607978, 6.32455532, 6.70820393]])

多维变一维 matrix.ravel()

# 多维变一维
matrix.ravel()   

array([ 5, 10, 15, 20, 25, 30, 35, 40, 45])

矩阵的扩展 np.tile(df,(a,b))

行的a倍，列变成b倍

a = np.arange(0, 40, 10)
b = np.tile(a, (3, 5))    # 行变成3倍，列变成5倍

a

array([ 0, 10, 20, 30])

b

array([[ 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,  0, 10, 20, 30,
         0, 10, 20, 30]])

矩阵的拼接

# 矩阵的拼接:
a = np.floor(10*np.random.random((2,2)))
b = np.floor(10*np.random.random((2,2)))

a

array([[0., 6.],
       [5., 9.]])

b

array([[3., 6.],
       [8., 7.]])

水平拼接 np.hstack((a,b))

horizontal–水平拼接

np.hstack((a,b)) 

array([[0., 6., 3., 6.],
       [5., 9., 8., 7.]])

竖直拼接 np.vstack((a,b))

Vertical–竖值拼接

# 竖直拼接
np.vstack((a,b)) 

array([[0., 6.],
       [5., 9.],
       [3., 6.],
       [8., 7.]])

a = np.floor(10*np.random.random((2,12)))

a

array([[1., 4., 3., 2., 5., 5., 7., 7., 1., 8., 3., 3.],
       [4., 3., 9., 8., 2., 2., 6., 2., 7., 3., 9., 7.]])

竖直分割 np.hsplit(a,3)

函数的作用是将数组a横向等分成三个数组

# 竖直分割
np.hsplit(a,3)

[array([[1., 4., 3., 2.],
        [4., 3., 9., 8.]]),
 array([[5., 5., 7., 7.],
        [2., 2., 6., 2.]]),
 array([[1., 8., 3., 3.],
        [7., 3., 9., 7.]])]

a = np.floor(10*np.random.random((12,2)))

水平分割 np.vsplit(a,3)

函数的作用是将数组a竖向等分成三个数组

# 水平分割
np.vsplit(a,3)

[array([[9., 8.],
        [8., 9.],
        [1., 1.],
        [6., 6.]]),
 array([[2., 3.],
        [2., 7.],
        [4., 3.],
        [4., 8.]]),
 array([[6., 8.],
        [1., 7.],
        [9., 2.],
        [3., 2.]])]