numpy模块学习笔记
# encoding=utf-8 import numpy as np from numpy.linalg import * def main(): # 1、最基本的array lst = [[1, 3, 5], [2, 4, 6]] print(type(lst)) # <class 'list'> np_lst = np.array(lst) print(type(np_lst)) # <class 'numpy.ndarray'> # 指定数据类型 bool int int8/16/32/64/128 uint8/16/32/64/128 float/16/32/64 complex64/128 np_lst1 = np.array(lst, dtype=np.float) # 相关属性 print(np_lst1.shape) # 形状 print(np_lst1.ndim) # 维度 print(np_lst1.dtype) # 类型 print(np_lst1.itemsize) # 每个元素的大小(字节) print(np_lst1.size) # 大小(元素个数) # 2、常用的数组 print(np.zeros([2, 4])) # 零 print(np.ones([3, 5])) # 壹 print("Rand:") print(np.random.rand()) print(np.random.rand(2, 4)) print(np.random.randint(1, 10, 3)) # 正态分布 print("Randn:") print(np.random.randn(2, 4)) # 从提供的数字里面挑选 print("Choice:") print(np.random.choice([10, 20, 30])) # 生成其他分布 print("Distribute:") print(np.random.beta(1, 10, 20)) # 3、numpy的相关操作 # 单个数组 lst2 = np.arange(1, 11).reshape([2, 5]) print(lst2) print("Exp:") # 指数(以e为底) print(np.exp(lst2)) print("Exp2:") # (以2为底) print(np.exp2(lst2)) print("Sqrt:") # 开方 print(np.sqrt(lst2)) print("Sin:") # 求正弦 print(np.sin(lst2)) print("Log:") # 求对数 print(np.log(lst2)) print("Sum:") # 求和 可以传入axis=? print(lst2.sum(axis=0)) # axis越大 层次越深 print("Max:") # 求最大值 axis=? Min一样 print(lst2.max()) # 两个数组 a = np.array([11, 22, 33, 44]) b = np.array([1, 2, 3, 4]) # 加减乘除 print("Add: %s" % (a+b)) print("Sub: %s" % (a-b)) print("Mul: %s" % (a*b)) print("Div: %s" % (a/b)) print("Dot:") # 点乘 print(np.dot(a.reshape([2, 2]), b.reshape([2, 2]))) print("Cancatenate:") print(np.concatenate((a, b), axis=0)) print(np.vstack((a, b))) print(np.hstack((a, b))) print(np.split(a, 2)) # 4、矩阵运算 线性方程 # 先引入线性包from numpy.linalg import * print(np.eye(3)) juzhen = np.array([[1, 2], [3, 4]]) print("Inv: %s" % inv(juzhen)) # 矩阵的逆 print("T: %s" % juzhen.transpose()) # 矩阵的转秩 print("Det: %s" % det(juzhen)) # 矩阵的行列式 print("Eig:") print(eig(juzhen)) # 矩阵的特征值和特征向量 # 解线性方程 print("Solve:") y = np.array([[5], [7]]) print(solve(juzhen, y)) # 5、其他领域的应用 print("FFT:") # 信号处理 print(np.fft.fft(np.array([1, 1, 1, 1, 1, 1, 1]))) print("Coef:") # 皮尔逊系数 print(np.corrcoef([1, 0, 1], [0, 2, 1])) print("Poly:") # 一元多次函数 print(np.poly1d([2, 1, 3])) # 2x^2 + x +3 if __name__ == "__main__": main()
scipy参考链接:
1、https://docs.scipy.org/doc/scipy-0.7.x/reference/
pandas参考链接:
1、http://pandas.pydata.org/pandas-docs/stable/cookbook.html#cookbook
2、https://www.analyticsvidhya.com/blog/2016/01/12-pandas-techniques-python-data-manipulation/