python之numpy简单上手操作

个人认为直接上手操作，以及在操作中理解，不会的查询相关资料

　　　　这样更适合没有接触过，入门学习的小伙伴  跟着下面代码老老实实的敲吧(手动滑稽)  👇

#赋一张思维导图

 

#pip install numpy
import numpy as np
#ndarray

#创建一个数组
a = np.array([1, 2, 3])
print(type(a))
#多为数组
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# b[1,1]=10
#返回获得数组的大小
# print (a.shape)
# print (b.shape)
#返回数据类型
# print (a.dtype)
# print (b)


#设置一个规则类型
persontype = np.dtype({
    'names':['name','age','chinese','math','english'],
    'formats':['S32','i','i','i','f']
})

#绑定规则类型，并赋值
peoples = np.array([('zhangfei',32,75,100,90),('guanyu',24,85,96,88.5),('zhaoyun',28,85,92,96.5),("HuangZhong",29,65,85,100)],dtype=persontype)

#取出age位置的所有值，返回一个list    [start:end]切片
ages = peoples[:]['age']
# print(ages)
chineses = peoples[:]['chinese']
maths = peoples[:]['math']
englishs = peoples[:]['english']

#计算列表的平均值
# print(np.mean(ages))
# print(np.mean(chineses))
# print(np.mean(maths))
# print(np.mean(englishs))


#arang(start:end,step)  linspace(start:end,count)
x1 = np.arange(1,11,2)
x2 = np.linspace(1,9,5)
# print(x1,x2)
#
# #加
# print(np.add(x1,x2))
# #减
# print(np.subtract(x1,x2))
# #乘
# print(np.multiply(x1,x2))
# #除
# print(np.divide(x1,x2))
# #求n次方
# print(np.power(x1,x2))
# #余数
# print(np.remainder(x1,x2))

#b二维数组中  全部元素的最小值
# print(np.amin(b))
# #沿 axis= 0 一个数组为一个单位的最小值
# print(np.amin(b,0))
# #沿 axis =1 轴的最小值  [1,2,3][4,5,6][7,8,9] 三个数组中的最小值   1 4 7
# print(np.amin(b,1))
# print(np.amax(b))
print(np.amax(b,0))
# print(np.amax(b,1))

#统计最大值与最小值之差 ptp()
# print(np.ptp(b))  #9-1  8
# print(np.ptp(b,0)) #789  -123  666
# print(np.ptp(b,1))  #369 - 147 222

#统计数组的百分位数 percentile()
# print(np.percentile(b,50))  #取值范围 -100 如果0 求最小值，如果50 求平均追，100 就是求最大值
# print(np.percentile(b,50,axis=0))
# print(np.percentile(b,50,axis=1))

#中位数 median() 平均数mean()
# print(np.median(b))
# print(np.median(b,axis=0))
# print(np.median(b,axis=1))

# print(np.mean(b))
# print(np.mean(b,axis=0))
# print(np.mean(b,axis=1))

#加权平均值 average()
a = np.array([1,2,3,4])
wts = np.array([1,2,3,4])
#每个元素的权重是相同的   = （1+2+3+4)/4
# print(np.average(a))   #2.5
# #指定权重数组 = （1*1+2*2+3*3+4*4)/(1+2+3+4)
# print(np.average(a,weights=wts))  #3

#标准差std(), 方差 var()
#标准差是方差的算术平方根   根号1.25=根号5/2  根号5~~=2..../2  约等宇1.1.。
# print(np.std(a)) #1.118033988749895
#方差的计算是指 每个数值与平均值之差的平方 求和的平均值  即 mean(x-x.mean())**2
# eg a   [1-2.5 ,2-2.5 ,3-2.5, 4-2.56]**2  =   mean([2.25,0.25,0.25,2.25]) = 1.25
# print(np.var(a)) #1.25


#numpy排序 sort()
#sort(a, axis=-1 ,kind = 'quicksort', order=None
#axis 默认-1 沿着数组最后一个轴进行排序，也可以去不同的axis轴， 或axis=None 扁平化向量进行排序
#kind指定排序规则  quicksort, mergesort ,heapsort 分别快速排序，合并排序，堆排序
#order 结构化数组可以指定按某个字段进行排序
d = np.array([[4,3,2],[2,4,1]])
# print(np.sort(d))  #[234][124]
# print(np.sort(d,axis=None)) #[122344]
print(np.sort(d,axis=0))  #231 442
# print(np.sort(d,axis=1))  #234 124

#axis = 0代表跨行(纵向计算)  axis =1代表跨列(横向计算）
#  sum       [1,2,3]                  [1,2,3] [2,4,6] = [[6],[12]]
#            [2,4,6]　　　　　
#         =[ [3,6,9] ]