numpy

Numpy Numerical Python 是python语言中做科学计算的基础库，重在于数值计算，也是大部分Python科学计算库的基础，多用于在大型，多维数组上执行的数值运算。

数组和列表的区别：数组中存储的数据元素类型必须统一，如果有不统一按照优先级统一；’优先级：字符串>浮点型>整数

1.数组创建

2.数组属性

3.索引和切片

4.级联和轴向

5.数组聚合

6.数组函数

7.矩阵

 

1.创建numpy数组　　

　　numpy.array([x,x,x]) # 返回列表中元素的一维数组

　　numpy.ones((3,4))  # 返回全1 的3行4列二维数组

　　　　　　　　　　

 

　　numpy.linspace(0,100,num=20)  # 一维的等差数列数组，0-100 取20个数字的等差数列一维数组

　　numpy.arange(10,50,step=2)  # 返回10-50之间，步长为2 的等差数列数组

　　numpy.random.randint(0,100,size=(5,3))  # 返回1-100之间任意数组，5行3列的二维数组

　　numpy.zeros((2,3)) # 返回2行3列的全零数组

　　　　　　　　　　

 

 

 　　numpy.eye(4)  # 返回4行4列的单位矩阵

　　　　　　　　　　

 

 

 　　numpy.diag((2,3,4))  # 返回对角阵

　　　　　　　　　　

 

 

 　　numpy.logspace(1,10,31)  # 返回等比数组，默认以e为底，返回31个数。

　　　　　　　　　　

 

 

 　　numpy.logspace(1,6,2，base=2)  # 返回以2为底的等比数组，返回两个数。start 2^1，end 2^6.

　　　　　　　　　　

 

 

 　　numpy.random.randint(1,100,size=(2,3,4))   # 返回三维数组，取值范围为1-100的随机整数

2.数组的属性

　　arr = np.random.randint(0,100,size=(5,6))

　　arr.shape  # 返回数组的形状 （5,6）

　　arr.ndim  # 返回数组的维度 2

　　arr.size  # 返回数组中元素的个数 30

　　arr.dtype  # 返回数组中元素的类型  dtype("int64")

　　　　numpy的数据类型

• • • array(dtype=?):可以设定数据类型
    • arr.dtype = '?':可以修改数据类型          # arr.dtype = 'uint8' #修改数组的元素类型

    • #创建一个数组，指定数组元素类型为int32
      arr = np.array([1,2,3],dtype='int32')

3.numpy数组的切片和索引

 arr = np.random.randint(1,100,size=(5,6))

 　　arr[1]    # 取出了numpy数组中的下标为1的行数据，下标从0开始

　　 arr[1][2][3]   # 三维数组的索引，下标从零开始

 　　arr[[1,3,4]]   # 取出多行

　　arr[0:2]   # arr[行切片] 切除前两行数据

　　arr[:,0:2]   # arr[行切片,列切片]  切除前两列数据，逗号分隔维度

　　arr[0:2,0:2]  # 切出前两行的前两列的数据

　　arr[::-1]     # 将数组的行倒置

　　arr[:,::-1]    # 将数组的列倒置

　　arr[::-1,::-1]   #  所有元素倒置

　　arr.reshape((30,))    # 将二维的数组变形成1维

4.numpy数组级联操作

 　   级联：将多个数组进行拼接，只能在同样维度的两个数组之间使用

　　axis轴向：0：列；  1：行

1. mean(axis=0)计算的是每一列平均值， 
2. mean(axis=1)计算的是每一行平均值。 
3. drop(0,axis=0)删除行， 
4. drop([‘col1’],axis=1)删除列。

　　

5.常用的聚合操作：sum, max, min, mean

　　

 

6.常用的函数

　　常用的数学函数：numpy提供了标准的三角函数sin(),cos(),tan(). numpy.around(a,decimals)函数返回指定数字的四舍五入值， a:数组； decinals:舍入的小数位数，默认值为0，如果为负数，整数将四舍五入到小数点左侧的位置

　　常用的统计函数：

• • numpy.amin() 和 numpy.amax()，用于计算数组中的元素沿指定轴的最小、最大值。
  • numpy.ptp():计算数组中元素最大值与最小值的差（最大值 - 最小值）。
  • numpy.median() 函数用于计算数组 a 中元素的中位数（中值）
  • 标准差std():标准差是一组数据平均值分散程度的一种度量。
    • 公式：std = sqrt(mean((x - x.mean())**2))
    • 如果数组是 [1，2，3，4]，则其平均值为 2.5。 因此，差的平方是 [2.25,0.25,0.25,2.25]，并且其平均值的平方根除以 4，即 sqrt(5/4) ，结果为 1.1180339887498949。
  • 方差var()：统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数，即 mean((x - x.mean())** 2)。换句话说，标准差是方差的平方根。

 

 

7.numpy数组矩阵相关

　　numpy中包含了一个矩阵库 numpy.matlib，该模块中的函数返回的是一个矩阵，而不是ndarray对象，一个矩阵一个行列元素艾烈成的矩阵阵列

　　numpy.matlib.identity()函数返回给定大小的单位矩阵。单位矩阵是个方阵，从左上角到右下角的对角线（称为主对角线）上的元素均为1，除此以外全部为0

　　arr = numpy.eye(6)  # 返回一个标准的单位矩阵

　　arr.T  # 转置矩阵

　　numpy.dot(a, b, out=None)   #  a : ndarray 数组,  b : ndarray 数组

　　

 

　　第一个矩阵第一行的每个数字（2和1），各自乘以第二个矩阵第一列对应位置的数字（1和1），然后将乘积相加（ 2 x 1 + 1 x 1），

　　得到结果矩阵左上角的那个值3。也就是说，结果矩阵第m行与第n列交叉位置的那个值，等于第一个矩阵第m行与第二个矩阵第n列，对应位置的每个值的乘积之和。