import numpy as np
# 二维数组
t1 = np.array([range(10),range(10,20)])
print(t1)
# 三维数组
t2 = np.array([[range(10),range(10,20)],[range(10),range(10,20)]])
print(t2)
# 查看数组的形状，打印(2, 10)，表示2行10列，打印(2, 2, 10)，表示两块，每块都是2行10列
print(t1.shape)
print(t2.shape)
# reshape改变数组的形状，将二维降为一维，20是数组元素的总个数，flatten只能将二维转换成一维
print(t1.reshape((20,)))
print(t1.flatten())
# 数组转置，swapaxes交换轴，原来是0和1
t1.transpose()
print(t1.T)
t1.swapaxes(1, 0)
# 数组的索引和切片
print(t1[1]) # 取一行
print(t1[1:3]) # 取连续多行
print(t1[[1, 3, 4]]) # 取不连续多行
print(t1[:,1]) # 取一列
print(t1[:,1:3]) # 取连续多列
print(t1[:,[1,3,5]]) # 取不连续多列
print(t1[1:3,2:4]) # 取交叉区域的数据
print(t1[[1,2],[3,4]]) # 取不相邻的数据
# 数组中值的修改
t1[[1,2],[3,4]] = 0
t1[1:3,2:4] = 1
t1[t1<5] = 18 # 将t1中小于5的元素都改成18，t1<5返回的是true和false数组
np.where(t1<10, 0, 10) # 将t1中小于10的替换成0 ，否则都替换成10
t1.clip(10, 18) # 将t1中小于10的替换成10，大于18的替换成18
# 数组的拼接
np.vstack((t1, t2)) # 竖直拼接，t1在上
np.hstack(t1, t2) # 水平拼接，t1左
# 数组的交互
t1[[1, 2], :] = t1[[2, 1], :] # 行交换
t1[:, [1, 2]] = t1[:, [2, 1]] # 列交换
# 数据的分割，跟拼接刚好相反
np.vsplit(t1, 2) # 竖直分割，从第二行开始将t1分为两部分
np.hsplit(t1, 2) # 水平分割，从第二列开始将t1分为两部分
# 快速创建全为0或者1的数组
np.zeros(2, 3) # 两行三列
np.ones(3, 4) # 三行四列
# 创建一个对角线为1的正方形数组
np.eye(10) # 10行10列，对角线元素为1，其他全为0
# 获取行列最大值或者最小值的位置
np.argmin(t1, axis=0) # 获取每行最小值的位置，返回的是代表位置下标的元组
np.argmin(t1, axis=1) # # 获取每列最小值的位置，返回的是代表位置下标的元组
# numpy中的随机数
np.random.rand(2, 3) # 随机生成2行3列的均匀分布的数组，浮点数，0-1
np.random.randn(2, 5) # 随机生成2行3列的标准正态分布的数组，浮点数
np.random.randint(10, 20, (3, 5)) # 随机生成10-20之间的3行5列的整数数组
np.random.uniform(10, 20 ,(3, 5)) # 随机生成2行3列的均匀分布的数组，整数数，10-20
np.random.normal(loc=1, scale=2, size=(3, 5)) # 从指定正态分布中随机抽取样本，loc是分布中心，scale是标准差，3行5列数组
np.random.seed(5) # 随机数种子，5是给定的种子值，因为生成的是伪随机数，所以通过设置相同的随机种子，可以每次生成相同的随机数，和其他随机数方法配合使用
# numpy中的copy和view
a = t1 # a和t1会相互影响
a = t1[:] # a和t1会相互影响
a = t1.copy() # a和t1互不影响
# numpy中的nan，nan和任何值进行计算返回值都是nan
print(np.nan == np.nan) # 返回false，可以利用这个特性来计算数组中的nan有多少个
np.count_nonzero(t1) # 计算数组t1中有非0元素的个数
np.count_nonzero(t1!=t1) # 返回t1数组中nan的个数
np.isnan(t1) # 返回和t1对应的布尔类型的数组，元素是nan，则对应位置为true
np.count_nonzero(np.isnan(t1)) # 返回t1数组中nan的个数
# 数组和数字计算，每个元素都进行
# 数组和形状一样的数字进行计算，也是对应位置一一进行计算
# 当数组和不同形状的数组进行计算时，某一维度一样且另一维度是0，才能进行计算，否则会报错
np.sum(t1, axis=0) # 计算t1中每一列的和，返回包含每一列和的数组，axis没有这个参数则计算整个数组的和
t1.sum(axis=0) # 计算t1中每一行的和，返回包含每一行和的数组
t1.mean(axis=0) # 均值
np.median(t1, axis=0) # 中值，这个方法只能由np调用
t1.max()
t1.min()
np.ptp(t1, axis=0) # 极值，即最大值和最小值之差，这个方法只能由np调用
t1.std(axis=1) # 标准差
# 读入数据，dtype指定数据类型，skiprows指定跳过多少行，一般跳过表头，usecols指定索引列时第几列，unpack数组转置
file_path = r'E:\anacondatest\PythonData\高校信息.csv'
np.loadtxt(file_path, delimiter=",", dtype='', skiprows=1, usecols=1, unpack=False)
