【无标题】

Numpy和pandas

• Numpy初体验

1，Numpy创建数组

Numpy 的arange方法创建多维数组。创建多维数组的方法是:

import numpy as np

b = np.array([np.arange(6),np.arange(6)])

numpy创建的数组可以直接复制，具体代码示例如下：

import numpy as np

x = [y for y in range(6)]

b=np.array([x]*4)

import numpy as np

# 定义cnmda函数

def cnmda(m,n):

    '''

    创建numpy数组

    参数：

           m:第一维的长度

           n: 第二维的长度

    返回值:

        ret: 一个numpy数组

    '''

    ret = 0

    # 请在此添加创建多维数组的代码并赋值给ret

    #********** Begin *********#

    b=np.arange(n);

    ret=np.array([b]*m)  

    #********** End **********#

    return ret

b=np.arange(n);

ret=np.array([b]*m)

2,Numpy数组的基本运算

Numpy库可以直接进行一些四则运算，快速的处理两个Numpy数组：

向量与向量之间：

1.加法

1. In:np.add(a,b) 或 a+b
2. Out:array([[5, 7, 9],
3.        [5, 7, 9]])

2.减法

1. In:np.subtract(a,b) 或 a-b
2. Out:array([[-3, -3, -3],
3.        [ 3,  3,  3]])

3.乘法（X乘）

1. In:np.multiply(a,b) 或 a * b
2. Out:array([[ 4, 10, 18],
3.        [ 4, 10, 18]])

4.乘法（点乘）

1. a = np.array([[1,2,3],[4,5,6]])
2. b = np.array([4,5,6])
3. In: np.dot(a,b) 
4. Out:array([32, 77])

5.除法

1. a = np.array([[1,2,3],[4,5,6]])
2. b = np.array([[4,5,6],[1,2,3]])
3. In:np.divide(a,b) 或 a/b
4. Out:array([[ 0.25,  0.4 ,  0.5 ],
5.        [ 4.  ,  2.5 ,  2.  ]])

向量与标量之间

a = np.array([[1,2,3],[4,5,6]])

1.加法

1. In:  a +1
2. Out:array([[2, 3, 4],
3.        [5, 6, 7]])

2.减法

1. In:  a -1
2. Out:array([[0, 1, 2],
3.        [3, 4, 5]])

3.乘法

1. In: a*2
2. Out:array([[ 2,  4,  6],
3.        [ 8, 10, 12]])

4.除法

1. In: a/2
2. Out:array([[ 0.5,  1. ,  1.5],
3.        [ 2. ,  2.5,  3. ]])

5.求余

1. In:a%2
2. Out:array([[1, 0, 1],
3.        [0, 1, 0]])

6.矩阵转置

1. In:a.T
2. Out:array([[1, 4],
3.        [2, 5],
4.        [3, 6]])

7.矩阵的逆

矩阵可逆的充要条件是矩阵满秩。

1. import numpy as np
2. import numpy.linalg as lg
3. a = np.array([[1,2,3],[4,5,6],[7,8,9]])
4. In:lg.inv(a)
5. Out:array([[  3.15251974e+15,  -6.30503948e+15,   3.15251974e+15],
6.        [ -6.30503948e+15,   1.26100790e+16,  -6.30503948e+15],
7.        [  3.15251974e+15,  -6.30503948e+15,   3.15251974e+15]])

import numpy as np

# 定义opeadd函数

def opeadd(m,b,n):

    '''

    参数：

    m:是一个数组

    b:是一个列表

    n:是列表中的索引

    你需要做的是 m+b[n]

    返回值:

    ret: 一个numpy数组

    '''    

    ret = 0

    #********** Begin *********#

    ret=m+b[n]

      #********** End **********#

    return ret

# 定义opemul函数

def opemul(m,b,n):

    '''

    参数：

    m:是一个数组

    b:是一个列表

    n:是列表中的索引

    你需要做的是 m*b[n]

    返回值:

    ret: 一个numpy数组

    '''

    ret = 0

    #********** Begin *********#

    ret=m*b[n]

    #********** End **********#

    return ret

3，第3关：Numpy数组的切片与索引

一维Numpy数组的切片操作与Python列表的切片一样。下面首先来定义数字0 1 2直到8的数组，然后通过指定下标3到7来选择数组的部分元素，这实际上就是提取数组中值为3到6的元素。

1. In: import numpy as np
2. In: a = np.arange(9)
3. In: a[3:7]
4. Out: array([3,4,5,6])

同时用下标选择元素，下标范围从0到7，并且下标每次递增2，如下所示：

1. In: a[:7:2]
2. Out:array([0,2,4,6])

也可以像Python数组一样，用负值下标来反转数组：

1. In: a[::-1]
2. Out: array([8,7,6,5,4,3,2,1,0])

对于二维数组的索引，类似与Python数组的列表：

1. In: a=np.array([[1,2,3],[4,3,2]])
2. In: a[1][0] 
3. Out:array([4])
4. In:a[1,:2]    #获取第1维的前2个元素
5. Out:array([4, 3])

import numpy as np

# 定义cnmda函数

def ce(a,m,n):

    '''

    参数：

    a:是一个Numpy数组

    m:是第m维数组的索引

    n:第m维数组的前n个元素的索引

    返回值:

    ret: 一个numpy数组

    '''

    ret = 0

    # 请在此添加切片的代码,实现找出多维数组a中第m个数组的前n个元素 并赋值给ret

    #********** Begin *********#

    ret=a[m,:n]

    #********** End **********#

    return ret

ret= a[m,:n]

4,第4关：Numpy数组的堆叠

相关知识

改变数组形状reshape(),ravel(),flatten(),shape(),transpose()

数组的堆叠hstack(),vstack(),dstack()

改变数组形状

reshape()

1. import numpy as np
2. In: b = np.arange(24).reshape(2,3,4)
3. In: b
4. Out: array([[[ 0,  1,  2,  3],
5.         [ 4,  5,  6,  7],
6.         [ 8,  9, 10, 11]],
8.        [[12, 13, 14, 15],
9.         [16, 17, 18, 19],
10.         [20, 21, 22, 23]]])

ravel()

拆解，将多维数组变成一维数组。

1. In:  b.ravel()
2. Out: array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
3.        17, 18, 19, 20, 21, 22, 23])

flatten()

拉直，其功能与ravel()相同，但是flatten()返回的是真实的数组，需要分配新的内存空间，而ravel()仅仅是改变视图。

1. In:  b.flatten()
2. Out: array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
3.        17, 18, 19, 20, 21, 22, 23])

shape()

使用元组改变数组形状。

1. In: b.shape = (6,4)
2. In: b
3. out: array([[ 0,  1,  2,  3],
4.        [ 4,  5,  6,  7],
5.        [ 8,  9, 10, 11],
6.        [12, 13, 14, 15],
7.        [16, 17, 18, 19],
8.        [20, 21, 22, 23]])

transpose()

转置。

1. In: b.transpose()
2. Out: array([[ 0,  4,  8, 12, 16, 20],
3.        [ 1,  5,  9