Numpy介绍
Numpy是一个开源的数值计算库
可以用来存储和处理大型矩阵,比python自身的嵌套列表结构要高效的多,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库,包括数学、逻辑、形状操作、选择、输入输出、离散傅里叶变换、基本线性代数、基本统计运算和随机模拟等等。
ipython
魔法命令
%run
运行外部python文件(默认是当前目录,也可以使用绝对路径)
%run *.py
%time
计算一行代码运行时间
%timeit
多次运行更为精准的预期运行时间
%timeit -r N -n N为运行次数
%%timeit测试多行代码的平均运行时间
%who
快速查看当前会话的所有变量与函数名称
%whos
查看当前会话的所有变量与函数名称的详细信息
%who_Is
列表
Ismagic
查看其它魔法命令
#数据分析三剑客
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
#版本
np._version_
cat = plt.imread('cat.jpg')
cat
type(cat) #nd:多维度 array:数组
cat.shape
#(高,宽,每个颜色点的值(red,green,blue))
plt.imshow(cat) #显示图片
'''
图片:3维数据(彩色)
2维数据(黑白)
视频:4维数据
(x,high,width,color)
'''
numpy数组
import numpy as np
y=[]
n=np.array(y)#创建数组y为列表
n
type(n) #ndarray的数据类型要统一,如不统一将统一为str>float>int
n.shape
n=np.ones(shape,dtype=None,order='C') #shape形状,dtype元素类型,order选c为行默认选f位列
n=np.ones(shape=(3,4))
n=np.zeros(shape,dtpe=float,order='C') #shape形状,dtype元素类型,order选c为行默认选f位列
n=np.full(shape,fill_value,dtype=None,order='C') #fill_value填充值,所有元素为填充值
n=np.eye(N,M=None,k=0,dtype=float) #对角线为1,其余为0的二维数组,N行,M列默认None和行一致,k=0向右偏移0个位置
n=np.linspace(start,stop,num=50,endpoint=True,retstep=False,dtype=None)
#开始值,结束值,组成个数,是否包含结束值,是否返回等差值,元素类型)
n=np.arange([start,]stop,[step,]dtype=None) #创建一个数值范围的数组
#(开始值可选,结束值不包含,步长可选,元素类型)
n=np.random.randint(low,high=None,size=None,dtype=None) #创建一个随机整数的多维数组
#(最小值,最大值默认时[0,low),数组形状默认输出一个随机值,元素类型)
n=np.random.randint(0,256,size=(20,40,3))
n
import matplotlib.pyplot as plt
plt.imshow(n)
n=np.random.randn(d0,d1,...,dn) #创建一个标志正态分布的多维数组
n=np.random.normal(loc=0.0,scale=1.0,size=None) #创建一个服从正态分布的多维数组
#(均值,标准差,数组形状)
n=np.random.random(size=None) #创建一个0-1左闭右开的随机数多维数组
n=np.random.rand(d0,d1,...,dn) #创建一个0-1左闭右开的随机数多维数组