Numpy介绍和数组

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