【numpy的使用】

最新推荐文章于 2024-06-14 09:50:01 发布

Ban_a

最新推荐文章于 2024-06-14 09:50:01 发布

阅读量287

点赞数

分类专栏：随便记记文章标签： numpy python 机器学习

本文链接：https://blog.csdn.net/Ban_a/article/details/127304967

版权

随便记记专栏收录该内容

18 篇文章 0 订阅

订阅专栏

文章目录

创建数组


import numpy as np

 a= np.array([2, 3, 4, 5, 6],dtype=float)
 print(a)
a = np.zeros((4,3,4)) #  四个全为0的三行四列的数组
b = np.ones((4,3,4)) #  四个全为1的三行四列的数组
c = np.empty((4,3,4)) #  四个初始内容随机且取决于内存状态的数组的三行四列的数组
print(c,type(c)),

打印数组、

 a = np.arange(6)  # 一维数组
print(a)
# # 二维数组
b = np.arange(12).reshape(4,3)  # 从0-11的四行三咧的二维数组
print(b)
# # 三维数组
c = np.arange(24).reshape(2,6,2)  # 三维打印为矩阵列表
print(c)
# # 数组太大无法全部打印，省略中心。，只打印角落
d = np.arange(10000).reshape(100,100)
print(d)

数组的算数运算

a = np.array([20,30,40,50])
b = np.arange(4)
c = a-b  # 重新创建一个数组，把结果填充
print(c)
d = b**2 # 数组中元素的平方
print(b)  # [0 1 2 3]
print(d)  # [0 1 4 9]

矩阵运算

a = np.arange(6).reshape(3,2)
print(a) # [[0 1][2 3][4 5]]
b = np.arange(6).reshape(3,2)
print(b)
c = a*b  # *是元素进行运算
print(c)
 @ 和 dot来执行矩阵乘积
d = a.dot(b)
print(d)

索引切片迭代

a = np.arange(10)
print(a)  # [0 1 2 3 4 5 6 7 8 9]
print(a[3])  # 3
print(a[::-1])  # [9 8 7 6 5 4 3 2 1 0]  reversed a 列表的翻转
print(a[2:6])  # [2 3 4 5]
#
#
def f(x, y):
    return 10 * x + y


b = np.fromfunction(f, (5, 4), dtype=int)
for row in b:  # 迭代多维数组是相对于第一个轴完成的
	print(row)
for element in b.flat:  # 如果要对数组中的每个元素执行操作，可以使用flat属性，它是数组所有元素的迭代器
   print(element)

# 查看环境变量
# import os
# print("PYTHONPATH:", os.environ.get('PYTHONPATH'))
# print("PATH:", os.environ.get('PATH'))

改变数组的形状

a = np.arange(12).reshape(3, 4)
print(a)
b = a.shape
print(b)
print(a.ravel())
print(a.reshape(6, 2))
print(a.T)  # 三行四列变为四行三列
a.resize((2,6))  # 修改数组本身
print(a)


# a = range(100)
# print(a[2 - 3])  # 2-3=-1  相当于a[-1]
# print(a[-1])
# a[-3]
# a[2:13]
# a[:3]
# a[2-3]

多个数组可以沿不同的轴堆叠在一起

from numpy.random._examples.numba.extending import rg


a=np.floor(10*rg.random((2,2)))
print(a)
b = np.floor(10*rg.random((2,2)))
print(b)
print(np.vstack((a, b)))  # 垂直堆叠
print(np.hstack((a, b)))  # 水平堆叠

column_stack函数将一维数组作为列堆叠到二维数组中

print(np.column_stack((a, b)))  # 它等效于hstack仅用于 2D 数组

a = np.floor(10 * rg.random((2, 12)))
print(a)
print(np.hsplit(a, 3))  # 吧a 分成三分
# #在第三列和第四列后面拆分“a”
print(np.hsplit(a, (3, 4)))

简单赋值不会复制对象或其数据。
a = np.array([[1, 2, 3, 4, 5, 6],
              [7, 8, 9, 10, 11, 12],
              [13, 14, 15, 16, 17, 18]
             ])

b = a
print(b is a) # true

绘制图像

直线图

import numpy as np
from datetime import datetime
def dmy2ymd(dmy):
    dmy = str(dmy,encoding="utf-8")
    time = datetime.strptime(dmy,"%d-%m-%Y").date()
    t = time.strftime("%Y-%m-%d")
    return t
dates,opening_prices,highest_prices,lowest_prices,close_prices=np.loadtxt(fname="da_data/aapl.csv",delimiter=",",usecols=(1,3,4,5,6),dtype="M8[D],f8,f8,f8,f8",unpack=True,converters={1:dmy2ymd})
# print(res)
#绘制直线图
from matplotlib import pyplot as plt
from matplotlib import dates as dts
plt.figure("AAPL",facecolor="lightgray")
plt.title("AAPL",fontsize=20)
plt.xlabel("Date",fontsize=14)
plt.ylabel("closing price",fontsize = 14)
plt.grid(linestyle=":")
#拿到坐标轴
ax = plt.gca()
#设置主刻度定位器为周定位器（每周一显示主刻度文本）
ax.xaxis.set_major_locator( dts.WeekdayLocator(byweekday=dts.MO) )
ax.xaxis.set_major_formatter(dts.DateFormatter('%d %b %Y'))
#设置次刻度定位器为日定位器
ax.xaxis.set_minor_locator(dts.DayLocator())
plt.tick_params(labelsize=8)
dates = dates.astype(dts.datetime.datetime)
plt.plot(dates, opening_prices, color='dodgerblue',
		linestyle='-')
plt.gcf().autofmt_xdate()
plt.show()

在这里插入图片描述

k线图

import numpy as np
from datetime import datetime
def dmy2ymd(dmy):
    dmy = str(dmy,encoding="utf-8")
    time = datetime.strptime(dmy,"%d-%m-%Y").date()
    t = time.strftime("%Y-%m-%d")
    return t
dates,opening_prices,highest_prices,lowest_prices,close_prices=np.loadtxt(fname="da_data/aapl.csv",delimiter=",",usecols=(1,3,4,5,6),dtype="M8[D],f8,f8,f8,f8",unpack=True,converters={1:dmy2ymd})
# print(res)
#绘制直线图
from matplotlib import pyplot as plt
from matplotlib import dates as dts
plt.figure("AAPL",facecolor="lightgray")
plt.title("AAPL",fontsize=20)
plt.xlabel("Date",fontsize=14)
plt.ylabel("closing price",fontsize = 14)
plt.grid(linestyle=":")
#拿到坐标轴
ax = plt.gca()
#设置主刻度定位器为周定位器（每周一显示主刻度文本）
ax.xaxis.set_major_locator( dts.WeekdayLocator(byweekday=dts.MO) )
ax.xaxis.set_major_formatter(dts.DateFormatter('%d %b %Y'))
#设置次刻度定位器为日定位器
ax.xaxis.set_minor_locator(dts.DayLocator())
plt.tick_params(labelsize=8)
dates = dates.astype(dts.datetime.datetime)
plt.plot(dates, close_prices, color='dodgerblue',
		linestyle='--',linewidth=2,alpha=0.3)
#整理颜色
rise = close_prices > opening_prices
# 第一种方法
# color = ["red" if c else "green" for c in rise]
# print(color)
# 第二种利用掩码
color = np.zeros(rise.size,dtype="U5")
color[:] = "green"
color[rise] = "white"


edgecolor = ["red" if c else "green" for c in rise]
#绘制实体
# plt.bar(dates,close_prices-opening_prices,color=color,linewidth=0.8,bottom=opening_prices,edgecolor="black",zorder=3)
plt.bar(dates,close_prices-opening_prices,linewidth=0.8,color=color,bottom=opening_prices,edgecolor=edgecolor,zorder=3)
#绘制影线
plt.vlines(dates,ymin=lowest_prices,ymax=highest_prices,color=edgecolor)

plt.legend()
plt.gcf().autofmt_xdate()
plt.show()