新手入门Numpy的总结

数据

一个数据→代表一个含义。

一组数据→代表一个or多个含义。

数据可划分为：一维数据，二维数据，多维数据，高维数据。

一维数据：表现形式→列表和集合。

二维数据：由等多个一维数据构成，是一维数据的组合形式。表现形式→列表。

多维数据：由一维或二维在新维度上扩展形成。表现形式→列表。

高维数据：仅利用最基本的二元关系展示数据间的复杂结构。表现形式→字典类型or数据表示格式JSON,XML,YAML。

维度

维度：一组数据的组织形式。

Numpy

Numpy：是一个开源的python科学计算基础库

*提供强大数据对象nadarray

*广播功能函数

*整合C/C++/Fortran代码的工具

*线性代数，傅里叶变换，随机数生成等功能

表示：import numpy as np #表示将numpy库命名为np（别名可以任意取名）

N维数组对象：nadarry

eg.

代码演示：

代码演示：

import numpy as np

def pySum():

a = [0,1,2,3,4]

b = [9,8,7,6,5]

c = []

for i in range(len(a)):

c.append(a[i]**2 +b[i]**3)

return c

print(pySum())

nadarray构成分为2块

实际数据

描述元数据（数据维度，数据类型）

nadarray数组一般要求所有元素类型相同，下表从0开始。

ndarray对象属性

np.array（）生成一个ndarray数组

np.ndim --秩

np.shape--对象的尺度

np.size--数组的元素个数

np.dtype--数组的元素类型

np.itensize--数组的大小，以字节为单位

ndarray数组的创建方法

eg. x = np.array(list/tuple)

np.ones((2,3,4))---表示2个数组，一个数组中有3个list，1个list中有4个元素。

NumPy中其他函数创建ndarray数组

函数

np.linspace（）→根据起止数据等间距填数据，形成数组。

np.concatenate() →将两个或多个合并成一个新的数组

维度变化

np.reshape() →不改变数组元素，返回一个shape形状的数组，原数组不变

np.flatten() →对数组进行降维，返回折叠后的一维数组，原数组不变

np.swapaxes(ax1,ax2) →将数组几个维度中两个维度进行调换

np.resize(shape) →与np.reshape(）功能一致，但修改原数组

Ndarray的操作

原函数

np.abs(x) np.fabs(x) → 数组各元素的绝对值

np. sqrt(x) →数组各元素的平方根

np.square(x) →数组各元素的平方

np.log(x) np.log10(x) np.log2(x) →数组的自然对数，以10为底的对数，以2为底的对数

np.ceil(x) np.floor(x) →ceiling值 or floor值

np.rint(x) →数组元素四舍五入的值

np.modf(x) →数组小数和整数部分以2个独立数组形式返回

np.exp(x) →数组元素的指数值

np.sign(x) →数组元素的符号值

代码中的符号含义

+→加

-→减

*→乘

/→除

**→幂次方

>大于 <小于 >=大于等于 <=小于等于 ==是否等于 !=不等于

运算函数

np.maximum(x,y) np.fmax() →最大值

np.minimum(x,y) np.fmin() →最小值

np.mod(x,y) →元素级的模运算

np.copysign(x,y) →将数组y中元素值的符号给数组x对应元素

自身动手做的心得 意外收获

eg. 用numpy创建一个二维或多维正态分布随机数，保留符合[0, 1)的数，然后求平均值。

选取的函数：np.random.randn(x，y) x→表示维度中的列表个数 y→表示一个维度里面的一个列表的元素个数

代码展示

求平均数的方法

利用np.mean()函数

代码展示

求中间数的方法

利用np.median()函数

代码展示