numpy和pandas学习总结1（莫烦python视频）

使用numpy和pandas的原因：

numpy和pandas是python中最常用的数据处理模块，在进行机器学习时不可少。numpy和pandas都是用C语言编写的，并且使用矩阵进行计算，计算速度快，消耗计算内存小。

numpy的主要属性：

• ndim：维度
• shape：行数和列数
• size：元素个数

numpy导入：

import numpy as np 

创建数组：

a=np.array([1,2,3])
print (a)
# [1 2 3]

指定数据dtype：

a=np.array([1,3,4],dtype=np.int)
print (a)
# int 64
'''
dtype=np.int     int 64
dtype=np.int32   int32
dtype=np.float   float64
dtype=np.float32 float32
'''

列表转化为矩阵：

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

创建全零数组：np.zeros((x,y))：

创建全一数组：np.ones((x,y),dtype=np.int)：

创建全空数组 np.empty((x,y))#每个值都是接近于零的数

arange创建连续数组  

a=np.arange(10,20,2)#10-19的数据，步长为2
b=np.arange(4)# array([[0,1,2,3])  默认开始为0，步长为1，不包括终端数字

reshape改变数组形状

a=np.array(12).reshape((3,4)) #3行4列，0到11

linspace创建线段型数据

a=np.linspace(1,10,20)#开始端为1，结束端10，且分割成20个数据，生成线段

Numpy的基本运算

• 矩阵运算，加减乘除表示对应元素之间进行运算
• 调用函数可以对矩阵中的各个元素进行运算  比如 np.sin(a)
• 可以对矩阵各元素进行逻辑判断，大于等于或者小于 （==）

标准矩阵运算

a=np.array([[1,2],[3,4]])
b=np.arange(4).reshape(2,2)
c_dot_1=np.dot(a,b)
c_dot_2=a.dot(b)

(未完待续)