科学计算库numpy的使用

import numpy as np
import matplotlib.pyplot as plt

#加载显示图片，目录根据实际情况写。
img_arr = plt.imread(‘D:\大数据分析\python\123.jpg’)
plt.imshow(img_arr)

#将图片进行左右翻转
plt.imshow(img_arr[:,::-1,:])

plt.imsave(‘D:\大数据分析\python\456.jpg’,img_arr)

#上下翻转
plt.imshow(img_arr[::-1,:,:])

#裁减，熊猫头部
plt.imshow(img_arr[40:290,100:400,:])

变形reshape(重点)

• 注意：变形前和变形后数组的容量不可以发生变化

arr = np.random.randint(0,100,size=(2,8))
arr

arr_1 = arr.reshape((4,4))
arr_1

arr_2 = arr_1.reshape((16,))
arr_2

级联操作(重点)

- 将多个numpy数组进行横向或者纵向的拼接

• axis轴向的理解
  • 0:列
  • 1:行
• 问题：
  • 级联的两个数组纬度一样，但是行列个数不一样会如何？

arr1 = np.random.randint(0,10,size=(3,4))
arr2 = np.random.randint(0,10,size=(4,4))

np.concatenate((arr1,arr1),axis=0) #axia=0表示列，1表示行

np.concatenate((arr1,arr2),axis=0) #如果进行行跟行的级联要保证级联的两个数组的行数保持一致

#制作一个熊猫照片的9宫格
img_arr_3 = np.concatenate([img_arr,img_arr,img_arr],axis=1)
img_arr_9 = np.concatenate([img_arr_3,img_arr_3,img_arr_3],axis=0)
plt.imshow(img_arr_9)

常用的聚合操作(重点)

• sum(求和)，max(求最大值)，min(求最小值)，mean(求均值)，count(求元素个数)

arr = np.random.randint(0,10,size=(4,6))
arr

#求所有元素的和
arr.sum()

#求每一列的和
arr.sum(axis=0)

#求每一行的和
arr.sum(axis=1)

np.square(arr)

常用的统计函数(重点)

• numpy.median()函数用于计算数组a中元素的中位数（中值）
• 标准差std()，标准差是一组数据平均值分散程度的一种度量。
  • 公式：std = sqrt(mean((x - x.mean())**2))
  • 如果数组是[1,2,3,4],则其平均值为2.5。因此，差的平方是[2.25,0.25,0.25,2.25]，并且其平均值的平方根除以4，即sqrt(5/4)，结果为1.1180339887498949。
• 方差var()，统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数，即 mean((x - x.mean())** 2)。换句话说，标准差是方差的平方根。

np.median(arr,axis=0)#求arr每一列对应的中位数

np.std(arr,axis=1)

np.std(arr,axis=0)

#求出arr中最大元素的下标
np.argmax(arr)