python库之numpy

数据分析的话，还是建议安装 anaconda（Windows、macOS、Linux均可使用） ，它是一个集成环境，包含了conda、Python在内的超过180个科学包及其依赖项，几乎所有你用到的库都已经帮你安装好了，同时如果需要其他的第三方库要安装，可以使用其中的 conda 便捷的安装相应库以及依赖。

最基本创建数组：

import numpy as np

#创建一个二维数组
da=np.array([[1,2,3],[2,3,4],[2,3,4]])
#数组的轴的个数(2维数组)
print(da.ndim)
#数组的维度（3行3列）
print(da.shape)
#数组中元素的类型（int32）
print(da.dtype)
#数组中元素个数9
print(da.size)
#数组中包含的实际元素
print(da.data)

实际应用中，它内置的一些函数更为实用

array，zeros，zeros_like，ones，ones_like，empty，empty_like，arange，linspace，numpy.random.mtrand.RandomState.rand，numpy.random.mtrand.RandomState.randn，fromfunction，fromfile

 

a=np.array([1,2,3],datype=float)

np.zeros((2,3))#俩行3列都是0

np.ones((3,4) ,dtype=np.int16)#3行4列都是1

np.empty(5)

np.arange(1,10,2)#从1到10，每间隔2个数字生成数组

np.sin(pi/3)

numpy还有很多常用的内置方法

import numpy as np
np.random.random((2, 3))  # 创建一个元素值为0-1之间的随机数的 2*3 的矩阵
data = np.array([2, 3, 4, 6, 1, 7, 9])
data.sum()  # 求数组所有元素的和
data.max()  # 求数组中最大值
data.min()  # 求数组中最小值
# 除此之外还包括下面这些常用函数
# prod 积  mean 平均数  std 标准差  var 方差  argin 最小值索引  argmax 最大值索引  median 中位数  any 至少一个为真  all 所有元素为真

#numpy中的“*”是数乘（按元素运算），矩阵乘法用dot函数来表示，表示为 c.dot(d)。

  reshape 修改数组的结构

data.reshape((x, y))  # 将原数组变为x行y列
data.resize((x, y))   # resize与reshape不同之处在于，resize改变数组本身
data.ravel()          # 将多维数组展平为一维
data.T                # 将数组转

 数组的索引切片

data[x:y:z]  # 表示从下标 x 到 y-1 中按步长 z 取元素

 numpy运算

import numpy as np

#创建一个二维数组
a=np.array([1,2,3])
b=np.array([3,4,5])
#相加
print(a+b)
print(a-b)
print(a**2)#数组a的平方
a+=3
print(a)

numpy的行列计算

import numpy as np

data=np.range(12).reshape(3,4)

data.sum(axis=0)#按列求和

data.min(axis=1)#每行的最小值

data.cumsum(axis=1)#按行计算累加

注意：广播也是numpy，也就是俩个行和列不同的矩阵进行运算，A（2,3）、B（3）

参考：https://www.cnblogs.com/yudanqu/p/12442808.html