任务一: Numpy概述
- shape属性: 数组大小
>>> a = np.array ([1,2,3,4,5,6]) >>> a.shape (6,) >>> b = np.array([[1,2,3,4,5],[2,3,4,5,6,7,8]]) >>> b.shape (2,) >>> b = np.array([[1,2,3,4,5],[2,3,4,7,8]]) >>> b.shape (2, 5)
- 可以直接进行数值运算
任务二: array结构
基本操作
- dtype
-
>>> a = np.array ([1,2,3,4,5,6]) >>> a.dtype dtype('int32') >>> a = np.array ([1,2,3,4,5,6.0]) >>> a.dtype dtype('float64') >>> a = np.array ([1,2,3,4,5,'a']) >>> a.dtype dtype('<U11')
itemsize
-
size
-
fill
索引与切片
- 与python相同
任务三: 数组结构
矩阵
- shape 数组大小
- size 元素个数
- ndim 维数
- [ , , ] 元素索引
- copy() 复制数组
- arange(start, end, dis) 初始化等差数列
- where() 返回满足条件的位置
任务四: 数组类型
- array(data , dtype)
- object 数据类型
- astype()
任务五: 数值运算
- .sun(data, axis = 纬度) 求和
- .prod(data, axis = 纬度) 求积
- .max(data, axis = 纬度) .argmax
- .min(data, axis = 纬度) .argmin
- .mean(data, axis = 纬度) 平均值
- .std(data, axis = 纬度) 标准差
- .var(data, axis = 纬度) 方差
- .clip(min , max) 最大最小限制
- .round(decimals = 精度) 四舍五入
任务六: 排序
- .sort(data, axis = 纬度) ,argsort()
- .linespace(start, end, dis) 线性分配
- .searchsorted(data, values) data需要有序 返回value插入后依然有序的位置
- .lexsort() 字典序排序
任务七: 数组形状操作