numpy模块学习笔记

# encoding=utf-8
import numpy as np
from numpy.linalg import *


def main():
    # 1、最基本的array
    lst = [[1, 3, 5], [2, 4, 6]]
    print(type(lst))  # <class 'list'>
    np_lst = np.array(lst)
    print(type(np_lst))  # <class 'numpy.ndarray'>
    # 指定数据类型 bool int int8/16/32/64/128 uint8/16/32/64/128 float/16/32/64 complex64/128
    np_lst1 = np.array(lst, dtype=np.float)
    # 相关属性
    print(np_lst1.shape)  # 形状
    print(np_lst1.ndim)   # 维度
    print(np_lst1.dtype)  # 类型
    print(np_lst1.itemsize)  # 每个元素的大小（字节）
    print(np_lst1.size)   # 大小(元素个数)

    # 2、常用的数组
    print(np.zeros([2, 4]))  # 零
    print(np.ones([3, 5]))   # 壹
    print("Rand:")
    print(np.random.rand())
    print(np.random.rand(2, 4))
    print(np.random.randint(1, 10, 3))
    # 正态分布
    print("Randn:")
    print(np.random.randn(2, 4))
    # 从提供的数字里面挑选
    print("Choice:")
    print(np.random.choice([10, 20, 30]))
    # 生成其他分布
    print("Distribute:")
    print(np.random.beta(1, 10, 20))

    # 3、numpy的相关操作
    # 单个数组
    lst2 = np.arange(1, 11).reshape([2, 5])
    print(lst2)
    print("Exp:")  # 指数(以e为底)
    print(np.exp(lst2))
    print("Exp2:")  # （以2为底）
    print(np.exp2(lst2))
    print("Sqrt:")  # 开方
    print(np.sqrt(lst2))
    print("Sin:")  # 求正弦
    print(np.sin(lst2))
    print("Log:")  # 求对数
    print(np.log(lst2))
    print("Sum:")  # 求和 可以传入axis=?
    print(lst2.sum(axis=0))  # axis越大 层次越深
    print("Max:")  # 求最大值 axis=? Min一样
    print(lst2.max())

    # 两个数组
    a = np.array([11, 22, 33, 44])
    b = np.array([1, 2, 3, 4])
    # 加减乘除
    print("Add: %s" % (a+b))
    print("Sub: %s" % (a-b))
    print("Mul: %s" % (a*b))
    print("Div: %s" % (a/b))
    print("Dot:")  # 点乘
    print(np.dot(a.reshape([2, 2]), b.reshape([2, 2])))
    print("Cancatenate:")
    print(np.concatenate((a, b), axis=0))
    print(np.vstack((a, b)))
    print(np.hstack((a, b)))
    print(np.split(a, 2))

    # 4、矩阵运算 线性方程  # 先引入线性包from numpy.linalg import *
    print(np.eye(3))
    juzhen = np.array([[1, 2],
                       [3, 4]])
    print("Inv: %s" % inv(juzhen))  # 矩阵的逆
    print("T: %s" % juzhen.transpose())  # 矩阵的转秩
    print("Det: %s" % det(juzhen))  # 矩阵的行列式
    print("Eig:")
    print(eig(juzhen))  # 矩阵的特征值和特征向量
    # 解线性方程
    print("Solve:")
    y = np.array([[5], [7]])
    print(solve(juzhen, y))

    # 5、其他领域的应用
    print("FFT：")  # 信号处理
    print(np.fft.fft(np.array([1, 1, 1, 1, 1, 1, 1])))
    print("Coef:")  # 皮尔逊系数
    print(np.corrcoef([1, 0, 1], [0, 2, 1]))
    print("Poly:")  # 一元多次函数
    print(np.poly1d([2, 1, 3]))   # 2x^2 + x +3

if __name__ == "__main__":
    main()

 scipy参考链接：

1、https://docs.scipy.org/doc/scipy-0.7.x/reference/

2、Scipy:高端科学计算

 pandas参考链接：

1、http://pandas.pydata.org/pandas-docs/stable/cookbook.html#cookbook

2、https://www.analyticsvidhya.com/blog/2016/01/12-pandas-techniques-python-data-manipulation/

转载于:https://www.cnblogs.com/xiaxuexiaoab/p/8584734.html