Python Numpy常用函数方法

 Python读取.data数据：使用Pandas的DataFrame：

import pandas as pd
df = pd.read_csv('hayes-roth.data',header=None)

将df转np数据：

import numpy as np
df_1 = np.array(df)

np.argmin(array,axis=1)#axis=1 表示求出每行的最小值的下标

np.random.choice

np.random.choice()

import random

random.uniform(a,b)#随机生成一个实数，它在 [a,b] 范围内
random.sample(population, k)，多用于截取列表的指定长度的随机数，但是不会改变列表本身的排序

np.tile用法

np.tile(A,B)
#将A重复B次数,B可以是int型,也可以是元组(a,b)
#例如：
mat = array([[1,2], [3, 4]])
tile(mat, (1, 4))
# 等同于
tile(mat, 4)

np.any()
np.all(a, axis=None, out=None, keepdims=<no value>, *, where=<no value>)
#返回值是布尔值

pd groupby 分组

主要的作用是对DataFrame数据，进行数据的分组以及分组后的组内运算

pd.DataFrame(set).groupby(minDisindex).mean()#这是分组后还进行了组内均值计算

for i,j in enumerate(minDistIndices):#enumerate()可同时遍历索引和遍历元素

enumerate

enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时输出数据下标和数据

​

排序：sort()、sorted()、argsort() (2022.5.19.ipynb)

sort() 只是列表的一个方法，只适用于列表，而sorted() 函数接受一切迭代器，返回新列表。

 a.sort()会改变原有列表，如果想要保留原本的结构，就使用sorted()

 sorted()可以对各种数据结构进行排序：

字典：

多维列表：

使用operator模块中的 itemgetter() 可以实现根据多个参数排序：(传给key)

numpy模块中的argsort()函数:默认对数组进行由小到大排序,返回索引值。

np.r_是按列连接两个矩阵，就是把两矩阵上下相加，要求列数相等。

np.c_是按行连接两个矩阵，就是把两矩阵左右相加，要求行数相等。

np.r_ np.r_参考

np.max()、np.argmax()、np.maximum()、np.min()、np.argmin()、np.minimum()、np.sum()

参考：

https://blog.csdn.net/weixin_41560402/article/details/105277069

np.where

参考：

https://www.cnblogs.com/massquantity/p/8908859.html

np.where和np.argwhere、np.squeezehttps://blog.csdn.net/weixin_42338058/article/details/90813715

np.where与np.argwhere都是返回的条件的索引，只是结果的格式维度不一样

数组升维与降维

升：

 降：数组.reshape(-1)