简单记录numpy库的某些基本功能

这里介绍python的一个库，numpy库，这个库是机器学习，数据分析最经常用到的库之一，也是利用python做数据必须用到的一个库，入门机器学习学的第一个python库就是它了。

先对其导入到python中，相关代码如下：

import numpy

　1.首先利用这个库创建一个一维数组：

a=np.arange(10)
print(a)

　　输出结果如下：

[0 1 2 3 4 5 6 7 8 9]

　2.创建一个布尔型的数组：

a=np.full((3,3),True,dtype=bool)
print(a)

　　结果如下：

[[ True  True  True]
 [ True  True  True]
 [ True  True  True]]

　3.从一维数组从提取满足条件的元素，比方说提取出奇数的元素：

import numpy as np
a=np.arange(10)
print(a[a%2==1])

　　结果如下：

[1 3 5 7 9]

　4.将数组中的所有奇数替换成-1而不影响原始的数组：

import numpy as np
a=np.arange(10)
print(a[a%2==1])
out=np.where(a%2==1,-1,a)
print(out)
print(a)

　　结果如下：

[1 3 5 7 9]
[ 0 -1  2 -1  4 -1  6 -1  8 -1]
[0 1 2 3 4 5 6 7 8 9]

　5.将一行的数组转化为两行的数组：

import numpy as np
a=np.arange(10)
print(a)
b=a.reshape(2,-1)
print(b)

　　结果如下：

[0 1 2 3 4 5 6 7 8 9]
[[0 1 2 3 4]
 [5 6 7 8 9]]

　6.组合两个不同的数组，垂直堆叠数组：

import numpy as np
a=np.arange(10).reshape(2,-1)
print(a)
b=np.ones(10).reshape(2,-1)
print(b)
c=np.concatenate((a,b),axis=0)
print(c)

　　结果如下：

[[0 1 2 3 4]
 [5 6 7 8 9]]
[[1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]]
[[0. 1. 2. 3. 4.]
 [5. 6. 7. 8. 9.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]]

　7.采用另外的一种方法水平堆叠两个不同的数组：

import numpy as np
a=np.arange(10).reshape(2,-1)
print(a)
b=np.ones(10).reshape(2,-1)
print(b)
c=np.hstack((a,b))
print(c)
#垂直堆叠的话将hstack改为vstack

　结果如下：

[[0 1 2 3 4]
 [5 6 7 8 9]]
[[1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]]
[[0. 1. 2. 3. 4. 1. 1. 1. 1. 1.]
 [5. 6. 7. 8. 9. 1. 1. 1. 1. 1.]]

　8.如何获得两个数组之间的共同元素：

import numpy as np
a=np.array([0,1,2,3,4,5,6,7,8,9]).reshape(2,-1)
b=np.array([7,2,3,8,6,5,4,0,8,8]).reshape(2,-1)
c=np.intersect1d(a,b)
print(c)

　　结果：

[0 2 3 4 5 6 7 8]

　9.如何交换二维数组中的两个列，比方说第一和第二列：

import numpy as np
a=np.array([0,1,2,3,4,5,6,7,8]).reshape(-1,3)
print(a)
b=a[:,[1,0,2]]
print(b)

　　结果：

[[0 1 2]
 [3 4 5]
 [6 7 8]]
[[1 0 2]
 [4 3 5]
 [7 6 8]]

　10.创建一个随机数组：

import numpy as np
a=np.random.random(9).reshape(3,3)
print(a)

　　结果：

[[0.35743078 0.45562558 0.47565199]
 [0.21876288 0.7162558  0.88601442]
 [0.87192744 0.2853304  0.48398916]]

　11.打印数组并且保留3位小数：

import numpy as np
a=np.random.random(9).reshape(3,3)
print(a)
np.set_printoptions(precision=3)
print(a)

　　结果：

[[0.61684015 0.01555676 0.59569796]
 [0.74603776 0.04927135 0.98439895]
 [0.38879249 0.71765352 0.24739962]]
[[0.617 0.016 0.596]
 [0.746 0.049 0.984]
 [0.389 0.718 0.247]]

　12.求数组的平均值，中位数和标准差：

import numpy as np
a=np.random.random(9).reshape(3,3)
print(a)
mean,mid,std=np.mean(a),np.median(a),np.std(a)
print(mean,mid,std)

　　结果：

[[0.69353914 0.41381197 0.08503532]
 [0.59348658 0.72611527 0.93285931]
 [0.11307856 0.01634739 0.71822684]]
0.476944488122813 /t 0.593486582461256 0.3146044225752866

　　这里顺便提一下其他的函数，比方绝对值函数abs，平方函数square，四舍五入函数rint，方差var，求和平均值就不说了。。

13.多维数组的切片：

import numpy as np
a=np.arange(24).reshape((2,3,4))
print(a)
print()
#选取一个维度的
b=a[:,1,-3]
print(b)
print()
c=a[:,1:3,:]
print(c)
print()
#利用步长跳跃切片
d=a[:,:,::2]
print(d)

　　结果如下：

[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]

[ 5 17]

[[[ 4  5  6  7]
  [ 8  9 10 11]]

 [[16 17 18 19]
  [20 21 22 23]]]

[[[ 0  2]
  [ 4  6]
  [ 8 10]]

 [[12 14]
  [16 18]
  [20 22]]]

　　暂时第一篇博客就写到这，因为自己是菜鸡中的菜鸡，所以如果以上的代码或者结果有错误的话，也很正常，欢迎指正指导！

转载于:https://www.cnblogs.com/yiduobaozhiblog1/p/8576683.html