numpy

基于行

学到的函数

创建数组(矩阵）

import numpy as np

a = np.array([1,2,3,4])
b = np.array(range(1,5),#dtype="c32"指定数据类型#)
c = np.arange(1,5)

##嵌套语句
d = np.array([random.random() for i in range(10)])

type(a)
##numpy.ndarray
a.dtype
##dtype('int64')

np.zeros(2，3)#创建相应形状的0矩阵
np.ones(0,10).astype(int)#创建1矩阵,且规定数据类型
np.eye(5)#创建维数为3的单位矩阵

数组形状

a.shape[0]#读取第0维的长度

a.shape
##(4,)

a.reshape(2,2)
##array([1,2]
##		[3,4])

数组转置的几种方法

t = np.arange(12).reshape((3,4))

t.T
t.tanspose()
t.swapaxes(0,1)

数组取数据

t[1,2]
t[:,0]#取第一列
t[[0,2],:]#取第一三行
t[t<10]

数值修改

选中数据直接赋值

np.where(t<10,0,10)#三元运算：<10的改为0，其余的改为10
np.clip(5,10)#<5的改为5，>10的改为10

数组拼接

np.vstack((t1,t2)) #竖直拼接
np.hstack((t1,t2)) #水平拼接

数组行列交换

修改之后重新赋值回去

t[:,[1,3]] = t[:,[3,1]]#交换列
t[[0,1,2],:] = t[[2,1,0],:]#三行换序

数组计算

略，见视频
广播原则，（2，2，3）的和（2，3）可以进行计算

argmin(t)#返回索引
argmax(t,aixs = 1)#求第1轴最大值，返回索引
t.max(axis)
np.sum(t,aixs = 0)  t.sum()  t.sum(aixs = 0)
np.ptp(t,aixs)#极值
np.median(t,aixs)
t.std(sxis)#标准差
t.mean(aixs)#均值

nan

每个nan数据不同，自己和自己也不同，可以做文章
nan和任何数据计算结果都是nan

统计相关

np.random.rand(2,3)#创建指定形状的范围为0-1的随机数组
np.random.randn(3，2，4)#同上 数据为正态分布
.randint(0,10,(2,3))# min0 max10
.normal(bar,std,(2,3))#指定参数正态
.uniform(high,low,(shape))#均与分布
.seed(10)#种子

注意

a=b 完全不复制，a和b相互影响

a=b[:],视图的操作，一种切片，会创建新的对象a，但是a
的数据完全由b保管，他们两个的数据变化是一致的

a=b.copy(),复制，a和b互不影响

读取数据