python进阶-numpy基本操作

numpy基本操作

1.下载numpy安装包

首先，同样的方法把numpy这个包下载一下，打开cmd，进入python下载目录的scripts目录下，输入pip install numpy
下载完了还要去pycharm里面下载这个包，方法为：file-seettings-project interpreter-右边的加号-搜索numpy-install package，下载成功就可以了。
代码变颜色了说明可以识别了，代码可以开始写了！

2.介绍数组概念

数组跟列表，列表可以存储任意类型的数据，而数组只能存储一种类型的数据。

print(array.array('i',range(10)))

结果：

如果传入一个字符串，会报错。

3.从原有列表转换为数组

a_list = list(range(10))
b = np.array(a_list)
print(type(b))

4.生成数组

a = np.zeros((4,4),dtype=int)
print(type(a))
#查看数组类型
print(a.dtype)
print(a)

因为设置了dtype的类型为int，所以是int32的类型，如果不设置，默认为float类型。a是一个4*4的数组。
np.ones也可以生成数组。

print(np.ones((4,4), dtype=float))

更多时候我们想指定一个值，而不是0或1。这时我们可以用full指定元素，指定每一个值都是3.14：

print(np.full((3,3), 3.14))

用zero_like函数也可以生成数组
前面知道，a是一个4*4的空数组，用zero_like函数把a这个数组传入np

print(np.zeros_like(a))
print(np.ones_like(a))
print(np.full_like(a,4.12,dtype=float))

5.random

与random.random()不同，np.random.random()可以写参数

print(np.random.random((3,3)))

注意random只能有一个参数，（3,3）这是一个参数。输出结果是0到1的数字的33列表。
如果要生成0到10的55矩阵。注意参数的位置

`print(np.random.randint(0,10,(5,5)))`

6.范围取值

先看一下range的用法，输出0到10的一个列表，步长为2

print(list(range(0,10,2)))

如果是numpy，输出一个数组

print(np.arange(0,10,2))

另外一个会常用到的函数是line_space，这里输出的是0到3之间的数，是100位数字的一维数组，步长相同，都是0.03030303

print(np.linspace(0,3,100))

还有一个，np.eye，生成一个n维的单位矩阵，比如

print(np.eye(5))

7.访问数组中元素

7.1嵌套列表的元素访问

var = [[1,2,3],[4,5,6],[5,6,7]]
print(var[0][0])    #比如要访问元素1

7.2数组中元素的访问

把var转换为数组，比如访问元素5。两种访问方式是等价的

a = np.array(var)
print(a)
print(a[-1][0],a[-1,0])

7.3数组切片

访问前两行，前两列

print(a[:2,:2])

这种方式，跟上面的方式是不等价的

print(a[:2][:2]) #只有两行

8.数组属性

8.1维度

print(a.ndim)

输出结果为2，说明a这个数组是2维的

8.2 shape

每一个维度对应的大小尺寸

print(a.shape)

8.3 size

print(a.size)

输出结果为9

8.4 dtype

print(a.dtype)

输出结果为int32

8.5 itemsize

print(a.itemsize)

输出结果为4
说明一个数字占的内存是4个字节

8.6 nbytes

print(a.nbytes)

输出结果为36

9.numpy运算

numpy做运算时是对数组中的每一个数字都进行了运算！

9.1加减乘

a = np.array(range(10))
print(a)
print(a+10,'\n',a-10,'\n',a*100)
a = np.full((3,3),1.0,dtype=float)
print(a+10,'\n',np.add(a,10))  #两种方式等价

9.2 sin

b对a 中每一个数字进行了取sin

a = np.linspace(0,np.pi,5)
b = np.sin(a)
print(a,'\n',b)

numpy函数太多，不一一列举。

10.统计类型

10.1求和

print(sum([1,2,3,4,5,6]))

输出结果21

10.2数组一维求和

a = np.full(10,2.3)
print(sum(a))

23

10.3 数组多维求和

a = np.array([[1,2],[3,4]])
print(sum(a))

只对每一列求和了

10.4 np.sum求和

numpy中存在sum函数，可以对全部数字求和

print(np.sum(a))

输出10

用sum函数对行或列求和

print(np.sum(a,axis=0))  #对列求和
print(np.sum(a,axis=1))  #对行求和

10.5 max

同样可以指定行或列

print(np.max(a))
print(np.max(a, axis=1))

11 比较

a = np.array(range(10))
print(a)
print(a>3,'\n',a!=3,'\n',a==a)
print(np.all(a>-1),'\n',np.any(a>-1))

12 变形

a = np.full((2,10),1,dtype=float)
print(a)
print(a.reshape(4,5))

13 排序

l = [
    [1,2,3],
    [33,4,55],
    [4,32,44]
]
a = np.array(l)
print(a)
print(np.sort(a))
a.sort(axis=0)
print(a)

np.sort是对行排序，axis=0可以指定对列排序

14 拼接

a = np.array([1,2,3])
b = np.array([[1,2,4],[2,4,5]])   #注意写法，array后面是括号。每一行元素用[]括起来
print(np.concatenate([a,a,a]))
print(np.concatenate([b,b,b]))
print(np.concatenate([b,b,b],axis=0))  #按照行拼
print(np.concatenate([b,b,b],axis=1))   #按照列拼

下面讲pandas