numpy使用

numpy是Python的一种开元的数值计算扩展，它可以用来存储和处理大型矩阵。接下来介绍一下numpy的一些使用操作。

安装

pip install numpy

操作

import numpy as np

#创建一个指定行列的数组，默认值是0或者∞或者-∞
np.empty((3,4))

#计算矢量x的范数(长度)
x = np.array([3,3])
np.linalg.norm(x)

#计算矢量的弧度
a = np.arctan(3.0/3.0)
#将弧度转化为角度
b = np.rad2deg(a)
#将角度转化为弧度
np.deg2rad(b)

#向b1方向移动，再向b2方向移动
b1 = np.array([3,0])
b2 = np.array([0,3])
np.linalg.norm(b1+b2)

#使用两个矢量相减，可以计算两点之间的距离
b2 = np.array([2,7])
b1 = np.array([8,3])
np.linalg.norm(b2-b1)

#点乘
b1.dot(b2)

#余弦相似度，向量的内积，对应元素相乘，再相加
costheta = b1.dot(b2)/(np.linalg.norm(b1)*np.linalg.norm(b2))

这里举一个简单的例子，计算函数 'y=-3x**2+5x-6' 的最大值。

#在X轴上生成20000个从-10000到10000的离散点
#使用矢量计算直接生成多项式'-3x**2+5x-6'的所有计算结果，注意这里没有使用循环，一次计算了20000个结果
x = np.linspace(-10000,10000,20000)
y = (x ** 2)* -3 + 5 * x - 6#矢量运算，计算机会加速此类运算
#获取当前矢量中的最大值
print(y.max())
#获取当前数组最大值对应的索引
print(y.argmax())

np.nan #not a number 当数据读取缺失或计算异常时会出现，本质是一个浮点数
np.inf #无穷大
np.exp(10) #以e为底的指数
np.log(10) #对数
np.sin(10) #三角函数
np.sqrt(10) #开方
x.astype(np.int) #将数组类型强制转换为int
x.shape #返回x数组的行列数
n_array < 60 #返回满足条件的布尔类型矩阵
np.count_nonzero(n_array < 60)#统计满足条件的个数
n_array[n_array < 60]#将a_array中小于60的数值选择出来
n_array.sum()#和
n_array.mean()#求平均值
n_array.std()#标准差
n_array.max()#最大值
n_array.min()#最小值
n_array[:,1]#选择当前二维数组第二列
n_array[1,:]#选择当前二维数组第二行
n_array[:,:,1]#选择当前三维数组第三个维度第二列的所有内容

最后，使用numpy读取 '.csv'文件

#读取文件
#两种方法都可以，一般使用第二种方法
score_array = np.loadtxt(open("score.csv",'rb'),delimiter=",")
score_array = np.genfromtxt("score.csv",delimiter=",")