Numpy日常总结

20220105

https://blog.csdn.net/qq_40760163/article/details/89306903
矩阵乘积和对应元素相乘

https://blog.csdn.net/xienan_ds_zj/article/details/86738316
np.matrix之后才能通过.I求逆
矩阵求逆

20210729

https://mp.weixin.qq.com/s/D8s663JMZpxeApG1UcECdA
Numpy闯关100题，我闯了95关。

对于数据分析和机器学习使用Python进行分析的过程中，必然要用到Pandas、Numpy和Matplotlib。针对pandas和matplotlib也都有总结过，今天就来总结一下numpy的日常用法，对数据分析的效率有很大的帮助。

对于numpy的使用在官方文档里面有很多使用方法，但是日常使用的，尤其在机器学习数据预处理环节也就那么几种常规使用，只要会了这些就足够你日常业务数据分析和数据挖掘使用了。对于特殊的可以单独再根据需要从官方文档中进行学习。

Numpy库导入方法：import numpy as np

针对numpy的别名可以自己任意设定，一般使用np比较通用，方便大家理解。

import numpy as np

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

#输出：<class 'numpy.ndarray'>

可以从输出看出numpy的数据类型是ndarray数据类型，可以理解为数据、向量或者矩阵。

整体Numpy的知识框架如下：

详细方法如下：

1、创建数据集相关属性

此部分主要是针对Numpy的多维数据创建和常用的了解数据基本现状的方法，同时对于创建一些特殊的数组，如全0、全1、单位矩阵等常用方法。

2、矩阵计算

此部分主要是针对单个和两个矩阵进行加减乘除、转置等处理。

3、切片和索引

此部分主要是在对数据进行处理的时候，需要获取指定值的索引，矩阵块的获取，还可以通过bool索引进行切片。

4、扩展与分解

主要用在矩阵合并和矩阵分解。

5、随机模块

此部分主要是可以按照不同的随机条件生成不同的数据矩阵。

6、其它
此部分补充一下矩阵元素的排序。

以上就是Numpy日常会用到的所有知识点和方法，大家可以根据自己的数据分析和挖掘重点进行学习和完善，希望对大家有帮助的话可以点赞收藏。