Python学习---Numpy

numpy: 数据分析处理数据的常见的库,支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

numpy官网 https://numpy.org/
优点：

• 运算速度快：numpy 都是采用 C 语言编写,
• 消耗资源少：采用的是矩阵运算，会比 python 自带的字典或者列表快好多

基本语法

几种 numpy 的属性:

• ndim：维度
• shape：行数和列数
• size：元素个数

import numpy as np
#列表转化为矩阵
array=np.array([[1,2,3],[2,3,4],[3,4,5]])
print(array.ndim)
print(array.shape)
print(array.size)

关键字:
array：创建数组
dtype：指定数据类型
zeros：创建数据全为0
ones：创建数据全为1
empty：创建数据接近0
arrange：按指定范围创建数据
linspace：创建线段

array1=np.array([[1,2],[3,2]])
array2=np.zeros((3,4)) # 数据全为0，3行4列
array3=np.ones((3,4)) # 数据全为1，3行4列
array4=np.arange(0,10,2)#0--9步长为2的数组
array5=np.arange(6).reshape((2,3))
array6=np.linspace(1,10,20)# 开始端1，结束端10，且分割成20个数据，生成线段

numpy 的几种基本运算

Numpy中具有很多的数学函数工具，比如三角函数等，当我们需要对矩阵中每一项元素进行函数运算时

array7=np.dot(array1,array1)#矩阵点乘
array8=np.sum(array1)#求和
array9=np.min(array1)#最小值
array10=np.max(aray2)#最大值

。

np.sum(array1,axis=1)# 当axis的值为0的时候，将会以列作为查找单元， 当axis的值为1的时候，将会以行作为查找单元

argmin() 和 argmax() 两个函数分别对应着求矩阵中最小元素和最大元素的索引。相应的，在矩阵的12个元素中，最小值即2，对应索引0，最大值为13，对应索引为11。

np.argmax(array1)
np.argmin(array1)
np.mean(array1)#平均值
np.average(array1)#平均值
np.sort(array1)#每一行进行从小到大排序操作
array1.T#矩阵转置
np.transpose(array1)

Numpy 索引

a=np.array([1,2,3,4])
b=np.array([[1,2,3],[3,4,5]])
print(a[2])#一维索引
print(b[1][1])#二维索引

Numpy array 合并

A = np.array([1,1,1])
B = np.array([2,2,2])
C = np.vstack((A,B))
D = np.hstack((A,B)) 

Numpy array 分割
注意分割要等量对分

A = np.arange(12).reshape((3, 4))
np.split(A,2,axis=1)#纵向分割
np.split(A,3,axis=0)#横向切割

Reference

莫烦python
https://mofanpy.com/tutorials/data-manipulation/np-pd/np-array/
菜鸟教程
https://www.runoob.com/numpy/numpy-tutorial.html

未完待续…