day3 - 初学numpy

0.numpy介绍

NumPy是一个功能强大的Python库，主要用于对多维数组执行计算。NumPy这个词来源于两个单词-- Numerical和Python。NumPy提供了大量的库函数和操作，可以帮助程序员轻松地进行数值计算。在数据分析和机器学习领域被广泛使用。他有以下几个特点：

1. Numpy内置了并行运算功能，当系统有多个核心时，做某种计算时，numpy会自动做并行计算。
2. Numpy底层使用C语言编写，内部解除了GIL（全局解释器锁），其对数组的操作速度不受Python解释器的限制，效率远高于纯Python代码。
3. 实用的线性代数、傅里叶变换和随机数生成函数。

安装
通过 pip install numpy 即可安装，如果是 anaconda 环境，默认就安装好了

教程地址：

1. 官网：https://docs.scipy.org/doc/numpy/user/quickstart.html。
   numpy官方

1. ndarray介绍

NumPy提供了一个N维数组类型ndarray，它描述了相同类型的“items”的集合。

-例如

import numpy as np

# 创建 ndarray
```py
score = np.array([
    [80, 89, 86, 67, 79],
    [78, 97, 89, 67, 81],
    [90, 94, 78, 67, 74],
    [91, 91, 90, 67, 69],
    [76, 87, 75, 67, 86],
    [70, 79, 84, 67, 84],
    [94, 92, 93, 67, 64],
    [86, 85, 83, 67, 80]]
)

score

array数组的属性

"""三维数组"""
score2=np.array(
    [# 一维
        [ # 二维
            [55, 56, 67, 57, 58],  # 三维
            [25, 26, 27, 28, 30],
            [66, 68, 67, 63, 51]
        ],
        
        [ # 二维
            [55, 56, 67, 57, 58],  # 三维
            [25, 26, 27, 28, 30],
            [66, 68, 67, 63, 51]
        ]
    ],dtype='<U11'
)
score2

2.矩阵

常规建议在jupyter notebook输入np.arange?了解等差数列

在jupyter notebook输入np.logspace了解等比数列
以下是我在jupyter notebook的截图

3.正态分布

正态分布是一种概率分布。正态分布是具有两个参数μ和σ的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ是此随机变量的标准差，所以正态分布记作N(μ，σ )。
μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。

正态分布创建

• np.random.randn(d0, d1, …, dn)

  功能：从标准正态分布中返回一个或多个样本值

• np.random.normal(loc=0.0, scale=1.0, size=None)

  loc：float 此概率分布的均值（对应着整个分布的中心centre）

  scale：float 此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）

  size：int or tuple of ints 输出的shape，默认为None，只输出一个值

• np.random.standard_normal(size=None)

  返回指定形状的标准正态分布的数组。

• 案例-生成均值为1.75，标准差为1的正态分布数据，100000000个

import matplotlib.pyplot as plt

# 生成均值为1.75，标准差为1的正态分布数据，100000000个
x1 = np.random.normal(loc=1.75, scale=1, size=100000)

import matplotlib.pyplot as plt

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.绘制图像
plt.hist(x1, 1000)

# 3.显示图像
plt.show()

4.均匀分布

• np.random.rand(d0, d1, …, dn)
  • 返回**[0.0，1.0)**内的一组均匀分布的数。
• np.random.uniform(low=0.0, high=1.0, size=None)
  • 功能：从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.
  • 参数介绍:
    • low: 采样下界，float类型，默认值为0；
    • high: 采样上界，float类型，默认值为1；
    • size: 输出样本数目，为int或元组(tuple)类型，例如，size=(m,n,k), 则输出mnk个样本，缺省时输出1个值。
  • 返回值：ndarray类型，其形状和参数size中描述一致。
• np.random.randint(low, high=None, size=None, dtype=‘l’)
  • 从一个均匀分布中随机采样，生成一个整数或N维整数数组
  • 取数范围：若high不为None时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数。

• 案例

import matplotlib.pyplot as plt

# 生成均匀分布的随机数
x2 = np.random.uniform(-1, 1, 100000000)

# 画图看分布状况
# 1）创建画布
plt.figure(figsize=(10, 10), dpi=100)

# 2）绘制直方图
plt.hist(x=x2, bins=1000)  # x代表要使用的数据，bins表示要划分区间数

在vscode的截图

教程地址：

1. 官网：https://docs.scipy.org/doc/numpy/user/quickstart.html。
   numpy官方