一，Numpy的数组对象-ndarray

pip show numpy

Name: numpy
Version: 1.21.5
Summary: NumPy is the fundamental package for array computing with Python.
Home-page: https://www.numpy.org
Author: Travis E. Oliphant et al.
Author-email: 
License: BSD
Location: c:\users\administrator\anaconda3\lib\site-packages
Requires: 
Required-by: astropy, bkcharts, bokeh, Bottleneck, daal4py, datashader, datashape, gensim, h5py, holoviews, hvplot, imagecodecs, imageio, matplotlib, mkl-fft, mkl-random, numba, numexpr, pandas, patsy, pyerfa, PyWavelets, scikit-image, scikit-learn, scipy, seaborn, statsmodels, tables, tifffile, xarray
Note: you may need to restart the kernel to use updated packages.

在 [2] 中：

pip install numpy

Requirement already satisfied: numpy in c:\users\administrator\anaconda3\lib\site-packages (1.21.5)
Note: you may need to restart the kernel to use updated packages.

在 [3] 中：

pip show matplotlib

Name: matplotlib
Version: 3.5.2
Summary: Python plotting package
Home-page: https://matplotlib.org
Author: John D. Hunter, Michael Droettboom
Author-email: matplotlib-users@python.org
License: PSF
Location: c:\users\administrator\anaconda3\lib\site-packages
Requires: cycler, fonttools, kiwisolver, numpy, packaging, pillow, pyparsing, python-dateutil
Required-by: seaborn
Note: you may need to restart the kernel to use updated packages.

Numpy最重要的一个特点是其N维数组对象ndarray，它是用于存放同类型元素的多维数组，ndarray中的每个元素在内存中占有相同大小的区域。

二，对象ndarray的常用方法

在 [5] 中：

import numpy as np

在[7]中：

arr = np.array([4,8,6,7,3])             #创建数组对象arr

在[8]中：

arr.shape                         #形状为一维数组         一行五列

输出[8]：

(5,)

在 [9] 中：

arr.ndim                         #数组的维度为1维

输出[9]：

1

在[10]中：

arr.size                         #数组的个数

输出[10]：

5

在[13]中：

arr2 = np.array([[1,3,5,4],[7,8,6,4]])

在[14]中：

arr2.shape                          #两行四列

输出[14]：

(2, 4)

在[15]中：

arr2.ndim                             #二维

输出[15]：

2

在[16]中：

arr2.size                             #八个

输出[16]：

8

在[17]中：

arr2.dtype

输出[17]：

dtype('int32')

在[19]中：

np.arange(1,100,3)

出[19]：

33

在[21]中：

np.linspace(10,100,5)

输出[21]：

array([ 10. ,  32.5,  55. ,  77.5, 100. ])

在[23]中：

np.logspace(10,100,10)

输出[23]：

array([1.e+010, 1.e+020, 1.e+030, 1.e+040, 1.e+050, 1.e+060, 1.e+070,
       1.e+080, 1.e+090, 1.e+100])

在[28]中：

arr4 = np.zeros([3,5,5])

在[29]中：

arr4

出[29]：

array([[[0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.]],

       [[0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.]],

       [[0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.]]])

In [30]:

np.ones([4,6])

Out[30]:

array([[1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1.]])

In [31]:

np.empty([3,8])

Out[31]:

array([[1., 1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1., 1.]])

三，ndarray对象的索引与切片

In [39]:

arr = np.arange(10).reshape(2,5)

In [40]:

arr

Out[40]:

array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])

In [41]:

arr[0,3]

Out[41]:

3

In [42]:

arr[slice(2,3)]

Out[42]:

array([], shape=(0, 5), dtype=int32)

In [45]:

arr = np.arange(0,20,2)

In [46]:

arr

Out[46]:

array([ 0,  2,  4,  6,  8, 10, 12, 14, 16, 18])

In [47]:

arr[1:6]

Out[47]:

array([ 2,  4,  6,  8, 10])

In [48]:

arr[slice(1,6,2)]

Out[48]:

array([ 2,  6, 10])

In [51]:

arr6 = np.arange(24).reshape(4,6)

In [52]:

arr6

Out[52]:

array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])

In [53]:

arr7 = arr6[1:3,0:4]

In [54]:

arr7

Out[54]:

array([[ 6,  7,  8,  9],
       [12, 13, 14, 15]])

In [57]:

arr7 = arr6[0:2,1:4]

In [59]:

arr7

Out[59]:

array([[1, 2, 3],
       [7, 8, 9]])

四，Numpy的通用函数

1.数学函数
2.随机函数
3.统计函数
4.其他函数

五，数组运算

六，matplotlib数据可视化数据库的应用

在[65]中：

import matplotlib.pyplot as plt

在[93]中：

plt.plot([1,2,3,4,5,6,7],[5,6,6,5,6,6,5])
plt.plot([1,1,4,7,7],[5,3,1,3,5])
plt.xlabel('Grade')
plt.ylabel('Course')
#plt.axis([-5,5,-5,5])

plt.savefig('../R&Q_pic/test0.png',dpi = 600)