Python 数据挖掘（二） numpy模块 简单使用

1.numpy模块

• 强大的多维（N-dimensional） 数组/矩阵对象
• 复杂的(广播) 函数
• 整合 C/C++ 和 Fortran 代码的工具
• 实用的线性代数、傅里叶变换、随机数

2.numpy简单使用

2.1 导入numpy模块

# 导入模块
import numpy

2.2 创建一维数组

#创建一维数组格式
numpy.array([元素1，元素2，...,元素n])

实例：
x=numpy.array(["a","9","8","2"])
print(x)

输出结果：

2.3 创建二维数组

#创建二维数组格式
numpy.array([[元素1，元素2，...,元素n],[元素1，元素2，...,元素n],[]...[]])

实例：
y=numpy.array([[3,13,10],[9,2,67],[2,6,11]])
print(y)

输出结果：

2.4 排序、最大值和最小值

# 排序sort,默认是从小到大,以二维数组作为实例
y.sort()

# 取最大值和最小值
y1=y.max()#最大值
y2=y.min()#最小值

print('排序后的结果：',y)
print('最大值：',y1)
print('最小值：',y2)

输出结果：

2.5 数组切片

# 数组[起始下标:最终下标+1],以一位数组作为实例:"a","9","8","2"
# 取1-2，取两个数
print("x[1:3]的切片结果：",x[1:3])

# 从初始取到第2个位置
print("x[:2]的切片结果：",x[:2])

# 从第一个下标开始取
print("x[1:]的切片结果：",x[1:])

输出结果：

2.6 矩阵(mat)操作

# -*- coding：utf-8 -*-
import numpy as npy
# 矩阵的创建和常见矩阵
a1=npy.array([1,2,3])
a1=npy.mat(a1)

# 创建一个3*3的零矩阵，矩阵这里zeros函数的参数是一个tuple类型(3,3)
data1=npy.mat(npy.zeros((3,3)))

# 创建一个3*3的1矩阵，默认是浮点型的数据，如果需要时int类型，可以使用dtype=int
data2=npy.mat(npy.ones((3,3)))

# 这里的random模块使用的是numpy中的random模块，random.rand(3,3)创建的是一个二维数组，需要将其转换成#matrix
data3=npy.mat(npy.random.rand(3,3))

# 生成一个3*3的0-10之间的随机整数矩阵，如果需要指定下界则可以多加一个参数
data4=npy.mat(npy.random.randint(10,size=(3,3)))

# data5=npy.mat(npy.random.randint(2,8,size=(3,3))),范围是2-8
# 产生一个2*2的对角矩阵
data6=npy.mat(npy.eye(2,2,dtype=int))
print(data6)