numpy学习01

广播（原则）机制：可以对数组的每一个元素进行操作，同一个形状的数组会在对应相同的位置进行加减乘除计算。

2.不同维度的数组进行计算

t1
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]])
>>> t2 = np.arange(4).reshape(4,1)
>>> t2
array([[0],
       [1],
       [2],
       [3]])
>>> t1-t2
array([[ 0,  1,  2,  3,  4,  5],
       [ 5,  6,  7,  8,  9, 10],
       [10, 11, 12, 13, 14, 15],
       [15, 16, 17, 18, 19, 20]])
>>> 

如上面代码所示，若是二维，会在不同的维度，但其中必须有维度长度（比如列））相等，进行自动扩展，进行计算。但若是三维，则从末尾开始计算起维度的轴长相符或其中一方长度为1，某一方向上（多维数组上，每一维可以看作一个方向）？不理解，比如（3，3，3）不能和（3，2）计算，但（3，3，2）可以和（3，2）计算。

轴：在numpy中可以理解为方向,使用0,1,2...数字表示,对于一个一维数组,只有一个0轴,对于2维数组(shape(2,2)),有0轴和1轴,对于三维数组(shape(2,2, 3)),有0,1,2轴

回顾np.arange(0,10).reshape((2,5)),reshpe中2表示0轴长度(包含数据的条数)为2,1轴长度为5,2X5一共10个数据

3.numpy读取本地数据

csv:逗号分隔值文件

np.loadtxt(fname,dtype=np.float,delimiter=None,skiprows=0,usecols=None,unpack=False)

upack=True,将矩阵沿对角线交换数据，相当于矩阵转置。矩阵转置：

t2 = np.arange(24).reshape(4,6)
>>> t2
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]])
>>> t2.transpose()
array([[ 0,  6, 12, 18],
       [ 1,  7, 13, 19],
       [ 2,  8, 14, 20],
       [ 3,  9, 15, 21],
       [ 4, 10, 16, 22],
       [ 5, 11, 17, 23]])
>>> t2.T
array([[ 0,  6, 12, 18],
       [ 1,  7, 13, 19],
       [ 2,  8, 14, 20],
       [ 3,  9, 15, 21],
       [ 4, 10, 16, 22],
       [ 5, 11, 17, 23]])
>>> t2.swapaxes(1,0)
array([[ 0,  6, 12, 18],
       [ 1,  7, 13, 19],
       [ 2,  8, 14, 20],
       [ 3,  9, 15, 21],
       [ 4, 10, 16, 22],
       [ 5, 11, 17, 23]])

3.numpy取某一行或者某一列的数据

若读取某一行的数据，直接根据某一行行的索引值，就可以读取

import numpy as np

us_file_path = "./youtube_video_data/US_video_data_numbers.csv"
uk_file_path = "./youtube_video_data/GB_video_data_numbers.csv"

t1 = np.loadtxt(us_file_path,delimiter=",",dtype="int")

print(t1)
print("*"*100)
print(t1[2])#直接根据行的索引就可以读取到数据

#取行

取不连续的多行

#取不连续的多行
print("*"*100)
print(t1[[2,8,10]])#


[[5845909  576597   39774  170708]
 [1338533   69687     678    5643]
 [ 859289   34485     726    1914]]

取某一列，:,,冒号加逗号

#取某一列
print(t1[:,0])#只是将列的数据打印成一行。

[4394029 7860119 5845909 ...  142463 2162240  515000]

取连续的多列

#取连续的多列
print(t1[:,2:])


输出：
[[  5931  46245]
 [ 26679      0]
 [ 39774 170708]
 ...
 [   148    279]

取不连续的多列

#取不连续的多列
print(t1[:,[0,2]])


输出：
[[4394029    5931]
 [7860119   26679]
 [5845909   39774]
 ...

取行和列

#取行和列
print(t1[2,3])


输出：
170708

取多行和多列

#取第三行到第五行，第二列到第四列的结果
b = t1[2:5,1:4]
print(b)


[[576597  39774 170708]
 [ 24975   4542  12829]
 [ 96666    568   6666]]

取多个不相邻的点，交叉

#是（0，0）、（2，1）、（2，3）组合
c = t1[[0,2,2],[0,1,3]]
print(c)


输出：
[4394029  576597  170708]

4.numpy的三元运算符，相当于if,else语句，if t1<10:t1=0 elset1=10

t1 = np.where(t1<10,0,10)

输出：
[[ 0  0  0  0  0  0]
 [ 0  0  0  0 10 10]
 [10 10 10 10 10 10]
 [10 10 10 10 10 10]]

5.numpy中的clip,也是相当于if,else

t1.clip(10,18),<=10换为10，其他则换为18

6.行和列交换

import numpy as np
t = np.arange(12,24).reshape(3,4)
print(t)
#行和列交换
t[[[1,2]],:] = t[[2,1],:]
print(t)

t[:,[0,2]] = t[:,[2,0]]
print(t)


输出：
[[12 13 14 15]
 [16 17 18 19]
 [20 21 22 23]]
[[12 13 14 15]
 [20 21 22 23]
 [16 17 18 19]]
[[14 13 12 15]
 [22 21 20 23]
 [18 17 16 19]]

7.添加全是0和全是1的数组

import numpy as np

us_data = "./youtube_video_data/US_video_data_numbers.csv"
uk_data = "./youtube_video_data/GB_video_data_numbers.csv"

us_data = np.loadtxt(us_data,delimiter=",",dtype=int)
uk_data = np.loadtxt(uk_data,delimiter=",",dtype=int)

zeros_data = np.zeros((us_data.shape[0],1)).astype(int)  #shape[0]表示行,1表示列
ones_data = np.ones((uk_data.shape[0],1)).astype(int)#shape[1]表示列

shape[0]，shape[1]表示行和列

8.np.argmax(t,axis=0)#axis=0表示行

9.numpy生成随机数，np.random，np.random.seeds,随机种子，cv经常用到

创作不易，随意转载