numpy\pandas学习笔记

一、深度学习模型入门

分类问题的基本模型如下

二、numpy学习总结

1、numpy的数组的创建

创建数组：

import numpy as np
np.array([1,2,3,4,5])
np.array(range(1,6))
np.arange(1,6)

①、range和arange的区别
range(n):生成0到n-1个数字
arange([start,],stop[,step],dtype=None):start到stop之间的数字，步长为step.
②、type和dtype的区别
type(Object):检测类型，是数组还是别的类型。
Object.dtype:检测数组中存放的数据的类型。
通过dtype属性指定数组中元素的类型。

t=np.array(range(1,4),dtype="float32")

其中，numpy中常见的更多数据类型

③、astype修改数据类型
假设当t5类型是bool类型时，想要t5类型改为int类型，可以这样做。

t6=t5.astype("int8")

④、numpy中的小数
random.random()
取十个小数

t7=np.array([random.random() for i in range(10)])

np.round(Object，取几位小数)

t8=np.round(t7,2)

此外，取几位小数还有下面的两种方法

round(random.random(),3)//保留三位小数
“%.2f”%random.random()//保留2位小数

2、数组的形状

①、Object.shape:查看数组的形状

②、Object.reshape((块数，行数，列数))

③、Object.flatten():展开数组，将二维数组转为一维数组。
当不知道数组中有多少元素时，还想要展开成一维数组，可以用下面两种方式。

3、数组的计算

①、加减乘除运算：对数组中每个元素进行加减乘除
数组和数组计算：对应位置进行加减乘除。
两个数组维度不同时，也可以进行计算。

②、广播原则

如果两个数组的后缘维度（，即从末尾开始算起的维度）的轴长相符或其中一方的长度为1，则认为它们是广播兼容的。广播会在缺失和长度为1的维度上进行。

③、轴（axis）

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

4、numpy读取数据

读取文件数据

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

矩阵转置的四种方法：
①、添加unpack=True属性转置矩阵


②、Object.transpose()
③、Object.T
④、Object.swapaxes(1,0):交换轴

5、numpy索引和切片

①、取行：Object[行数] 或者 Object[行数,:]-------取第行数行
②、取连续的行：Object[起始行:] 或者 Object[起始行:,:]------取出从行数开始的所有行
③、取不连续的多行：Object[2,5,8] 或者 Object[[2,5,8],:] -----取出2,5,8行数据

①、取列：Object[:,列数]-------取第列数列
②、取连续的列:Object[:,起始列:]------取出从列数开始的所有列
③、取不连续的多列:Object[:,[0,2]]-----取出第0和第2列数据

①、取第2行3列值：Object[2,3]
②、取多行多列：Object[2:5,1:4]
③、取多个不相邻的点：Object[[0,2,2],[0,1,3]]-----取出来的结果是（0,0）、（2,1）、（2,3）

6、numpy数值的修改

①、numpy中的三元运算符where

②、numpy中的clip(裁剪）
小于10的替换为10，大于18的替换为18

③、numpy中的nan的注意点
你有没有发现上面的nan没有被替换，原因是当做了一个不合适的计算的时候（比如无穷大减去无穷大）会出现nan，表示不是一个数字。

那么如何指定一个nan或者inf呢？
要注意它们的type类型。

nan的注意点

④、数组的拼接

⑤、数组的行列交换

7、numpy更多好用的方法

8、numpy中的随机方法

np.random.rand(1,4)

9、numpy的注意点copy和view

10、numpy中常用的统计函数

标准差

三、pandas

import pandas as pd

1、什么是pandas?

2、pandas常用的数据类型

3、pandas之Series的索引和值

4、pandas之读取外部数据

5、pandas之DataFrame

创建DataFrame的两种方式

6、pandas之loc

赋值更改数据的过程

7、pandas之布尔索引

8、pandas之字符串方法