目录
数组的赋值（=），赋值后数组的改变会影响赋值前元素的值 (地址相同)。
数组的复制（.copy()），赋值后数组的改变不会影响赋值前元素的值 (地址不同)。
np.arange(0,100,10)：从0到100，步长为10：
一、AI数据分析入门
1、案例来源
GitHub、kaggle（数据挖掘竞赛网站）
2、Python环境配置（Python3）
-
Python的安装
下载Anaconda：https://www.anaconda.com/
Anaconda中，安装了必备的库、配置好了环境变量、提供了开发环境及许多资源。
-
Python库安装工具
在Anaconda Prompt中配置需要用到的库。
conda list：搜索当前Anaconda中已经装好的库。
安装库：pip install (库名) 或者 conda install (库名)
注：当pip install报错时，使用非官方的Windows中Python扩展包 ，在网站里面选择下载需要的： https://www.lfd.uci.edu/~gohlke/pythonlibs/ （.whl文件是pip的工具包，可以直接下载安装）
-
Jupyter Notebook
用浏览器写代码。新建：new-》Python3
优点：可以加文字说明、图片展示、片段执行（运行：shift+回车）
添加注释（Markdown）：
——(运行)——》
单元格删除： 
单元格恢复：edit-》Undo Delete Cells
文件路径：
import os
print(os.path.abspath('.'))修改文件路径：参考jupyter notebook 如何修改一开始打开的文件夹路径？ - 知乎
二、Python科学计算库——Numpy
1、 Numpy工具包概述
Python在矩阵计算中，不要写list数组结构，把所有矩阵的操作转换成numpy.ndarray结构。
2、数组结构
array数组的加减乘除操作：shape值必须相同。
对于ndarray结构来说，里面的元素必须是同一类型的，如果不是的话，会自动的向下转换。
3、ndarray基本属性操作
打印当前输入是什么类型的
dtype：数组的类型
array元素的字节数
数组元素个数
数组矩阵规模
数组的填充
数组维度
索引与切片：与Python一样 从0开始
矩阵格式（多维的形式）
数组的赋值（=），赋值后数组的改变会影响赋值前元素的值 (地址相同)。
数组的复制（.copy()），赋值后数组的改变不会影响赋值前元素的值 (地址不同)。
4、数据索引方法
np.arange(0,100,10)：从0到100，步长为10：
随机构建10个值
类型的改变（float、int、 object）
astype：转换数组的数据类型
4、数值计算方法
加法操作
指定要进行的操作是沿着什么轴（维度）
乘积操作
取最小值(最大值max同理)
找到最小值索引位置（最大值同理）
求均值
标准差
方差
截断操作在【2,4】范围内
四舍五入
5、排序
np.linspace(start,end.sum)
插入到：np.searchsorted(list_array,values) ,返回插入的位置。
按第一列降序（-1）排序，第三列升序排序。
6、数组形状操作
改变维数（新加轴）
轴压缩
矩阵的转置
数组的连接
hu 
7、数组生成常用函数
构造出来一个数组
线性空间
对数空间，默认是10为底
更常用的zeros ，ones
empty()、fill()：填充
zeros_like：维度相同的情况下进行值的填充
8、运算操作
乘法操作
一维的时候是内积点乘操作
二维的时候是矩阵计算
逻辑或
np.logical_or(x,y)
逻辑与
np.logical_and(x,y)
逻辑非
np.logical_not(x,y)
9、随机模块
随机操作
所有的值都是0到1
返回的是随机的整数，左闭右开
随机的高斯初始化操作
洗牌
随机的种子
(保证每次按照当前模式随机（牌一样，随机发）) 
10、读写模块
%%write li.txt
1 2 3 4 5
6 7 8 9 1python:
data=[]
with open('li.txt') as f:
for line in f.readlines():
fileds=lines.splite()
cur_data=[float(x) for x in fileds]
data.append(cur_data)
data=np.array(data)
data
读取array结构
379
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
