来自 北京理工大学 嵩天老师的视频教程《Python数据分析与展示》,
在 中国MOOC 可以找到。
#2019/07/13
'''数值计算库:SciPy
符号计算库:SymPy
绘图库:Matplotlib
np.arange(n)
'''
numpy库中的函数除了arange()生成整数型浮点数组之外,其余差不多都是浮点数类型,因为科学计算需要
np.ones(shape)
#可以修改元素类型np.ones((2,3),dtype=np.int32)
np.zeros(shape)
np.full(shape,value)
np.eye(n)
np.ones_like(a)
np.zeros_like(a)
np.full_like(a,value
np.linspace(start,end,step)#等间距
np.linspace(1,10,endpoint=False))#最后一个参数决定是否采用最后一个点
np.concatenate()#合并,追加数组
***ndarray数组维度变化
.reshape(shape) 按照shape改变原来的形状,形成新数组
.resize(shape) 按照shape改变原来的形状,但不生成新数组
.swapaxes(ax1,ax2) 调换原数组中的两个维度
.flatten() 对数组进行降维,返回折叠后的一维数组,不改变原数组
ndarray数组的类型变换
new_a=a.astypr(new_type)
比如,a = np.ones((2,3),dtype=np.int)
b = a.astype(np.float)
adarray数组向列表的而转换
ls=a.tolist()
普通列表运算速度可能会比ndarray数组稍慢
***ndarray数组索引和切片
参考普通列表索引规则,在对应位置进行所应和切片
数组与标量之间的运算,即标量与数组中每一个元素进行运算
***对ndarray中的数据执行元素级运算函数,如下:
所谓 元素级运算就是与每个元素进行运算
np.abs(x) 和 np.fabs(x) --计算数组各元素的绝对值
np.sqrt(x) --计算数值各元素的平方
np.log(x) np.log10(x) np.log2(x) --计算各元素自然数对数.。。。
np.ceil(x) --计算数组各元素不超过自身的最大整数值
np.floor(x) --计算数组各元素不小于自身的最小整数值