numpy的学习（python）

非常感谢莫烦老师的讲解 ------------->>>>>> 学习视频请自行去B站学习
一、numpy是干嘛的
他是用来方便科学计算的，反正就是用他算的快很多倍
1.1 numpy属性
这是程序员惯用的写法，as np！

import numpy as np

1.2 numpy创建array（数组）
（1）array创建得到的结果是没有逗号的

>>> import numpy as np
>>> a = np.array([1,2,3,4])
>>> print(a)
[1 2 3 4]

（2）还可以查看array的类型

>>> a = np.array([1,2,3,4]）

>>> a = np.array([1,2,3,4],dtype = np.int)
>>> print(a.dtype)
int32

你可以指定类型：位数越小表示占用空间越小，但是精度低

>>> a = np.array([1,2,3,4],dtype = np.int32)
>>> print(a.dtype)
int32
>>> a = np.array([1,2,3,4],dtype = np.int64)
>>> print(a.dtype)
int64

（3）定义多维的矩阵
一个中括号代表一维

import numpy as np
a = np.array([[1,2,3,4],[1,5,6]])
print(a)

但是我的结果是这样的

====================== RESTART: D:/untitled/numpy_1.py ======================
[list([1, 2, 3, 4]) list([1, 5, 6])]
>>> 

请教后，前辈说 ，是因为调用print的时候，会自动调用python的魔法方法__str__才会变成这样。
（4）指定几乘几的矩阵
zeros是全0矩阵，ones是全1矩阵

import numpy as np
a = np.array([[1,2,3,4],[1,5,6]])
b = np.zeros((3,4))
c = np.ones((3,4),dtype = np.int16)
print(b)
print(c)

结果：

====================== RESTART: D:/untitled/numpy_1.py ======================
[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]
[[1 1 1 1]
 [1 1 1 1]
 [1 1 1 1]]
>>> 

（5）np.arange:指定范围、步长的矩阵

import numpy as np
e = np.arange(1,6,2)
print(e)

结果：

====================== RESTART: D:/untitled/numpy_1.py ======================
[1 3 5]
>>> 

（6）按照指定范围，重新定义数组的shape

import numpy as np
f = np.arange(12).reshape((3,4))
print(f)

结果 ：

====================== RESTART: D:/untitled/numpy_1.py ======================
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
>>> 

（7）想要生成一段直线，就是可以根据指定范围和你想分几段

import numpy as np
h = np.linspace(1,10,3)
print(h)

结果：

====================== RESTART: D:/untitled/numpy_1.py ======================
[ 1.   5.5 10. ]
>>> 

（8）在（7）的基础上，也可以重新定义shape

import numpy as np
h = np.linspace(1,10,6).reshape((2,3))
print(h)

结果：

====================== RESTART: D:/untitled/numpy_1.py ======================
[[ 1.   2.8  4.6]
 [ 6.4  8.2 10. ]]
>>> 

1.3 numpy基础运算
（1）加法，减法

import numpy as np
a = np.array([10,20,60,50])
b = np.arange(4)
c = a-b  #减法
d = a+b  #加法
print(a,b,c,d)

结果：

====================== RESTART: D:/untitled/numpy_1.py ======================
[10 20 60 50] [0 1 2 3] [10 19 58 47] [10 21 62 53]
>>> 

（2）三角函数

import numpy as np
a = np.array([10,20,60,50])
b = np.arange(4)
e = np.sin(a)
print(e)

结果：

====================== RESTART: D:/untitled/numpy_1.py ======================
[-0.54402111  0.91294525 -0.30481062 -0.26237485]
>>> 

（3）array有什么值，大于多少有几个，小于多少有几个（这个判断都一样的，改大小等于符号即可），返回的值是bool类型

import numpy as np
a = np.array([10,20,60,50])
b = np.arange(4)
print(b)
print(b < 2)
print(b == 3)

结果

====================== RESTART: D:/untitled/numpy_1.py ======================
[0 1 2 3]
[ True  True False False]
[False False False  True]
>>> 

（4）numpy乘法分两种：
一种是两个矩阵的数字分别相乘，另外一种就是矩阵乘法

import numpy as np
a = np.array([[2,2],
             [1,2]])
b = np.arange(4).reshape(2,2)
f = a * b    #普通乘法
h = np.dot(a,b)   #矩阵乘法
print(a)
print(b)
print(f)
print(h)

结果：

====================== RESTART: D:/untitled/numpy_1.py ======================
[[2 2]
 [1 2]]
[[0 1]
 [2 3]]
[[0 2]
 [2 6]]
[[4 8]
 [4 7]]
>>> 

其中:

h = np.dot(a,b) 

还可以写成：（二者相同）

j = a.dot(b)

（5）求和，求最大值，最小值

np.sum()
np.min()
np.max()

代码：

import numpy as np
a = np.random.random((2,4))   #生成一个2乘以4，范围0到1的矩阵
b = np.sum(a)
f = np.max(a)
h = np.min(a)
print(a)
print(b)
print(f)
print(h)

结果：

====================== RESTART: D:/untitled/numpy_1.py ======================
[[0.44645183 0.91752643 0.64115946 0.45159109]
 [0.26329714 0.04260302 0.54358102 0.95787407]]
4.264084059008507
0.9578740678928407
0.042603016410041605
>>> 

按照行列：

import numpy as np
a = np.random.random((2,4))
b = np.sum(a,axis = 0)#列上求值
f = np.max(a,axis = 1)#行上求值
h = np.min(a)
print(a)
print(b)
print(f)
print(h)

结果：

====================== RESTART: D:/untitled/numpy_1.py ======================
[[0.93756845 0.05245696 0.65505177 0.95276971]
 [0.9756512  0.56996224 0.19874227 0.84663938]]
[1.91321966 0.6224192  0.85379403 1.79940909]
[0.95276971 0.9756512 ]
0.05245695961435226
>>> 

（6）求索引

import numpy as np
a = np.arange(2,14).reshape((3,4))
print(a)
print(np.argmin(a))
print(np.argmax(a))

结果：

====================== RESTART: D:/untitled/numpy_1.py ======================
[[ 2  3  4  5]
 [ 6  7  8  9]
 [10 11 12 13]]
0
11
>>> 

（7）计算平均值
两种写法

import numpy as np
a = np.arange(2,14).reshape((3,4))
print(a)
print(np.mean(a))
print(a.mean())#必须是上面已经定义好了a，才能这样写

结果：

====================== RESTART: D:/untitled/numpy_1.py ======================
[[ 2  3  4  5]
 [ 6  7  8  9]
 [10 11 12 13]]
7.5
7.5
>>> 

还有一个函数：average()也可以计算平均值，写法只能是np.average(a).
（8）中位数:median()
代码：

import numpy as np
a = np.arange(2,14).reshape((3,4))
print(a)
print(np.median(a))

结果：

====================== RESTART: D:/untitled/numpy_1.py ======================
[[ 2  3  4  5]
 [ 6  7  8  9]
 [10 11 12 13]]
7.5
>>> 

（9）累加，就是第几个就把包含它的，以及前面的数，都加起来。
代码：

import numpy as np
a = np.arange(2,14).reshape((3,4))
print(a)
print(np.cumsum(a))

结果：

====================== RESTART: D:/untitled/numpy_1.py ======================
[[ 2  3  4  5]
 [ 6  7  8  9]
 [10 11 12 13]]
7.5
[ 2  5  9 14 20 27 35 44 54 65 77 90]
>>> 

（10）累差：就是结果的第1个数，就是原来数组里面，第2个减去第1个；
结果的第2个数，就是原来数组里面，第3个减去第2个，以此类推
代码：

import numpy as np
a = np.arange(2,14).reshape((3,4))
print(a)
print(np.diff(a))

结果：

====================== RESTART: D:/untitled/numpy_1.py ======================
[[ 2  3  4  5]
 [ 6  7  8  9]
 [10 11 12 13]]
[[1 1 1]
 [1 1 1]
 [1 1 1]]
>>> 

（11）找出非0的数
函数：

import numpy as np
a = np.arange(2,14).reshape((3,4))
print(a)
print(np.nonzero(a))

结果（输出是两个数组，第一个数组表示行，第二个数组表示列）：

====================== RESTART: D:/untitled/numpy_1.py ======================
[[ 2  3  4  5]
 [ 6  7  8  9]
 [10 11 12 13]]
(array([0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2], dtype=int64), array([0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3], dtype=int64))
>>> 

如果我们的原始数组有0就是这样的结果（上面是原始数组），可以看到0行0列是0，但是结果中没有这个坐标：

[[ 0  1]
 [ 2  3]
 [ 4  5]
 [ 6  7]
 [ 8  9]
 [10 11]]
(array([0, 1, 1, 2, 2, 3, 3, 4, 4, 5, 5], dtype=int64), array([1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1], dtype=int64))
>>> 

（12）排序
函数：

import numpy as np
a = np.arange(14,2,-1).reshape((3,4))
print(a)
print(np.sort(a))

结果：（进行每一行的单独排序）

====================== RESTART: D:/untitled/numpy_1.py ======================
[[14 13 12 11]
 [10  9  8  7]
 [ 6  5  4  3]]
[[11 12 13 14]
 [ 7  8  9 10]
 [ 3  4  5  6]]
>>> 

（13）矩阵的反向：转置
函数（两种写法）

import numpy as np
a = np.arange(14,2,-1).reshape((3,4))
print(a)
print(a.T)
print(np.transpose(a))

结果：

====================== RESTART: D:/untitled/numpy_1.py ======================
[[14 13 12 11]
 [10  9  8  7]
 [ 6  5  4  3]]
[[14 10  6]
 [13  9  5]
 [12  8  4]
 [11  7  3]]
[[14 10  6]
 [13  9  5]
 [12  8  4]
 [11  7  3]]
>>> 

你也可以将前面学过的叠加：
举例;

import numpy as np
a = np.arange(14,2,-1).reshape((3,4))
print(a)
print((a.T).dot(a))

结果：

====================== RESTART: D:/untitled/numpy_1.py ======================
[[14 13 12 11]
 [10  9  8  7]
 [ 6  5  4  3]]
[[332 302 272 242]
 [302 275 248 221]
 [272 248 224 200]
 [242 221 200 179]]
>>> 

（14）clip()…额，这个函数很难描述
举个例子，比如clip(z,b,a)，z表示一个矩阵，b表示一个较小值，a表示一个较大值
输出的结果就是在z这个矩阵中，凡是比b小的都会变成b，比a大的都会变成a，只有a和b之间的数不会改变。
函数：

import numpy as np
a = np.arange(14,2,-1).reshape((3,4))
print(a)
print(np.clip(a,5,9))

结果：

====================== RESTART: D:/untitled/numpy_1.py ======================
[[14 13 12 11]
 [10  9  8  7]
 [ 6  5  4  3]]
[[9 9 9 9]
 [9 9 8 7]
 [6 5 5 5]]
>>> 

（15）所有的运算符，都可以进行指定对行还是对列的运算
函数：

import numpy as np
a = np.arange(14,2,-1).reshape((3,4))
print(a)
print(np.mean(a,axis=0))

结果：

====================== RESTART: D:/untitled/numpy_1.py ======================
[[14 13 12 11]
 [10  9  8  7]
 [ 6  5  4  3]]
[10.  9.  8.  7.]#以点为分隔
>>> 

1.4 索引
（1）可以像列表索引一样
一维的就是索引下标，二维的是索引行数
代码（二维）：

import numpy as np
a = np.arange(3,15).reshape(3,4)
print(a)
print(a[2])

结果（二维）：

====================== RESTART: D:\untitled\numpy_2.py ======================
[[ 3  4  5  6]
 [ 7  8  9 10]
 [11 12 13 14]]
[11 12 13 14]

二维具体索引到数的时候：
代码：

import numpy as np
a = np.arange(3,15).reshape(3,4)
print(a)
print(a[2][0])#也可以写成print(a[2，0])

结果：

====================== RESTART: D:\untitled\numpy_2.py ======================
[[ 3  4  5  6]
 [ 7  8  9 10]
 [11 12 13 14]]
11

还有一种情况加冒号：

import numpy as np
a = np.arange(3,15).reshape(3,4)
print(a)
print(a[2,:])#第2行所有数
print(a[1,1:2])   #第1行，从第1列到第2列（不包括第2列）的数

结果：

>>> 
====================== RESTART: D:\untitled\numpy_2.py ======================
[[ 3  4  5  6]
 [ 7  8  9 10]
 [11 12 13 14]]
[11 12 13 14]
[8]

（2）每一行每一列的数
打印每一行代码：

import numpy as np
a = np.arange(3,15).reshape(3,4)
print(a)
for row in a:    
    print(row)

结果：

====================== RESTART: D:\untitled\numpy_2.py ======================
[[ 3  4  5  6]
 [ 7  8  9 10]
 [11 12 13 14]]
[3 4 5 6]
[ 7  8  9 10]
[11 12 13 14]
>>> 

打印每一列代码：

import numpy as np
a = np.arange(3,15).reshape(3,4)
print(a)
for column in a.T:
    print(column)

结果：

>>> 
====================== RESTART: D:\untitled\numpy_2.py ======================
[[ 3  4  5  6]
 [ 7  8  9 10]
 [11 12 13 14]]
[ 3  7 11]
[ 4  8 12]
[ 5  9 13]
[ 6 10 14]
>>> 

（3）打印每一项
代码：

import numpy as np
a = np.arange(3,15).reshape(3,4)
print(a)
print(a.flatten())
for item in a.flat:
    print(item)

结果：

====================== RESTART: D:\untitled\numpy_2.py ======================
[[ 3  4  5  6]
 [ 7  8  9 10]
 [11 12 13 14]]
[ 3  4  5  6  7  8  9 10 11 12 13 14]
3
4
5
6
7
8
9
10
11
12
13
14
>>>