python numpy库打不开_python-numpy库的使用

import numpy as np

numpy 的属性

array = np.array([[1,2,3],

[4,5,6],

[7,8,9]])

print(array)

print(array.ndim) #维度

print(array.shape) #形状

print(array.size) #大小

print(array.dtype) #元素类型

array

a = np.array([1,23,30],dtype=np.float)

print(a.dtype)

c = np.array([1,2,3]) #一维数据

d = np.array([[1,23,34],

[2,3,5]]) #二维矩阵

e = np.array([[1,23,34],

[2,3,5]]) #三维矩阵

zero = np.zeros((2,3)) #生成2行3列全为0的矩阵

print(zero)

one = np.ones((3,4)) #生成3行4列全为1的矩阵

print(one)

empty = np.empty((3,2)) #生成3行2列全都接近于0的矩阵

e = np.arange(4) #生成0-4的数 不包括4

f = np.arange(3,20) #生成3-20

g = np.arange(1,20,3) #生成1-20 间隔为3

print('e',e,'f',f,'g',g)

h = np.arange(8).reshape(2,4) #重新定义数据的形状

print(h)

numpy 的矩阵运算

arr1 = np.array([[1,2,3],

[4,5,6]])

arr2 = np.array([[1,4,7],

[3,5,5]])

print(arr1+arr2) #按位 加减乘除 **乘方 %取余

print(arr1+2) #所有元素都会加2

arr3 = arr1>3 #判断哪些元素大于3

print(arr3)

arr4 = np.ones((3,5))

print(np.dot(arr1,arr4)) #按照矩阵乘法进行点乘

print(arr1.dot(arr4))

print(arr1)

print(arr1.T) #转置矩阵

随机数生成 以及矩阵的运算

sample1 = np.random.random((3,2)) #生成3行2列 从0到1的随机数

print(sample1)

sample2 = np.random.normal(size=(3,2)) #生成3行2列符合标准正太分布的随机数

print(sample2)

sample3 = np.random.randint(0,10,size=(3,2)) #生成3行两列的随机整数

print(sample3)

print(np.sum(sample1)) #求和

print(np.min(sample1)) #求最小值 最大值用max

print(np.sum(sample1,axis=0)) #对列求和

print(np.sum(sample1,axis=1)) #对行求和

print(np.argmin(sample1)) #最小值索引 argmax最大值索引

print(np.mean(sample1)) #求平均值

print(sample1.mean()) #同上

print(np.median(sample1)) #求中位数 求开方sqrt

sample4 = np.random.randint(0,10,size=(1,10))

print(sample4)

print(np.sort(sample4)) #排序

print(np.clip(sample4,2,7)) #小于2就变成2 大于7就变成了7 在2-7之间就不变 可可控制数的范围

numpy的索引

arr1 = np.arange(2,14)

print(arr1)

print(arr1[1]) #提取第一个数字

print(arr1[1:4]) #提取1-4 [,5]表示0-5的数

arr2 = arr1.reshape(3,4)

print(arr2)

print(arr2[2][1]) #提取第二行第一列的数

print(arr2[2,1]) #同上

for i in arr2: #迭代行 使用arr2.T就可以迭代列

print(i)

for i in arr2.flat: #迭代每一个元素

print(i)

array 的合并

arr1 = np.array([1,2,3])

arr2 = np.array([2,12,3])

arr3 = np.array([1,23,6])

arr4 = np.vstack((arr1,arr2)) #垂直合并

print(arr4)

arr5 = np.hstack((arr1,arr2)) #水平合并

print(arr5)

arr6 = np.vstack((arr1,arr2,arr3)) #多个合并

arr7 = np.concatenate((arr1,arr2,arr1))

print(arr7)

arr7 = np.concatenate((arr3,arr1),axis=0) #合并的array的维度要相同 array的形状要匹配 axis=0纵向合并 axis=1 横向合并

print(arr1)

print(arr1.shape)

arr1_1 = arr1[np.newaxis,:] #增加一个维度 变为一行三列

print(arr1_1)

print(arr1_1.shape)

print(arr1_1.T)

arr1_1 = arr1[:,np.newaxis] #增加一个维度 变为三行一列

arr1_3 = np.atleast_2d(arr1) #至少是一个二维数据 如果不是这直接转化

array 分割

arr8 = np.arange(12).reshape((3,4))

print(arr8)

arr9,arr10 = np.split(arr8,2,axis=1) #水平方向切割 分成两份 当axis=0时为垂直方向切割

print(arr9)

print(arr10)

arr8_1,arr8_2,arr8_3 = np.array_split(arr8,3,axis=1) #水平方向分割 分成三份 不等分割

arrv1,arrv2,arrv3 = np.vsplit(arr8,3) #垂直分割 分成三份 水平分割用hslipt

print(arrv1)

print(arrv2)

print(arrv3)

numpy 的浅拷贝和深拷贝

arr12 = np.array([1,2,3])

arr2 = arr12 #arr1与arr2 共享一块内存 浅拷贝

arr2[1]=20

print(arr12)

print(arr2)

arr3 = arr12.copy() #深拷贝 使两个内存不受影响

arr3[0]=60

print(arr12)

print(arr3)