python中e库是干什么的_Python的Numpy库简述

numpy 是 python 的科学计算库

import numpy as np

1、使用numpy读取txt文件

#dtype = "str"：指定数据格式#delimiter = "\t"：指定分割符#skip_header = 1：跳过第一行

npinfo = np.genfromtxt("titanic_train.txt", delimiter = "\t", dtype = "U75", skip_header = 1)

2、ayyay数组，数据类型是必须相同。

vector = np.array([5, 10, 15, 20])

matrix= np.array([[5, 10, 15, 20], [25, 30, 35, 40], [45, 50, 55, 60]])print(vector)print(matrix)

3、numpy的数据类型，一般用到四种数据类型 bool、 int32/64、 float32/64、 string

print(vector.dtype)print(matrix.dtype)

4、获取第1行的第4个数

npinfo[0, 3]#取1-3行和1-3列数据

npinfo[0: 3, 0: 3]#如果:省略前后数字表示所有数据

npinfo[:, :]

5、判断array中元素的值

vector == 10matrix[:, 0]== 25

6、取出等于10的元素

token = (vector == 10)

vector[token]

7、取出有25的这一行

token_25 = (matrix[:, 0] == 25)

matrix[token_25]

8、string 转 float 类型

vector = np.array(["10", "20", "30", "40"])

vector=vector.astype(float)print(vector)

9、基本运算

vector.sum() #求和

vector.mean() #均值

matrix.sum(axis = 0) #按列求和

matrix.sum(axis = 1) #按行求和

10、缺失值填补

nan_4 = np.isnan(npinfo[:, 4])

npinfo[nan_4,4] = 0 #缺失值填补，对有缺失值的第4列填补0

11、使用 numpy 创建数组和矩阵

#创建一个3行5列的矩阵

a = np.arange(15).reshape(3, 5)print(a)

12、查看当前数组是几维的

a.ndim

13、其它查看

a.dtype

a.size

14、创建一个空矩阵

np.zeros((3, 4))

15、创建一个1矩阵 3维

np.ones((3, 4, 5), dtype = np.int32)

16、创建有步长的矩阵：np.arange( 起始，结束，步长 )

np.arange( 10, 15, 1 )

17、随机初始化矩阵

np.random.random((3, 4))

18、创建一个指定数量的矩阵

#np.linspace( 起始，结束，数量 )

from numpy importpi

np.linspace( 0,2*pi, 100 )

19、求正弦

np.sin(np.linspace( 0, 2*pi, 100 ))

20、数组计算

a = np.array([10, 15, 20, 25])

b= np.arange(4)

a-b

b** 2 #注意：这个是n次方，不是乘法。

a < 20

21、# 求内积 外积

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

[0,3]] )

B= np.array( [[2, 0],

[3, 4]] )#内积 对应位置相乘

A *B#矩阵相乘

A.dot(B)

np.dot(A, B)

#矩阵相乘 原理#A=#a b c#d e f#g h i

#B=#A D#B E#C F

#A.dot(B)=#aA+bB+cC aD+bE+cF#dA+eB+fC dD+eE+fF#gA+hB+iC gD+hE+iF

22、e的x次幂

A = np.arange(3)

np.exp(A)

23、开根号

np.sqrt(A)

24、向下取整

C = np.floor(10*np.random.random((3, 4)))

25、转化为行向量

C.ravel()

26、重新shape，如：由3行4列转为2行6列

C.shape = (2, 6)

27、行列转置

C.T

28、其它reshape方法

C.resize((2, 6))

C.reshape(3, -1)

29、矩阵拼接

x = np.floor(10*np.random.random((3, 4)))

y= np.floor(10*np.random.random((3, 4)))#按行拼接

np.vstack((x, y))#按列拼接

np.hstack((x, y))

30、矩阵切分

x = np.floor(10*np.random.random((3, 12)))#按列切成3份

np.hsplit(x, 3)#如果想切两刀怎么办？

np.hsplit(x, (3, 5))

y= np.floor(10*np.random.random((12, 2)))#按行切分

np.vsplit(y, 3)

31、矩阵相互赋值问题

z = np.arange(12)

t= z #共享内存

t is z #结果是True#print(id(t)) 和 print(id(z)) 的结果是一样的。

t1= z.view() #共享数据，但不共享内存

t1 is z #结果是False#print(id(t)) 和 print(id(z)) 的结果是不同的。

t2= z.copy() #完全是两个对象

32、排序和索引

data = np.sin(np.arange(20).reshape(5, 4))#找最大值

ind = data.argmax(axis = 0) #最大值的索引

data_max = data[ind, np.arange(data.shape[1])]print(data_max)

不过有最函数：data.max(axis= 0)

33、# 排序

sx = np.floor(10*np.random.random((3, 4)))print(np.sort(sx, axis = 0)) #按列排序

print(np.sort(sx, axis = 1)) #按行排序

也可以这么写：sx.sort(axis = 1)

34、复制 tile

a = np.arange(0, 40, 10)print(a)#将a的行复制2倍，列复制3倍

b = np.tile(a, (2, 3))print(b)

35、8*8棋盘矩阵，其中1、3、5、7行和0、2、4、6列的元素置为1；1 ,3，5，7列和0,2,4,6行也是1

z = np.zeros((8,8), dtype =int)

z[1::2,::2] = 1 #注意：双冒号的用法

z[::2,1::2] = 1

print(z)

36、多赋值方法

z = np.random.random((10,10))

zmin, zmax= z.min(), z.max()

37、归一化，将矩阵规格化到0～1，即最小的变成0，最大的变成1，最小与最大之间的等比缩放

z = 10*np.random.random((5,5))

zmin, zmax=z.min(), z.max()

z= (z-zmin)/(zmax-zmin) #归一化公式

print(z)

38、矩阵相加

z = np.zeros((5,5))

z+= np.arange(5)print(z)

39、生成0~10之间均匀分布的11个数，包括0和10

z = np.linspace(0, 10, 11, endpoint=True, retstep=True)print(z)

40、交换矩阵的其中两行

a = np.arange(25).reshape(5,5)

a[[0,1]] = a[[1,0]]print(a)

41、找出数组中与给定值最接近的数

z = np.array([[0,1,2,3],[4,5,6,7]])

a= 5.1

print(np.abs(z-a).argmin())

42、判断二维矩阵中有没有一整列数为0？

z = np.random.randint(0,3,(2,10))print(z.any(axis = 0))

43、生成二维的高斯矩阵

x,y = np.meshgrid(np.linspace(-1,1,10),np.linspace(-1,1,10))

D= np.sqrt(x**2 + y**2)

sigma, mu= 1, 0

a= np.exp(-(D-mu)**2 / (2*sigma**2))print(a)