一. Jupter Notebook中的魔法方法
%run的使用
- 加载不在项目包中的文件
- 项目中的包不使用%run, 使用python的import语法即可
1. %run myscript/hello.py
2. hello("balabala") # 这样就可以直接调用hello.py中的函数了
%timeit的使用
- 会先自动 把程序重复执行一定次数, 程序执行时间太短就会循环更多次
- 通过找到最快的3次循环, 得到程序执行的时间
1. %timeit L = [i**2 for i in range(1000)]
结果: 1000 loops, best of 3: 515 µs per loop
%time的使用
- 不会把程序重复运行, 只执行一次得到程序的运行时间
- cputime是计算机cpu和sys 计算所用时间的和
- walltime是现实世界流逝的时间
- 得到的时间是不稳定的
- 在只需要知道大概的时间或者程序运行时间太长, 适用
1. %time L = [i**2 for i in range(1000)]
结果: CPU times: user 452 µs, sys: 17 µs, total: 469 µs
Wall time: 536 µs
如果想要测试整段代码, 可以使用%%
%%time
for e in [1,2,3,4,6]:
print(e)
二. Numpy数据基础
np.array的使用
1. import numpy as np
2. nparr = np.array([i for i in range(10)])
3. nparr
out: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
1. nparr[5]
out: 5
1. nparr[5]=100.0
2. nparr[5]
out: 100
1. nparr.dtype
out: dtype('int64') # 之前的100.0被 隐式地类型转换了
三. 创建Numpy数组和矩阵
1. np.zeros(10) # 默认是浮点数类型
out: array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
2. np.zeros(10, dtype=int) # 可以指定为 int 类型
out: array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
3. np.zeros((3,5)) # 传入元组 表示维度
out:array([[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.]])
4. np.zeros(shape=(3,5), dtype=int) # 3中其实省略了shape
out:array([[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0]])
1. np.ones((3,5)) # 用法和zeros一样
out: array([[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.]])
1. np.full((3,5), 666) # 省略了参数名 np.full(shape=(3,5), full_value=666)
out:array([[666, 666, 666, 666, 666],
[666, 666, 666, 666, 666],
[666, 666, 666, 666, 666]])
# 这里 full_value是 666, out就会是int型, 如果给的是666.0, out就会是浮点型
1. np.arange(0,1,0.2)
out: array([0. , 0.2, 0.4, 0.6, 0.8])
# np.arange使用方法和python基础语法range一样, 得到前闭后开的数据集
# 但np.arange步长可以是浮点数, 二range只能是整数
1. np.linspace(0,20,10)
out:array([ 0. , 2.22222222, 4.44444444, 6.66666667, 8.88888889,
11.11111111, 13.33333333, 15.55555556, 17.77777778, 20. ])
# linspace 第三个参数是 得到的数据个数, 而非步长
1. np.random.randint(0, 10, 10) # 生成10个 0~10的随机数, 组成的向量
out:array([1, 8, 1, 4, 6, 8, 7, 1, 7, 1])
2. np.random.randint(4,8,size=(3,5)) # 生成3x5的随机矩阵
out:array([[7, 5, 4, 5, 5],
[4, 6, 7, 6, 5],
[5, 6, 6, 6, 7]])
3. np.random.seed(666) # 指定随机种子
4. np.random.randint((4,8, size=(3,5))
out:array([[4, 6,