day2--numpy

numpy–科学计算库

1. 将第二个值与向量中的每个值进行比较，值相等python解释器返回true,否则返回false
   import numpy
   vector = numpy.array([5, 10, 15, 20])
   vector == 10
   —array([False, True, False, False], dtype=bool)

2. 同1（与矩阵中的每个值相比较）
   matrix = numpy.array([
   [5, 10, 15],
   [20, 25, 30],
   [35, 40, 45]
   ])
   matrix == 25

—array([[False, False, False],
[False, True, False],
[False, False, False]], dtype=bool)

3. 将vector与值10进行比较，值10生成一个新的布尔向量[False、True、False、False]。它将这个结果赋给equal_to_ten
   vector = numpy.array([5, 10, 15, 20])
   equal_to_ten = (vector == 10)
   print（equal_to_ten）
   print(vector[equal_to_ten])

—[False True False False]
[10]

4. 表示选取所有的行 逗号隔开 然后取列 取的是第一列(从0开始) 然后直接对这一列的值进行判断 判断这一列
   中的元素是否等于25 并将其布尔类型的值传递给second_conlumn_25，然后打印出的second_conlumn_25的结果为一个布尔类型的列表，而把second_conlumn_25当作索引值 我们去寻找有25的这一行 逗号隔开 :表示直接选取这一行的数据 然后打印出来
   matrix = numpy.array([
   [5, 10, 15],
   [20, 25, 30],
   [35, 40, 45]
   ])
   second_column_25 = (matrix[:,1] == 25)
   print（second_column_25）
   print(matrix[second_column_25, :])

—[False True False]
[[20 25 30]]

5. 查找当前的这个矩阵中的数既等于10又等于5的数 显然不存在 所以全部输出False
   vector = numpy.array([5, 10, 15, 20])
   equal_to_ten_and_five = (vector == 10) & (vector == 5)
   print（equal_to_ten_and_five）
   —[False False False False]

6.查找当前的这个矩阵中的数等于10或者等于5的数，所以输出True True False False
vector = numpy.array([5, 10, 15, 20])
equal_to_ten_or_five = (vector == 10) | (vector == 5)
print（equal_to_ten_or_five）
—[ True True False False]

6. 查找出等于10或者等于5的数，替换成50，其余值不变，打印该向量
   vector = numpy.array([5, 10, 15, 20])
   equal_to_ten_or_five = (vector == 10) | (vector == 5)
   vector[equal_to_ten_or_five] = 50
   print(vector)
   —[50 50 15 20]

7. 将第二列等于25的值替换成10
   matrix = numpy.array([
   [5, 10, 15],
   [20, 25, 30],
   [35, 40, 45]
   ])
   second_column_25 = matrix[:,1] == 25
   print（second_column_25）
   matrix[second_column_25, 1] = 10
   print（matrix）

—[False True False]
[[ 5 10 15]
[20 10 30]
[35 40 45]]

8. 我们可以使用ndarray.astype()方法转换数组的数据类型
   vector = numpy.array([“1”, “2”, “3”])
   print(vector.dtype)
   print(vector)
   vector = vector.astype(float)
   print(vector.dtype)
   print(vector)
   —<U1
   [‘1’ ‘2’ ‘3’]
   float64
   [ 1. 2. 3.]

9. 向量求和
   vector = numpy.array([5, 10, 15, 20])
   print(vector.sum())
   —50

10. 轴指示我们在哪个维度上执行操作(axis=1表示我们希望对每行执行操作，axis=0表示对每列执行操作)
    下面是对矩阵每行进行求和：
    matrix = numpy.array([
    [5, 10, 15],
    [20, 25, 30],
    [35, 40, 45]
    ])
    print(matrix.sum(axis=1))
    —[ 30 75 120]

11. 按列求和
    matrix = numpy.array([
    [5, 10, 15],
    [20, 25, 30],
    [35, 40, 45]
    ])
    print（matrix.sum(axis=0)）
    —[60 75 90]

12. 将缺失值用0表示（mean函数求均值）
    world_alcohol = numpy.genfromtxt(“world_alcohol.txt”, delimiter=",")
    is_value_empty = numpy.isnan(world_alcohol[:,4])
    world_alcohol[is_value_empty, 4] = ‘0’
    alcohol_consumption = world_alcohol[:,4]
    alcohol_consumption = alcohol_consumption.astype(float)
    total_alcohol = alcohol_consumption.sum()
    average_alcohol = alcohol_consumption.mean()
    print(total_alcohol)
    print(average_alcohol)
    —1137.78
    1.14006012024