实训笔记20190801(Numpy)

什么是NumPy

NumPy(Numerical Python) 是科学计算基础库，提供大量科学计算相关功能，比如数据 统计，随机数生成等。其提供最核心类型为多维数组类型(ndarray)，支持大量的维度数组 与矩阵运算，Numpy 支持向量处理 ndarray 对象，提高程序运算速度。

Numpy_Ndarray对象

Numpy中定义的最终要的对象是称为ndarray的N维数组类型。它描述相同类型的元素集合。可以使用基于零的索引访问集合中的项目。

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

上面的构造器接受以下参数：

序号	参数	描述
1.	object	任何暴露数组接口方法的对象都会返回一个数组或任何(嵌套)序列。
2.	dtype	数组的所需数据类型，可选。
3.	copy	可选，默认为true，对象是否被复制。
4.	order	C(按行)、F(按列)或A(任意，默认
5.	subok	默认情况下，返回的数组被强制为基类数组。 如果为true，则返回子类
6.	ndimin	指定返回数组的最小维数

import numpy as np
#例子01
#a = np.array([1,2,3])
#print(a)
#print(type(a))

#多于一个维度
#a2 = np.array([[1,2],[3,4]])
#print(a2)

#最小维度
#a3 = np.array([1,2,3,4,5],ndmin = 2)
#print(a3)

---

NumPy数组创建

numpy.empty

创建指定形状和dtype的未初始化数组

numpy.empty(shape, dtype = float, order = ‘C’)
构造器接受下列参数：

序号	参数	描述
1.	Shape	空数组的形状，整数或整数元组
2.	Dtype	所需的输出数组类型，可选
3.	Order	C’为按行的 C 风格数组，'F’为按列的 Fortran 风格数组

#例: 数组元素为随机值
arr = np.empty((3,3),dtype = 'i1')
print(arr)

numpy.zeros

返回特定大小，以0填充

arr = np.zeros((3,3))
print(arr)

#自定义类型
arr = np.zeros((3,3), dtype =  [('x',  'i4'),  ('y',  'i4')])
print(arr)

numpy.ones

返回特定大小，以1填充

arr = np.ones((2,3,4))
print(arr)
arr = np.ones((3,3), dtype =  [('x',  'i4'),  ('y',  'i4')])
print(arr)

numpy.asarray

类似 numpy.array 可以将Python序列转换为ndarray

array和asarray的区别:array默认的是一个列表元素,
但是asArray是一个维度/矩阵

#来自列表
arr = [1,2,3,4]
arr2 = np.asarray(arr)
print(arr2)
print(type(arr))
print(type(arr2))

#来自元组
arr = (1,2,3,4)
arr2 = np.asarray(arr)
print(arr2)
print(type(arr))
print(type(arr2))

#来自元组列表
# arr = [(1,2,3,4),(5,6,7,8)]
# arr2 = np.asarray(arr)
# print(arr2)
# print(type(arr))
# print(type(arr2))

numpy.arange

这个函数返回ndarray对象，包含给定范围内的等间隔值

	numpy.arange(start,stop,step,dtype)
	arr = np.arange(5,dtype = float)
	print(arr)

此结果减小了数学里面的误差思想,在数据挖掘,数据分析等里面使用此思想,降低数据误差

numpy.linspace

与arange函数类似 等差数列
numpy.linspace(start,stop,num,endpoint,retstep,dtype)

序号	参数	描述
1	start	起始值
2	stop	结束值
3	num	生成等间隔样例的数量，默认为50
4	endpoin 序列中是否包含stop 值 默认为 True

arr = np.linspace(10,20,9)
 print(arr)
arr = np.linspace(10,20,5,endpoint=False)
print(arr)
arr = np.linspace(10,20,5,retstep=True)
print(arr) #返回步长

numpy.logspace

等比数列
numpy.logscale(start, stop, num, endpoint, base, dtype)

序号	参数	描述
1.	start	起始值是base ** start
2.	stop	终止值是base ** stop
3.	num	范围内的数值数量，默认为50
4.	endpoint	如果为true，终止值包含在输出数组当中
5.	base	对数空间的底数，默认为10
6.	dtype	输出数组的数据类型，如果没有提供，则取决于其它参数

arr = np.logspace(1,10,10,base = 2)
#以2为底的空间矩阵
print(arr)

random模块

序号	模块	描述
1	rand	返回 0 - 1 随机值
2	randn	返回一个样本具有标准正态分布
3	randint	返回随机的整数，位于半开区间[low,hight)size = 10 (3,3)
4	random_integers(low[, high, size])	返回随机的整数，位于闭区间
5	random	返回随机浮点数

arr = np.random.rand(9).reshape(3,3)
#9表示元素的个数 reshape(3,3)3行3列输出
print(arr)

#在人工资能里面利用正态分布函数操作:将机器学习的数据进行矩阵化图标分析
#人工智能/机器学习的核心:第一件事:获取'数据集&#