python numpy

01numpty numpy.array 基础

#!/usr/bin/env python
# coding: utf-8

# In[1]:

# numpy引入
import numpy


# In[2]:


# 查看版本
numpy.__version__


# ### python List特点  
# 1,比较灵活同时效率也会低：不对类型做限制，list中可以是数字、字符串、Boolean类型

# In[3]:


L = [i for i in range(10)]
L


# In[4]:


L[5] = "字符串"
L[6] = bool(False)
L[7] = bool(True)
L


# ### array.array 其中类型会有限制，只能是字符类型或数字/数组类型  
# 没有相应的向量运算

# In[5]:


import array
arr = array.array('i', [i for i in range(10)])
arr


# In[6]:


arr[0]


# ### numpy.array
# 创建数组：nparr = np.array([i for i in range(10)])  
# nparr.dtype：返回数组类型，数组一旦定义再赋值其他值会转换

# In[7]:


import numpy as np
nparr = np.array([i for i in range(10)])
nparr


# In[8]:


# 返回类型长度
nparr.dtype


# In[9]:


# 赋值为浮点数，自动转换为int
nparr[1] = 3.14
print(nparr)
nparr.dtype


# In[10]:


# 浮点类型，输入整数会转为浮点类型
nparr2 = np.array([0,1,3.0])
print(nparr2)
nparr2.dtype


# ### 其他创建数组的方法
# 创建0数组，默认为浮点类型,也可传入数据类型  
# npzeros = np.zeros(10)  
# 传入元组，传入类型，生成三行三列数组/矩阵
# npzeros = np.zeros((3,3), dtype=int)  
#   
# 生成全为1的数组/矩阵  
# npones = np.ones(10)  
#   
# 创建指定值矩阵  
# npfull = np.full((3, 5), 666)  
# 
# 也可以指明具体,默认为int  
# npfull = np.full(shape=(5,5), fill_value=555)

# In[11]:


# 创建0数组，默认为浮点类型,也可传入数据类型
npzeros = np.zeros(10)
print(npzeros)
npzeros.dtype


# In[12]:


# 传入元组，传入类型，生成三行三列数组
npzeros = np.zeros((3,3), dtype=int)
print(npzeros)


# In[13]:


# 生成全为1的数组
npones = np.ones(10)
print(npones)
npones1 = np.ones((5,5), dtype=int)
print(npones1)


# In[14]:


# 创建指定值矩阵
npfull = np.full((3, 5), 666)
print(npfull)


# In[15]:


# 也可以指明具体
npfull = np.full(shape=(5,5), fill_value=555)
print(npfull)
# 注明参数可以反转
npfull1 = np.full(fill_value=55.5, shape=(5,5))
print(npfull1)


# ### arange
# range() 步长不能为小数 range(0,20,2)  
# arange()步长可以为小数 np.arange(0,1,0.2)

# In[16]:


[i for i in range(0,20,2)]


# In[17]:


[i for i in np.arange(0,1,0.2)]


# ### linspace
# np.linspace(start, end, len) 其中包括start和end点平均截成len段，即前闭后闭  
# 

# In[18]:


[np.linspace(0, 20, 11)]


# ### random
# 生成随机数，前闭后开，第三个参数为生成个数  
# np.random.randint(4,8,size=10) 更加清楚明了  
# 设置随机种子，随机数生成相同

# In[19]:


nprandom = np.random.randint(0, 10, 10)
nprandom1 = np.random.randint(4,8,size=10)
print(nprandom)
print(nprandom1)


# In[20]:


# 设置随机种子，随机数生成相同
nprandom = np.random.seed(123)
nprandom = np.random.rand(10)
print(nprandom)
nprandom11= np.random.rand(10)
print(nprandom11)


# In[21]:


# 生成符合正态分布的随机数，均值为0，方差为1
np.random.normal()
# 可以指定均值方差，均值为10方差为100
np.random.normal(10,100)
# 生成均值为0方差为1的随机元组(5*5)
np.random.normal(0, 1, (5, 5))


# In[ ]:





# In[22]:


120+210+210+150+90+150+30+30+150+210+30+30+30+30+240+210+60
1980/30
1980+1890+1980

常用方法 创建数组

• np.arange(start,end, 步长) 创建一个连续数组
• np.ones(shape, dtype=数据类型) 创建一个全为1的数组
• np.zeros(shape, dtype) 创建全0数组
• np.eye(shape) 创建单位矩阵
• np.linspace(start, stop, num=数字个数) 创建一个等差数列（不是前闭后开，包括stop）
• np.logspace(start, stop,num=数字个数, base=倍数) 创建一个等比数列，stop表示base的stop次方

np.asarray() 浅复制一个数组

数组运算

• 切片a[0:3]，二维数组切片 a[0:2,1:3]，取第一列数组 a[:, 0]
• 改变数组形状：np.reshape(shape)返回一个新数组原数组不改变、np.resize(shape) 直接改变原数组。reshape(-1,2) 表示2列 行数根据数组情况
• numpy.sum(arr,axios=0) 计算数组和，传入axis计算不同维度数组和，0表示行，1表示列，2表示三维
• numpy.prod() 计算所有元素的乘积
• numpy.diff() 计算相邻元素的差
• nuimpy.sqrt() 计算各元素的平方根
• numpy,exp() 计算各元素的指数
• numpy.abs() 取各元素的绝对值
• np.stack(arr1, arr2, axis=) 数组堆叠，将两个一维数组堆叠为二维数组，axis指定堆叠方向

矩阵和随机数

• 矩阵运算-矩阵相乘 arr1*arr2 （直接用 * ）
• 矩阵转置 arr.T
• 矩阵求逆 arr.I