numpy+pandas+matplotlib

---

前言

万能查询：help

一、使用numpy函数

1.常用语句

import numpy as np
#创建数组
arr=np.array([ ])  一维
arr=np.array([[ ],[ ]])  二维
#等差数列
np.arrange()
np.linspace()
#等比数列
np.logspace
#特殊值数组
np.zeros();np.eye();np.diag();np.ones()#np.ones()*0=np.zeros
np.ones((x,y))#生成x行y列矩阵
#创建随机数组
np.random.random()
np.random.rand()
np.random.randn()
np.random.randint()
#二维索引
arr[(n1,n2),m1]
arr[[(n1,n2,n3),(m1,m2,m3)]
arr[:,m1]
#改变数组形状
ravel();flatten()#展平数组
reshape()
reshape(-1,1)#按列数为1
#numpy.ndarry.T#转置
#组合数组
hstack(),vstack(),concatenate()#axis=0表示行合
#分割数组
np.hsplit();np.vsplit;np.split(,axis)
#数组之间的加减乘除均为对应位置上的运算
#保存和读取文件
np.save(path+'filename',arr) # 保存一维数组，默认.npy
np.savez(path+'filename',arr) # 保存多维数组，默认.npz
#读取后的索引方式:
load_data['arr_n'] # n从0开始

2.应用

生成数据集

#round1 使用hstack()与vstack()堆叠产生数据集
num=100
X=np.random.uniform(0,10,num)
X=X.reshape(-1,1)
noise=np.random.randn(num,1)
Y=noise+2*X+3
XY=np.hstack((X,Y))
XY.shape
#round2 使用numpy.c_[ ]产生数据集
num=100
X=np.random.uniform(0,10,num)
noise=np.random.randn(num)
Y=noise+2*X+3
XY=np.c_[X.ravel(),Y.ravel()] #ravel()还可以用flatten()代替

二、Pandas函数

1.将数组转换为DataFrame格式

df=pd.DataFrame(arr,column=column)
df=pd.DataFrame({
   'label1':arr[:,0],