Numpy 和Pandas学习

记录每一天学习到的知识

今天上午复习了numpy

numpy
NumPy是一个功能强大的Python库，主要用于对多维数组执行计算。NumPy这个词来源于两个单词 Numerical和Python。NumPy提供了大量的库函数和操作，可以帮助程序员轻松地进行数值计算。这类数值计算广泛用于以下任务：

• 机器学习模型

：在编写机器学习算法时，需要对矩阵进行各种数值计算。例如矩阵乘法、换位、加法等。NumPy提供了一个非常好的库，用于简单(在编写代码方面)和快速(在速度方面)计算。NumPy数组用于存储训练数据和机器学习模型的参数。

• 图像处理和计算机图形学

计算机中的图像表示为多维数字数组。NumPy成为同样情况下最自然的选择。实际上，NumPy提供了一些优秀的库函数来快速处理图像。例如，镜像图像、按特定角度旋转图像等。

• 数学任务

NumPy对于执行各种数学任务非常有用，如数值积分、微分、内插、外推等。因此，当涉及到数学任务时，它形成了一种基于Python的MATLAB的快速替代

NumPy 的安装

在你的计算机上安装NumPy的最快也是最简单的方法是在shell上使用以下命令：pip install numpy。

NumPy 中的数组

快速定义一个一维数组

import numpy as np 
a = np.array([1, 2, 3, 4, 5]) 
print(a)

my_array所含有的方法包括：
a.shape() :显示a的格式 (5, )
a.reshape() :重新定义矩阵的形式
a.dtype() :显示数字中的数据类型
a.ndim() ：显示数组的维数

基本操作：加 减 乘 除 点乘

a = np.arange(25)
a = a.reshape((5, 5))

b = np.array([10, 62, 1, 14, 2, 56, 79, 2, 1, 45,
              4, 92, 5, 55, 63, 43, 35, 6, 53, 24,
              56, 3, 56, 44, 78])
b = b.reshape((5,5))

print(a + b)
print(a - b)
print(a * b)
print(a / b)
print(a ** 2)
print(a < b) print(a > b)

print(a.dot(b))

索引

一般索引

print(a[0])

花式索引

a = np.arange(0, 100, 10)
indices = [1, 5, -1]
b = a[indices]
print(a)     # >>>[ 0 10 20 30 40 50 60 70 80 90]
print(b)      # >>>[10 50 90]

切片