14、python中numpy的使用

numpy是科学计算的基础库，重在数值计算，是很多科学计算库的基础库，多用于在大型多维数组执行计算。
一、数组创建
1.1、列表创建数组：a=np.array([1,2,3])##[1 2 3]
1.2、由range创建数组：a=np.array(range(10)) 等价于a=np.arange(10)
1.3、获取数组元素数据类型：a.dtype
1.4、创建数组时限制数组数据类型：a=np.array(range(10),dtype=float)
a=np.array(range(10),dtype=‘i1’)
dtype参数:i1表示1字节（8位）、int8表示8位整型，位数默认与电脑位数一致，f表示浮点数float，u表示无符号整数uint，c表示复数complex
1.5、类型转换：b=a.astype(‘i1’)等价于 b=a.astype(int8)
1.6、修改小数位数：np.round(a,2)
二、方法与运算
2.1、显示数组形状：a.shape,返回元组，(n1,)表示一维数组，(n1,n2)表示二维数组，(n1,n2,n3)表示三维数组，n1表示最外层的元素个数，n2表示次外层的，n3表示最里层的
2.2、重建数组形状：a.reshape(n1,n2) 新建一个对象
2.3、转化数组为一维数组：a.flatten()
2.4、数组与数字的运算：运算广播到数组的每个元组
2.5、数组与同一形状的数组运算：对应位置的元素相运算
2.6、数组与不同形状的数组运算：如果两个数组的后缘维度（即从末尾开始算的维度）的轴长相符或其中一方长度为1，则认为它们是广播兼容的，广播会在缺失和长度为1的维度上进行。
shape为(4,3,2)的数组：(4,3,1)、(3,2)、(3,1)、(4,1,1)数组可广播计算，(4,3)、(4,2)、(4)数组不可广播计算。
2.7、轴：(n1,n2,n3)分别表示0,1,2轴
2.8、加载数据：np.loadtxt(文件路径/字符串/产生器)，可选参数dtype数据类型、delimiter分隔符、unpack是否转置,skiprows跳过前n行
2.9、转置：a.T、a.transpose()、a.swapaxes(1,0)
数据呈现的流程：反映什么结果、解决什么问题；选择呈现方式；数据如何处理；写代码

三、索引和切片
单行：a[n1]、a[n1,:]
单列：a[:,n1]
连续的多行：a[n1:n2]、a[n1:n2,:]
连续的多列：a[:,n1:n2]
不连续的多行：a[[n1,n2,n3]]、a[[n1,n2,n3],:]
不连续的多列：a[:,[n1,n2,n3]]
连续的行列交叉区域：a[n1:n2,n3:n4]
单个点：a[n1,n2]
多个点：a[[n1,n2],[n3,n4]]表示取点(n1,n3)/(n2,n4)
赋值：a[n1,n2]=n3
条件判断赋值：a[a>n1]=n2
三元运算符:np.where(a>n1,n2,n3)
a.clip(n1,n2):小于n1赋值为n1，大于n2赋值为n2,nan不会被替换

nan表示不是一个数字:np.nan，float类型，两个nan不相等（即np.nan==np.nan为False，np.nan!=np.nan为True），通过np.count_nonzero(t!=t)计算nan的个数，np.isnan(a)判断是否为nan，nan和任何值的计算都是nan

inf表示无穷：np.inf，float类型
四、其他
统计函数：axis=0在列上汇聚，axis=1在行上汇聚
a.max(axis=None)
a.min(axis=None)
a.sum(axis=None)
a.std(axis=None)
a.mean(axis=None)
np.median(t,axis=None)
np.ptp(a)：极值

横向拼接：np.hstack((a1,a2))
纵向拼接：np.vstack((a1,a2))
行交换：a[[n1,n2],:]=a[[n2,n1],:]
列交换：a[:,[n1,n2]]=a[:,[n2,n1]]

获取最大值最小值位置：np.argmax(a,axis=0)、np.argmin(a,axis=1)
全0矩阵：np.zeros((n1,n2))
全一矩阵：np.ones((n1,n2))
对角线为1的方阵：np.eye(n1)
numpy.random.rand(d1,d2…,dn):生成d1-dn维0-1均匀分布生成的随机数
numpy.random.randn(d1,d2…,dn):生成d1-dn维标准正态分布生成的随机数组
numpy.random.randint(low,high,shape):生成low到high之间的整数生成随机数
numpy.random.uniform(low,high,shape):指定均匀分布生成的数组
numpy.random.normal(loc,scale,shape):指定正态分布生成的数组
numpy.random.seeds(s):随机数种子

五、用均值补充缺失值

import numpy as np
t = np.array([[  0.,   1.,   2.,   3.,   4.,   5.],
       [  6.,   7.,  np.nan,   9.,  10.,  11.],
       [ 12.,  13.,  14.,  np.nan,  16.,  17.],
       [ 18.,  19.,  20.,  21.,  22.,  23.]])

def nan_fill_colmean(t):
    for i in range(t.shape[1]):
        clm=t[:,i]
        if np.count_nonzero(clm!=clm)>0:
            clm[np.isnan(clm)]=clm[clm==clm].mean()###对切片的修改会传递到原数组
    return t
print(t)
t=nan_fill_colmean(t)
print(t)