numpy

numpy模块
数据包

1. numpy
   1.1. 基于矩阵的运算
   1.2. np.array
   1.2.1. 声明数组、矩阵
   • np.array()
   1.2.2. 支持原位改变
   1.2.3. 索引
   • 变量[行，列]
   • 行、列不是必须都写，可以索引整行、整列
   • :
   • 单独写:代表所有数
   • 变量[:,2]
   • 第3列所有数
   • 变量[:，1:2]
   1.2.4. 基础运算
   • 加减乘除等
   • a=np.array([10,6,5,1])
   b=np.arange(1,5)
   print(a+b)
   print(a-b)
   print(a*b)
   print(a/b)
   print(a**2）
   • 矩阵乘法
   • np.dot()
   • 比较
   • b=np.arange(1,5)
   print(b<3)
   • [ True True False False]
   • 其他运算
   • np.sum(变量，axis=0or1)
   • axis不写代表整个矩阵，写0代表列，1代表行
   • np.min(变量，axis=0or1)
   • np.max(变量，axis=0or1)
   • np.cos()
   • np.sin()
   • np.argmin()
   • 最小值的索引
   • np.argmax()
   • 最大值的索引
   • np.mean(变量,axis=0or1)
   • axis不写代表整个矩阵，写0代表列，1代表行
   • np.median()
   • 中位数
   • np.cumsum()
   • 累计和
   • a=np.arange(1,10).reshape(3,3)
   print(np.cumsum(a))
   • [ 1 3 6 10 15 21 28 36 45]
   • np.diff()
   • 相邻两数差
   • np.nonzero()
   • 找出非0的数所在矩阵行、列
   • a=np.arange(1,10).reshape(3,3)
   print(np.nonzero(a))
   • (array([0, 0, 0, 1, 1, 1, 2, 2, 2], dtype=int64), array([0, 1, 2, 0, 1, 2, 0, 1, 2], dtype=int64))
   • 第一个array是行，第二个是列
   • np.transpose()
   变量.T
   • 矩阵的转置（除一维以外）
   • 变量[:,np.newaxis]
   • 一维数组转置
   • np.clip(变量,小值,大值)
   • clip将数组中的元素限制在a_min, a_max之间，大于a_max的就使得它等于 a_max，小于a_min,的就使得它等于a_min
   1.2.5. 属性
   • .ndim
   • 维度
   • import numpy as np
   a=np.array([[1,2,3],[4,5,6]])
   print(a.size)
   print(a.shape)
   print(a.ndim)
   • .shape
   • 行列
   • .size
   • 多少个元素
   • .flat
   • 变成一维数组，但是返回的是一个迭代器，需要用遍历才能显示出来
   1.2.6. 方法
   • .flatten()
   • 变成一维数组
   • .copy()
   • 副本
   1.2.7. 函数
   • np.zero((行,列))
   • np.ones((行,列))
   • np.empty((行,列))
   • 生成的是非常接近0的数字
   • np.arange()
   • 和range一样
   • np.arange().reshape(行,列)
   • np.linspace(起,终,几段)
   • np.linspace(1,5,5)
   • 就是在1和5之间等间隔取5个数，即第一个数是1，最后一个数是5，中间等间隔，得到的就是数组x=[1, 2, 3, 4, 5]。
   • np.linspace(起,终,几段).reshape((行,列))
   • np.linspace(1,6,6).reshape((2,3))
   • np.random.random(行,列)
   • 生成几行几列大于0小于1的数
   • np.vstack((数组,数组,…))
   • 垂直合并
   • a=np.array([1,2,3])
   b=np.array([4,5,6])
   c=np.vstack((a,b))
   print©
   • [[1 2 3]
   [4 5 6]]
   • np.hstack((数组,数组,…))
   • 水平合并
   • np.concatenate((数组,数组,…),axis=0or1)
   • 自定义水平或者垂直合并
   • np.split(数组,分为几部分,axis=0or1)
   • 分割，只能平均分
   • np.array_split(数组,分为几部分,axis=0or1)
   • 分割，可以不均分
   • np.sort()
   • 逐行排序
   1.2.8. 遍历
   • for row in 变量:
   • 遍历每行
   • for column in 变量.T:
   • 遍历每列
   • array里面没有直接可以迭代列的，只能先改变array，再迭代
   • for i in 变量.flat:
   • 遍历每个元素