numpy

 数组的创建与转变 

import numpy as np
t1 = np.array([0,1,2,])
t2 = np.array(range(3))
t3 = np.arange(3)
t1/t2/t3
>>> [0 1 2]
t4 = np.array([random.random() for i in range(3)])
np.round(t4, 2)
>>> [... ... ...]

t5 = np.array(range(3), dtype = 'int')
t5.dtype       # 查看数组内部数据类型
>>> 'int64'   # 64位电脑自动保存64位

t6 = np.array([1,1,0], dtype = 'bool')
>>> [True True False]

t7.astype('int8')   # 转变
>>> [1 1 0]

数组的形状改变 

t1 = np.array([[1,1,1],[1,1,1]])
t1.reshape(3,2)
>>> [[1,1],[1,1],[1,1]]

t1.reshape((6,))       # 2个括号,也可以用flatten,输出结果为1维
>>> [1,1,1,1,1,1]      # reshape内有几个数就是几维，此处为1维

t1.reshape((1,6))
>>> [[1,1,1,1,1,1]]    # reshape内有几个数就是几维，此处为2维

t1.reshape((6,1))
>>> [[1],[1],[1],[1],[1],[1]]

# 统计个数
num = t1.shape[0]*t1.shape[1]
>>> 6

t1.flatten()
>>> [1,1,1,1,1,1]       # 1维

数组的运算

inf是infinite无限，nan是空值（两个nan是不相等的）

t1+2
>>> [3,3,3,3,3,3]

0/0 = nan
0.5/0 = inf

t1*t2         # 不是矩阵乘法，对应位置相乘

广播原则

如果两个数组的后缘维度(trailing dimension,即从末尾开始算起的维度]的轴长度相符或其中一方的长度为1，则认为它们是广播兼容的。广播会在缺失和（或）长度为1的维度上进行。

即t5的每一行均减去t7，相乘则是每一行均乘以t7，但长度必须相等

332可以和33也可以和32运算

轴

对于一维数组，只有0轴，二维有0、1轴，三维有0、1、2轴（个人理解n-1轴为行，n轴为列）

np.sum(t1)
np.sum(t1,axis = 0)   # 计算列的和，返回列表

t.sum/mean/max/min/std()

np.median/ptp()       # 极值

numpy读取数据

间隔、跳过、读取特定、转置

path = './.../....csv'
t1 = np.loadtxt(path, dtype = 'int', delimiter = ',')

t2 = np.loadtxt(path, dtype = 'int', delimiter = ',' unpack = True) # 转置方法1
t2 = t1.T              # 转置方法2
t2 = t1.transpose()    # 转置方法3
t2 = t1.swapaxes(1,0)  # 转置方法4

取特定行

# 虽然返回的值是数字，但是格式是numpy.int64格式
t1[2]           # 第三行
t1[2:]          # 第三行及以后
t1[[2,8,10]]    # 不连续的行
t1[:,2]         # 第三列

# 修改值
t1[:,1] = 0     # 根据位置修改值
t1 < 0
>>> [[True False .....]]

t1[t1<10] = 3   # 根据条件修改值，符合条件的数值全部改为3

# 限定区间修改
np.where(t1<10,3,10)  # <10赋值3，>10赋值10
t1.clip(3,10)

统计nan的个数/ 哪些为nan

np.count_nonzero(t1!=t1)
>>> 20
np.isnan(t1)  # 相当于t1!=t1
>>> [[False, True...]...]

for i in range(t1.shape[1]):   # 遍历列
    tmp = t1[:,i]              # 当前列
    if np.count_nonzero(t1!=t)!=0:    # 该列有nan
        nonan = tmp[tmp==tmp]  # ★不为nan的位置的值返回的列表
        tmp[np.isnan(tmp)] = nonan.mean()  # ★位置为nan的修改为不为nan的均值

数组的拼接

np.vstack((t1,t2))   # 垂直拼接，2个括号
np.hstack((t1,t2))   # 水平拼接，2个括号

t1[[1,2],:] = t1[[2,1],:]    # 列的交换

好用的函数

np.zeros/ones/eyes()  # eyes对角线

np.argmax(t,axis=0)   # 返回位置

随机数