numpy学习

1.numpy概述`

numpy计算
numpy计算可以不同的规格,shape一样时可以加减运算。

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


#输出如下：
array([2,3,4,5,6])

一些常用的命令：

type	类型(字典，list，元组…)
dtype	类型（整型，浮点型，布尔型一些…）
1	2
ndim	查看维度
astype	转换类型

copy的运用，创建一个新的数组。不改变原来的数组。

a=np.array([1,2,3,4])
b=a.copy()
b[0]=100

#输出如下：
a：  
array([1,2,3,4])    
b：
array([100.2.3.4])
#a没有变化，只对b改变了

2.array结构:

range(1,10)	前闭后开
arange（0,100,10）	步长是10，100取不到（前闭后开）
linspace(0,100,10)	个数是10，100取到（前闭后闭）
random.rand(10)
random.ranint

a=np.array([0,10,20,30,40,50,60,70,80,90])
mask=array([0,0,0,0,0,0,1,1,1,1],dtype='bool')

#输出：
mask
[False,False,False,False,False,False,True,True,True,True,]  

a[mask]
[60,70,80,90]

a=array([0.34173479, 0.77632628, 0.34125884, 0.5262027 , 0.62157668,
       0.5484839 , 0.81023541, 0.75616737, 0.61977412, 0.78414371])
mask=a>0.5

#输出：
mask
array([False,  True, False,  True,  True,  True,  True,  True,  True,
        True])
a[mask]
array([ 0, 10, 30, 40, 50, 60, 80, 90])
#把对应的True值输出

np.where() 查找位置

a=[10,20,30,40,50]
np.where(a>20)

#输出：
np.where(a>20)
[2,3,4]
a[np.where(a>20)]
[30,40,50]

3.数值计算（axis=0按列）

import numpy as np
tang_array = np.array([[1,2,3],[4,5,6]])
tang_array

#输出：
np.sum(tang_array)
21
# 指定要进行的操作是沿着什么轴（维度）  axis=0按列取
np.sum(tang_array，axis=0)
array([5, 7, 9])

mean()	平均值
round()	四舍五入
min(axis=0/1)	取每列/行最小值
min()	（取所有数的）最小值
max()	最大值
argmax()	最大值的位置
var()	方差
std()	标准差

4.排序

sort(axis=0)	每列排序
sort()	整体排序
argsort()	排序索引
lexsort([-1*tang[:,0],tang[:,2]])	第一列降序的前提下，对第三列升序

5.数组形状

(10,)是一维数组
(10,1)是二维数组

reshape
np.newaxis.	添加新轴
squeeze	压缩轴

tang=np.arange(10)
tang1=tang[np.newaxis,:]
输出：
tang
array([0,1,2,3,4,5,6,7,8,9])      #shape:(10,)
tang1
array([[0,1,2,3,4,5,6,7,8,9]])       #shape  (1,10)

6.数组的连接

np.concatenate	()np.concatenate((a,b),axis=0/1)
np.vstack()	按列拼接（增加样本数）
np.hstack()	按行拼（增加特征数）
np.flatten	拉长操作。（2,5）可以拉长成（10，）

7.数组生成常用函数

linspace()	np.linspace（第一个数，最后一个数，个数）
zeros()	np.zeros(3)
ones()	np.ones((3,3))
array()
empty()
fill()	填充
np.zeros_like()	w2=np.zeros_like(w1)
np.ones_like()	#w2和w1形状一样

运算

np.dot	矩阵相乘

8.随机模块

np.random.rand	np.random.rand(3,2)
np.random.randint	np.random.randint(10,size=(2,3)
np.random.normal()

np.set_printoptions(precision=2）	保留两位小数

洗牌

np.random.shuffle()	np.random.shuffle(tang_array)

随机种子

np.random.seed()

9.读写

%%writefile tang.txt	创建一个txt文件
np.loadtxt()	loadtxt(“。。。.txt”)读文件
np.savetxt()	保存文件

np.load（）
np.save（）