数据科学库——numpy

numpy创建数组：

a = np.array([1,2,3,4,5])

b = np.array(range(1,6))

c = np.arange(1,6)

a = np.array([1,2,3,4,5])

数据的类型

a.dytpe

dtype('int64')     

 数据类型的操作：

a = np.array([1,0,1,0],dtype=np.bool)

a.astype(np.int8)

数组的形状：

查看数字的形状

a.shape()

修改数组的形状：

a.reshape()

a.flatten() 展开成一维数据

广播原则

如果两个数组的后缘维度（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。

shape（3，3，2）能和（3，2）进行计算

numpy读取数据

np.loadtxt(fname,dtype=np.float,delimiter=None,skiprows=0,usecols=None,unpack=False)

fname: 文件、字符串或产生器，可以是 .gz或bz2压缩文件

dtype 数据类型，可选，csv的字符串以什么数据类型读入数组中，默认 np.float

delimiter: 分隔字符，默认是任何空格，改为逗号

sikprows： 跳过X行，一般跳过第一行表头

useclos：都取指定的列，索引，元组类型

unpack：true则转置

numpy中的转置：

t.swapaxes()

t.T

t.transpose()

numpy索引和切片：

a[:,:] ：  行，列

numpy中布尔索引：

t<10  数组变为 True 或者False布尔值

t[t<10] = 0

numpy中三元运算符：

np.where(t<10,0,10) 小于10替换为0 ，大于10替换为10

裁剪clip：

t.clip(10,18):小于10替换为10 ，大于18替换为18

numpy中的nan和inf：

nan： not a number （float）

inf : infinity 正无穷 -inf负无穷

nan的注意点：

np.nan != np.nan

np.isnan(a) 返回bool类型

nan和任何值计算都为nan

numpy中常用的统计函数：

求和：t.sum(axis=None)

均值：t.mean(a,axis=None)  受离群点的影响较大

中值：np.median(t,axis=None)

最大值：t.max(axis=None)

最小值：t.min(axis=None)

极值：np.ptp(t,axis=None) 即最大值和最小值只差

标准差：t.std(axis=None)

默认返回多维数组的全部的统计结果,如果指定axis则返回一个当前轴上的结果

数组的拼接：

np.vstack((t1,t2)) : vertical竖直拼接

np.hstack((t1,t2))：horizont水平拼接

取得大小值的位置：

np.argmax(t,axis=0)

np.argmin(t,axis=0)

创建全0 数组：

np.zeros((3,4))

创建全1数组：

np.ones((3,4))

创建对角线为1的正方形数组(方阵)：

np.eye(3)

numpy生成随机数：