python 小知识积累

reshape:可以创建改变尺寸的数组

import numpy as np

a=np.arange(6)

b=a.reshape((2,3))尺寸需要注意数组的总个数

np.ones创建元素值全为1的数组

np.zeros创建元素值全为0的数组

np.empty创建空值多维数组，只分配内存，不填充任何值

np.random.random创建元素值为随机值的多维数组

ndim可以获得数组的维度 a2=np.ones((4,4),dtype=np.int64) a2.ndim->2

切片:

[:2]选择列表的前两个元素；

[2:4]选择列表的第2、3个元素；

[1:5:2]选择第1到第4个元素，步长为2 :以步长为2截取所得的数在前面的1:5的范围的数显示出来

对于二维数组，可以通过a[x,y]进行索引，三维数组可以通过a[x,y,z]进行索引

多维数组的切片[:,1]逗号前面代表将一维的所有显示出来，逗号后面则是将二维的索引为1的显示出来

当选择的维度数量小于数组的维度时，其实就是在对数组进行降维选择

In [192]: a = np.arange(27).reshape(3, 3, 3)

In [193]: a.ndim
Out[193]: 3

In [194]: a.shape
Out[194]: (3, 3, 3)

In [195]: a
Out[195]:
array([[[ 0,  1,  2],
        [ 3,  4,  5],
        [ 6,  7,  8]],

       [[ 9, 10, 11],
        [12, 13, 14],
        [15, 16, 17]],

       [[18, 19, 20],
        [21, 22, 23],
        [24, 25, 26]]])
In [196]: a1 = a[1]

In [197]: a1
Out[197]:
array([[ 9, 10, 11],
       [12, 13, 14],
       [15, 16, 17]])

In [198]: a1.shape
Out[198]: (3, 3)

In [199]: a2 = a[1, 1]

In [200]: a2
Out[200]: array([12, 13, 14])

In [201]: a2.shape
Out[201]: (3,)

In [202]: a2.ndim
Out[202]: 1

In [203]: a[2, 2, 2]
Out[203]: 26

In [209]: a[:, 1]
Out[209]:
array([[ 3,  4,  5],
       [12, 13, 14],
       [21, 22, 23]])
In [210]: a[:, 1] = 1

In [211]: a
Out[211]:
array([[[ 0,  1,  2],
        [ 1,  1,  1],
        [ 6,  7,  8]],

       [[ 9, 10, 11],
        [ 1,  1,  1],
        [15, 16, 17]],

       [[18, 19, 20],
        [ 1,  1,  1],
        [24, 25, 26]]])

dot运算:

Numpy自带函数：

pandas 读取其他文件的方法如下：

import pandas as pd

# JSON 文件
pd.read_json

# HTML 文件
pd.read_html

# 本地剪切板
pd.read_clipboard

# MS Excel 文件
pd.read_excel

# HDF5Format 文件
pd.read_hdf    

# Feather 格式
pd.read_feather

#Msgpack
pd.read_msgpack

# Stata
pd.read_stata

# SAS
pd.read_sas     

# Python Pickle 格式
pd.read_pickle

# SQL 数据库
pd.read_sql

# Google Big Query
pd.read_gbq