numpy基础

1.1定义

• （numpy）是python语言中做科学计算的基础库.重在与数值计算，也是大部分python科学计算库的基础,多用于在大型,多维数组上执行的数值运算

  • 使用np.array()创建数组
  • 使用plt创建
  • 使用np的routlines函数创建
  • 使用array()创建一个一维数组

  # 使用array()创建一维数组
  arr1=np.array([1,2,3])
  
  # 使用array()创建多维数组,arr2(2维)
  arr2=np.array([[1,2,3],[1,2,3]])
  

• 1.数组和列表的区别是什么？

  • 数组中存储的数据元素类型必须是同一类型
  • 优先级：字符串>浮点型>整型

• 数据类型

  • array(dtype=?):可以设定数据类型
  • arr.dtype = ‘?’:可以修改数据类型
    

• 2.numpy函数

  • zero()
  • ones()
  • linespace()
  • arange()
  • random系列
  • 变形reshape

  # shape表示数组的形状
  fun1=np.zeros(shape=[2,3],dtype='int32')  # 数值全为0   dtype数据类型
  
  fun2=np.ones(shape=[2,3])  # np.ones数值全为1
  
  fun3=np.linspace(0,100,num=20) # 从0-100中取出20个数，等差数列
  
  fun4=np.arange(0,100,step=5) # 从0-100取出差为5的等差数列,step==步数
  
  fun5=np.random.randint(0,100,size=[3,5]) # 从0-100随即取出3行5列的随机数
  
  arr1=np.random.randint(0,100,size=[3,4])
  # 将2维变一维
  arr1.reshape((12))
  arr1.reshape((6,-1))  #-1自动计算
  

• 3.numpy属性

  • shape
  • ndim
  • size
  • dtype

  fun6=np.random.randint(0,100,size=[3,5]) # 从0-100随即取出3行5列的随机数
  print(fun6.shape)   # 形状
  print(fun6.ndim)   # 维度
  print(fun6.size)   # 个数
  print(fun6.dtype)   # 数据类型
  

1.2numpy的索引和切片操作（重点）

• 1.切片操作：

  • 切出前两列数据
  • 切出前两行数据
  • 切出前两行的前两列数据
  • 数组数据翻转

  arr = np.random.randint(0, 100, size=[5, 4])
  arr[0]# 索引取元素，取出第一行元素
  # 切出前两列数据
  arr[:, :2]
  # 切出前两行数据
  arr[:2, :]
  # 切出前两行的前两列数据
  arr[:2, :2]
  # 数组行数据翻转
  arr[::-1]
  # 数组列数据翻转
  arr[:, ::-1]
  # 数组行和列数据都翻转
  arr[::-1, ::-1]
  

1.3级联操作

• 将多个numpy数组进行横向或纵向拼接

• 行一样列不一样，只能使用行级联

• 列一样行不一样，只能使用列级联

• 行列都一样，行列都可以级联

• （以伪数组级联默认axis=0,默认为列）

• axis轴向理解

  • 0列 1行

  array=np.random.randint(0,100,size=(3,5))
  np.concatenate((array,array),axis=0)
  

1.4常见的聚合操作

• sum()求和
• max()最大值
• min()最小值
• mean()平均值

1.5常见的数学函数

• NumPy 提供了标准的三角函数：sin()、cos()、tan()
• numpy.around(a,decimals) 函数返回指定数字的四舍五入值。
  • 参数说明：
    • a: 数组
    • decimals: 舍入的小数位数。 默认值为0。 如果为负，整数将四舍五入到小数点左侧的位置

1.5常见的统计函数

• numpy.amin() 和 numpy.amax()，用于计算数组中的元素沿指定轴的最小、最大值。
• numpy.ptp():计算数组中元素最大值与最小值的差（最大值 - 最小值）。
• numpy.median() 函数用于计算数组 a 中元素的中位数（中值）
• 标准差std():标准差是一组数据平均值分散程度的一种度量。
  • 公式：std = sqrt(mean((x - x.mean())**2))
  • 如果数组是 [1，2，3，4]，则其平均值为 2.5。 因此，差的平方是 [2.25,0.25,0.25,2.25]，并且其平均值的平方根除以 4，即 sqrt(5/4) ，结果为 1.1180339887498949。
• 方差var()：统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数，即 mean((x - x.mean())** 2)。换句话说，标准差是方差的平方根。

1.6矩阵

• numpy中包含了一个矩阵库numpy.matlib,该模块中的函数返回的是一个矩阵，而不是ndarray对象
• 一个的矩阵是一个由行（row）列（column)元素排列成的矩形阵列
• numpy.matlib.identity()函数返回给定大小的单位矩阵