Numpy学习

 # 使用numpy生成数组，得到ndarray类型
    t1 = np.array([1, 2, 3, ])
    print(t1)
    print(type(t1))
    t2 = np.arange(4, 12, 2)  # 2步长
    print(t2)
    t3 = np.array(range(10))
    print(t3)

    t3.dtype  # t3中元素的数据类型
    t4 = np.array(range(1, 4), dtype="int8")  # 指定数据类型
    t4.astype(float)#修改数据类型
    t5 = np.array([random.random() for i in range(10)])  # 取小数
    t6 = np.round(t5, 2)  # 小数保留两位
    print(t2.shape)  # 形状（行数,列数）
    t5.reshape((2, 5))  # 改变形状
    t7 = np.arange(24).reshape((2, 3, 4))
    print(t7)
    t7.reshape((24,))
    # 下面俩都是二维的
    t7.reshape((1, 24))
    t7.reshape((24, 1))
    t7 = t7.reshape((4, 6))
    print(t7.shape[0], t7.shape[1])  # 行与列
    t7.flatten()  # 展开成一维度
    t7 = t7 + 2  # 广播机制，都加2
    t8 = np.arange(100, 124).reshape((4, 6))
    print(t7 + t8)  # 对应值相加
    t9 = np.arange(6)
    print(t7 - t9)  # 相同维度操作
    # 行列都不一样将无法计算
    # 在形状上包含就可运算

uk_file_path="./test_data/GB_video_data_numbers.csv"
    us_file_path="./test_data/US_video_data_numbers.csv"
    t1=np.loadtxt(us_file_path,delimiter=",",dtype="int",skiprows=0,unpack=False)#skiprows,跳过前n行 unpack转置
    print(t1)
    print("*"*100)
    t1[2]#取行
    t1[2:]#取多行,连续
    t1[[2,8,10]]#取多行，不连续
    t1[1,:]#[行,列]取第二行,:代表都要
    t1[:,0]#取第一例
    t1[2,3]#取第3行第4列
    t1_flag=t1[2:5,1:4]#取多行多列
    print(t1_flag)
    t1[[0,1,2],[1,2,2]]#取多个不相邻的点，[0,1] ,[1,2]，[2,2]
    t1[t1<1100]=3#将小于1100的替换为3
    np.where(t1<10,0,10)#t1<10赋值为0，否则赋值为10,三元运算符
    t1.clip(1000,20000)#将小于1000的替换为1000，将大于20000的替换为20000
    np.nan==np.nan#两个nan不一定相等,not a number
    np.count_nonzero(t1!=t1)#统计nan的个数

#nan加任何数都是nan
np.sum(t1_flag)#将所有数相加
t2=np.arange(12).reshape((3,4))
print(t2)
#注意对“轴”的理解
print(np.sum(t2,axis=0))#行相加
print(np.sum(t2,axis=1))#列相加
#numpy常用函数
t2.sum()
print(t2.mean(axis=0))#均值
print(np.median(t2,axis=1))#中值
#最大最小值
t2.max()
t2.min()
np.ptp(t2)#极值
print(t2.std())#标准差