2-Anaconda简介&Numpy基础

Anaconda使用

• 为什么使用 Anaconda
  • 缺点
    • 文件比较大
  • 优点
    • 包非常齐全, 一般不会出现问题.
    • 虚拟环境不会重新安装包,而是使用已有包的链接
• conda常用命令
  • 进入cmd
    • conda create -n env1 python=3.6
      • 创建python3.6的env1虚拟环境
  • conda activate xxxx
    • 开启xxxx环境
  • conda deactivate
    • 关闭环境
  • conda env list
    • 显示所有的虚拟环境
  • conda remove -n xxxx --all
    • 删除虚拟环境
  • conda list
    • 查看已经安装的文件包
  • conda uninstall xxx
    • 卸载xxx文件包

Numpy基础

• 导入numpy库

  • # 数据分析“三剑客”
    import numpy as np
    import pandas as pd
    import matplotlib.pyplot as plt
    

• 创建ndarray

  • 使用np.array()由python list创建

  • numpy默认ndarray的所有元素的类型是相同的

    • 如果传进来的列表中包含不同的类型，则统一为同一类型，优先级：str>float>int
      • n = np.array(['hello', 1, 2, 3.14])

  • 使用np的routines函数创建

    • np.ones(shape, dtype=None, order='C')
      • n = np.ones(5)
        • 创建一个所有元素都为1的多维数组
      • n = np.ones((3, 4), dtype=np.int)
        • 整数,3行4列
    • np.zeros(shape, dtype=float, order='C')
      • n = np.zeros((5, 6), dtype=int)
        • 创建全为0的数组
    • np.full(shape, fill_value, dtype=None, order='C')
      • n = np.full((3, 4), 8)
      • 创建用指定元素填充的数组
    • np.eye(N, M=None, k=0, dtype=float)
      • np.eye(6, 6, dtype=int)
        • 单位阵
      • n = np.eye(5, 5, dtype=int, k=2)
        • k表示偏移
          • 对角线的1向右边移动两个位置
          • k=-2对角线的1向左边移动两个位置
    • np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
      • n = np.linspace(0, 100, 50, dtype=float, endpoint=True, retstep=True)
        • 创建一个等差数列
        • 保留结束点，显示步长
    • np.arange([start, ]stop, [step, ]dtype=None)
      • n = np.arange(6)
      • 和python的range类似，作用是取一个范围
      • n = np.arange(2, 10, 2)
        • array([2, 4, 6, 8])
    • np.random.randint(low, high=None, size=None, dtype='l')
      • n = np.random.randint(1, 3)
        • 随机的整数, 范围是：[1, 3)
      • n = np.random.randint(1, 10, size=(3, 4, 5))
        • 3维，总共3*4*5个随机数
      • n = np.random.randint(0, 256, size=(6, 8, 3))
        • plt.imshow(n)
        • 创建一个随机图: 三维
    • 操作图片
      • cat = plt.imread('cat.jpg')
      • cat.shape # 形状:4567303
      • plt.imshow(cat)
    • np.random.randn(d0, d1, ..., dn)
      • 标准正太分布
      • n = np.random.randn(10)
        • array([ 2.25358397, 1.04323284, 0.2821671 , -1.31587675, -0.93080649, 0.86579112, -2.13239042, 3.31663086, -0.32907992, 0.57921973])
    • np.random.normal(loc=0.0, scale=1.0, size=None)
      • 正态分布
        • n = np.random.normal(170, 5, size=(3, 4))
        • 均值，方差
    • np.random.random(size=None)
      • 生成0到1的随机数，左闭右开
        • n = np.random.random(size=(3, 4))
    • np.random.rand(3, 4)
      • 返回一个或一组服从“0~1”均匀分布的随机样本值。

• ndarray的属性

  • n.ndim
    • 维度
  • n.shape
    • 形状（各维度的长度）
  • n.size
    • 总长度3*4*5*......
  • n.dtype
    • 元素类型

• ndarray的基本操作

  • 索引

    • 一维
      • n[4]
    • 多维
      • n[2][2]
      • n[2, 2]

  • 切片

    • 一维
      • 与列表完全一致
      • list1[:-1]
      • list1[::-1]
    • 多维
      • n[0]
        • 获取第一行
      • n[0] = 0
        • 修改第一行
      • n[1:4]
        • 切片取连续的行
      • n[[1,3,4]]
        • 取指定的多行
      • n[:,0]
        • 获取第一列
      • n[:,[-1, 1]]
        • 获取指定的多列
      • n[:, 1:4]
        • 获取连续的多列
      • n[1:-1, 1:-1]
        • 指定的行和列

  • 翻转

    • n[::-1]
      • 行翻转
    • n[:, ::-1]
      • 列翻转

  • n.transpose()/n.T

    • 矩阵转置
    • 和n[::-1, ::-1]不一样

  • 变形

    • 使用reshape函数，注意参数是一个tuple！
    • n.reshape((4, 5))
      • n.shape=20=4*5
      • n3.reshape(20)
        • 变成1维
      • n3.reshape((20,))
        • 变成1维
      • n3.reshape((-1,))
        • 变成1维
        • 不需要考虑总数
      • cat2 = cat.reshape((-1, 3))
        • 第一维与第二维合并
      • cat3 = cat.reshape((3, -1))
        • 第二维与第三维合并

  • 级联

    • np.concatenate() 级联需要注意的点

      • 级联的参数是列表：一定要加中括号或小括号
      • 维度必须相同
      • 形状相符
      • 级联的方向默认是shape这个tuple的第一个值所代表的维度方向
      • 可通过axis参数改变级联的方向

    • display(n1, n2)

      • 同时显示多个

    • np.concatenate((n1, n2))

      • 默认上下合并

    • np.concatenate((n1, n2), axis=0)

      • 默认axis=0 表示第一个维度 垂直合并

    • np.concatenate((n1, n2), axis=1)

      • axis=1表示第二个维度 水平合并

    • np.hstack((n1, n2))

      • 水平合并/水平级联

    • np.vstack((n1, n2))

      • 垂直合并/垂直级联

    • n = np.array([[1,2,3], [4,5,6], [7,8,9]])

      • np.hstack(n)
        • 处理自己
        • array([1, 2, 3, 4, 5, 6, 7, 8, 9])

    • n = np.array([1,2,3])

      • np.vstack(n)

      • 处理自己

        • array([[1],
                 [2],
                 [3]])
          

  • 切分/拆分/分隔

    • np.vsplit(n, 4)
      • 垂直拆分，行等分成4份
    • np.vsplit(n, (1, 3, 5))
      • 垂直拆分，在指定的下标位置拆分，可以有多个拆分点
    • np.hsplit(n, 2)
      • 水平拆分，将列等分成两份
    • np.split(n, 2)
      • 默认axis=0
    • np.split(n, 2, axis=0)
      • 按第一个维度拆分，垂直拆分/上下拆分
    • np.split(n, 2 ,axis=1)
      • 按第二个维度拆分，水平拆分/左右拆分

  • 副本

    • 所有赋值运算不会为ndarray的任何元素创建副本。对赋值后的对象的操作也对原来的对象生效

    • 可使用copy()函数创建副本

    • 拷贝

      • n = np.random.randint(0, 10, size=(2, 4))
        n2 = n.copy()
        n[0,0] = 99
        display(n, n2)
        '''
        array([[99,  5,  5,  3],
               [ 7,  5,  2,  8]])
        array([[3, 5, 5, 3],
               [7, 5, 2, 8]])
        '''
        

• ndarray的聚合操作

• 求和

  • 一维
    • np.sum(n)
    • n.sum()
  • 二维
    • np.sum(n, axis=0)
      • 表示将每一列的所有行的数相加
    • np.sum(n, axis=1)
      • 表示将每一行的所有列的数相加
    • np.sum(n, axis=(0, 1))
      • 表示将指定维度的数求和
    • np.nansum(n)
      • 忽略nan

• 最大最小值

  • np.max/ np.min

• 平均值

  • np.mean(n)
  • np.average(n)

• 中位数

  • np.median(n)

• 次幂

  • np.power(n, 3)
  • n**3

• 第一个最大数的下标

  • np.argmax(n)
  • n[np.argmax(n)] = 0

• 第一个最小数的下标

  • np.argmin(n)

• 找到所有的最大数的下标

  • np.argwhere(n==np.max(n)).reshape(-1)

• 其他聚合操作

  • np.prod
  • np.std
  • np.var
  • np.min
  • np.max
  • np.percentile
    • Compute rank-based statistics of elements
  • np.any
    • Evaluate whether any elements are true
  • np.all
    • Evaluate whether all elements are true
  • 所有的聚合操作都可以剔除nan

• ndarray的矩阵操作

  • 基本矩阵操作

    • 算术运算符

      • n + 10
      • n - 10
      • n * 10
      • n / 10
      • n % 6
      • n // 4
      • n ** 2

    • 两个数组进行运算

      • +-*/

      • 矩阵积np.dot()

        • np.dot(n1, n2)
        • 点积，矩阵乘法

      • 广播机制

        • 为缺失的维度补维度

        • 假定缺失元素用已有值填充

        • '''
          array([[0],
                 [1],       +   array([0, 1, 2])   = [0,0,0]   [0,1,2]   [0,1,2]
                 [2]])                               [1,1,1] + [0,1,2] = [1,2,3]
                                                     [2,2,2]   [0,1,2]   [2,3,4]
          '''
          

• ndarray的排序

  • n2 = np.sort(n) # 不改变输入
    • 不改变原数组，类似于Python中的sorted
  • n.sort() # 本地处理，不占用空间，但改变输入
    • 改变原数组，类似于Python中的sort