Numpy 的使用

模块的导入

　　import numpy as np ---> 约定俗成 起别名 np

使用

　　生成 ndarray 对象　　　　

　　　　array：np.array([1,2,3,4,5]) ---> array([1, 2, 3, 4, 5])

　　　　arange：np.arange(10) ---> array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

　　　　　　　　类似于python的 range 版本（前包后不包）

　　　　linspace：np.linspace(起始位，末位) ----> 默认分成50等份， 且包含末位

　　　　　　　　　　　　　　可以额外设置参数：endpoint=False ---> 不包含末位

　　　　　　　　　　　　　　　　　　　　　　　num=10 ---> 指定为均分10份

　　　　zeros：np.zeros(10) ---> array([0, 0, 0，0，0，0 ，0， 0 ，0 ，0])

　　　　ones：np.ones(10) ---> array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1])

　　　　empty：np.empty([2,2]) ---> 对于多维数组而言的（随机生成的值）

　　　　　　　　　　　　　　　　array([[4.94065646e-324, 6.95252928e-310],

　　　　　　　　　　　　　　　　　　　[6.95252928e-310, 6.95252928e-310]])

　　　　eye：np.eye(10) ---> 如下：对角线的值为1, 10行10列：如下图：

                                                    

---

　　ndarray 的属性

　　　　转置：T ----> res.T 行列互换，行变列，列变行（4行3列 --> 3行4列）

　　　　类型：dtype ----> res.dtype 可以使用astype进行数据类型的转换 res.astype('float')

　　　　元素个数：size ---> res.size

　　　　维度：ndim ---> res.ndim 一般我们用到的就是2维

　　　　形状：shape ---> res.shape 以元祖的形式展现 还可以使用 reshape 来更改形状（维度）

　　　　　　　　变一维：res.reshape(传一个值)

　　　　　　　　变二维：reshape(传元祖，两个值) ---> 注：两个值的积必须等于一个值

---

 　　索引

　　　　一维：与 python 中的 list 一致

　　　　二维：需要两个值，逗号前面是行索引，后面是列索引

　　　　　　　　如：res = np.array([1, 2, 3, 4],

　　　　　　　　　　　　　　　　　[5, 6, 7, 8])

　　　　　　　　　　res[1,1] = 6 ---> 表示取第二行第二列的值

---

 

　　切片　　　

　　　　一维：与 python 中的 list 一致

　　　　　　　如：res[1:4] res[:] res[:4]

　　　　二维：需要两组值，逗号前面是行索引，后面是列索引

　　　　　　　如：res = array([[ 1, 2, 3, 4],

　　　　　　　　　　　　　　　[ 5, 6, 7, 8],

　　　　　　　　　　　　　　　[ 9, 10, 11, 12]])

　　　　　　　　　res[1:3, 1:3] = ([6,7], [10, 11]) ---> 表示取第二行到第四行且第二列到第四列的值（前包后不包）

 

---

 

　　布尔型索引

　　　　要求：给一个数组， 选出数组中大于5的数

import numpy as np
import random

li = [random.randint(1,10) for _ in range(20)]  # 随机生成20个1到10的整数
res = np.array(li)  # 使用最多的是 array 的方式

# 注意：
res > 5   # 结果如下：返回一个个布尔值
array([False,  True,  True,  True, False, False, False, False,  True,
       False,  True, False,  True,  True,  True, False, False,  True,
       False,  True])
# res > 5条件可以当做索引
res[res>5]   # 结果如下：取出布尔值为 True 的对应的原值
array([ 8,  6,  8,  9,  9,  8,  7, 10,  9,  9])

---

　　花式索引

　　　　应用场景：一次性想要获取多个不同的值

import numpy as np

res = np.array([1,2,3,4,5,6,7,8,9,10])
# 获取值是 2 4 7 9 的四个值
res[[1,3,6,8]]   # 内层括号中的数据是 想要获取的值的  索引下标

---

　　通用函数

　　　　能够接受一个数组的叫做一元函数，接受两个的叫做二元函数

　　　　注：浮点型特殊值---> 有两个

　　　　　　　　第一种： nan 不等于任何值，甚至不等于自身 ---> np.nan

　　　　　　　　　　　　数据分析中， nan 常被用作表示数据的缺失值

　　　　　　　　第二种：inf 比任何浮点数都大 infinity缩写 （无限大） ---> np.inf