机器学习三剑客之Numpy库基本操作

NumPy是Python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。Numpy内部解除了Python的PIL(全局解释器锁),运算效率极好,是大量机器学习框架的基础库!

安装命令为：pip install numpy 

编辑器中具体代码如下：

#导入numpy 库

import numpy as np

#打印版本号

# print(np.version.version)

#声明一个numpy 一维数组

nlist = np.array([1,2,3])

print(nlist)

#ndim方法用来查看数组维度

print(nlist.ndim)

print('==================')

#声明一个二维数组

nlist_2 = np.array([[1,2,3,4],[4,5,6,7]])

print(nlist_2)

print(nlist_2.ndim)

print('==================')

#使用shape 属性打印多维数组得形状

print(nlist.shape)

print(nlist_2.shape)

print('==================')

#使用size方法来打印多维数组得元素个数

print(np.size(nlist))

print(np.size(nlist_2))

print('==================')

#打印numpy多维数组得数据类型

#打印普通list

print(type([1,2,3]))

print(type(nlist))

print('==================')

#使用dtype属性来打印多维数组内部元素得数据类型

print(type(123))

print(nlist.dtype)

print('==================22222222222')

#itemsize属性，来打印多维数组中得数据类型大小，字节

print(nlist.itemsize)

print('==================11111')

#data属性，用来打印数据缓冲区 buffer

print(nlist.data)

print('==================')

#声明三维数组

nlist_3 = np.array([[[1,2,3],[4,5,6],[7,8,9,]]])

print(nlist_3.ndim)

print('==================')

#使用reshape方法来反向生成多维数组

nlist_4 = np.array(range(32)).reshape(4,2,2,2)

print(nlist_4)

print(nlist_4.ndim)

print('==================')

#使用浮点作为元素类型

nlist_float = np.array([1.0,2.0,3.0])

print(nlist_float.dtype)

print('==================')

#使用字符串

nlist_string = np.array(['1','2','3'])

print(nlist_string.dtype)

print('==================')

#使用ones方法 自动生成元素为1 的所谓数组

nlist_ones = np.ones((4,4))

print(nlist_ones)

print((nlist_ones.dtype))

print('==================')

#使用zero来生成元素为0的数组

 

nlist_zeros = np.zeros((4,4))

print((nlist_zeros))

print(nlist_zeros.dtype)

print('==================')

#使用 empty 生成多维随机数组,使用第二个参数指定数据类型

nlist_empty = np.empty([2,2],dtype=np.int)

print((nlist_empty))

print(nlist_empty.dtype)

print((nlist_empty.ndim))

print('==================')

#把普通list转换为数组

x = [1,2,3]

x = [(1,2,3),(4,5)]

print(type(x))

nlist = np.asarray(x)

print(type(nlist))

print(nlist.ndim)

print(nlist.shape)

print('==================')

# frombuffer 通过字符串(buffer内存地址)切片来生成多维数组

my_str = b'hello world'

nlist_str = np.frombuffer(my_str,dtype='S1')

print(nlist_str)

print('==================')

x = np.array([[1,2],[3,4]])

print(x)

#指定axis属性可以指定当前多维数组的维度 sum是跨维度列级求和

sum0 = np.sum(x,axis=0,keepdims=True) # axis=0 是跨维度列级相加

print(sum0)

sum1 = np.sum(x,axis=1,keepdims=True) # axis = 跨维度行级相加

print(sum1)

print('==================')

#多维数组赋值 根据列表下标原理

y = np.array([1,2])

z = y.copy()

y[0] = 3

y[1] = 3

print(z)

print('==================')

#维度级的运算

a = np.array([[1,2],[3,4],[5,6]])

b = np.array([[11,21],[13,41],[15,61]])

#vasack方法 (添加)

suma = np.vstack((a,b))

print(suma)

#hstack方法(混和)

sumb = np.hstack((a,b))

print(sumb)

print('==================222222222222222')

#多维数组调用

nlist = np.array([[1,2],[3,4],[5,6]])

#取元素4

print(nlist[1][1])

#第二种写法

print(nlist[1,1])

#修改

nlist[2,1] = 7

print(nlist)

#删除方法 delete

# 删除nlist 第二行

print('==================')

print(np.delete(nlist,1,axis=0))

print(np.delete(nlist,0,axis=1))