numpy基础知识

numpy学习

# 第一步导包使用numpy库
import numpy as np

1.ndarray对象

1.基础使用

# 创建ndarray对象方式1
arr = np.array([列表]/[元组]/ndarray(也可以)/嵌套列表或元组(创建多维的))

# 创建ndarray对象方式2
#生成从0到数字[0,6)的ndarray对象,对象可以是python的类型也可以是np的类型
arr = np.arange(6,dtype = 数据类型) 

• 对于ndarray对象可以使用reshape(行,列),来改变对象的维度

arr.reshape(2,3)
# 变成一个2行3列的二维矩阵

特殊的创建

创建全零的ndarray

np.zeros(长度)

创建全1的ndarray

np.ones(长度)

等比数列

np.logspace(开始幂,结束幂,个数,base=底数)

等差数列

np.linspace(开始值,结束值,个数,endpoint = True(True包括结束值,False不包括))

下图式包括的

生成正态分布

arr1 = np.random.randn(行数,列数)

生成start到end的均值分布的ndarray

arr1 = np.random.uniform(开始值,结束值,size=(行数,列数))

2.属性介绍

arr1 = np.array([[1,2,3],[1,2,3]],dtype=np.int64)
print(arr1)
# 常用的属性
print(f'arr1的维度:{arr1.ndim}')
print(f'arr1的形状:{arr1.shape}')
print(f'arr1的元素个数:{arr1.size}')
print(f'arr1的类型{type(arr1)}')
print(f'arr1中元素的类型{arr1.dtype}')
print(f'元素大小为{arr1.itemsize}字节')

[[1 2 3]
 [1 2 3]]
arr1的维度:2
arr1的形状:(2, 3)
arr1的元素个数:6
arr1的类型<class 'numpy.ndarray'>
arr1中元素的类型int64
元素大小为8字节

3.常用函数

1.基础函数

ceil()向上取整

对于ndarray数组中每一个元素向上取整

np.ceil(数值/ndarray)

floor()向下取整

对于ndarray数组中每一个元素下取整

np.floor(数值/ndarray)

rint()四舍五入

np.rint(数值/ndarray)

isnan()数组是否存在NaN(Not a Number)

np.isnan(ndarray)
# np.nan对于这个会return True

multiply()矩阵

逐个相同行列的元素相乘

print(np.multiply(arr1,arr1))

divide()矩阵除

逐个相同行列的元素相除

print(np.divide(arr1,arr1))

where()判断

矩阵中的每个元素判断,满足元素设为’哈’,不满足设置为’呵’,类似三元式

print(np.where(arr1>1,'哈','呵'))

2.统计函数

1.和

ndarray.sum(axis=0/1) #统计和

等于0时,每列的和

等于1时,每行的和

2.累加和

# 变成一维的一个一个加起来
print(arr2.cumsum())
# axis=0是一列一列加起来放到从上到下累加
print(arr2.cumsum(axis=0))
# axis=1是一行一行加起来从左到右累加
print(arr2.cumsum(axis=1))

3.去重函数

arr3 = [[1,2,1],[2,4,1]]
#去重后对原函数无影响
result = np.unique(arr3)
print(result)
print(arr3)

[1 2 4]					#去重后的数组
[[1, 2, 1], [2, 4, 1]]

4.排序函数

# np.sort 返回新数组,对原数组无影响
arr4 = [2,4,1,3,5,9,12,5,6]
print(np.sort(arr4))
print(arr4)

[ 1  2  3  4  5  5  6  9 12]
[2, 4, 1, 3, 5, 9, 12, 5, 6]

# 数组.sort() 会影响原数组
arr4.sort()
print(arr4)

[1, 2, 3, 4, 5, 5, 6, 9, 12]

5.矩阵乘A乘B

A的矩阵列 = B的矩阵行

# 方式1
np.dot(arr1,arr2)
# 方式2
arr1.dot(arr2)
# 方式3
arr1 @ arr2

总结

numpy的学习为之后pandas更好的处理数据打基础~