numpy基础知识一遍过！

1,创建ndarray数组

1.1 ndarray 支持的数据类型

1.2 快速生成ndarray

1.2.1 ones所有成员都为1的数组

1.2.2 zreos所有成员都为0的数组

1.2.3 random 随机数组

1.2.4 arange 顺序数组

1.2.5 linspace 均匀分布的数组

1.3 改变ndarray的形状

2 ndarray 的算术运算

3 简单绘图

4 数组的访问和切片

5 数组的合并和切片

6 unique 去重

numpy提供了跑一趟鸿对多维数组对象的支持：ndarray，具有矢量运算能力，快速、节省空间。
numpy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。
1,创建ndarray数组

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

1.1 ndarray 支持的数据类型

使用ndim属性访问一个ndarray的维度的个数。使用shape属性访问每个维度的长度

print(x.nidm)   #访问每个维度的个数
print(x.shape)   #访问每个维度的长度
print(x.shape[0]) #获取行
print(x.len(x))  #长度
print(x.nbytes)  #占取多少字节

1.2.1 ones所有成员都为1的数组

import numpy as np
np.ones(5) 

1.2.2 zreos所有成员都为0的数组

import numpy as np
np.zeros(3)
np.zreos((4,2))

1.2.3 random 随机数组

np.random.random((3,4))

这里插入一些random的一些只是点

random.choice([1,5,9,8])  //随机选择一个
random.shuffle(l)  //打乱顺序
random.randint（）  //产生随机整数
random.random （） //产生随机浮点数（0-1）
random.uniform（）//产生1-10的随机浮点数

1.2.4 arange 顺序数组

arange函数和Python自带的range函数是基本相同的，只是arrange是返回一个ndarray

np.arange(3)

1.2.5 linspace 均匀分布的数组

np.linspace(1,3,9)

1.3 改变ndarray的形状

x = np.arange(15).reshape(3,5)

2 ndarray 的算术运算

shape相同，逐个运算
当这两个ndarray的shape相同的时候，即x.shape==y.shape 就会逐个元素进行计算

x.sum(axis=1)#表示求一行的总额
x.sum(axis=0)#表示求每一列的
#其余的公式以此类推

3简单绘图

x=np.linspace(0,10)
y=np.sin(x)
plt.title("y=sin(x)")  #注释
import matplotlib.pyplot as plt
%matplotlib inline

plt.plot(x,y)
plt.show()

4数组的访问和切片

访问

b = np.arange(1,7).reshape(3,2)
b[0][1]
b[0,1]

切片

import numpy as np
x=np.arange(9).reshape(3,3)
x[0:2]
x[0:2,1:3]

5数组的合并和切片

a=np.arange(4).reshape(2,2)
b=np.arange(5,9).reshape(2,2)
pp=np.stack((a,b))  
np.hstack((a,b))  #横着合并  水平
np.vstack((a,b))  #竖着合并  垂直

数组的筛选

x = np.random.rand(7,4)
x[x>0]  #单个条件

x[(x>0.8) & (x<0.9)]  #两个条件注意！

6 unique去重函数

u,c=np.unique(x, return_counts=True)   #有 去重效果   return_counters  返回一个