Python科学计算-Numpy和Pandas学习笔记(一)-安装、Numpy属性和常用方法(chaochao`s Blog)

1 前言

由于项目的原因,最近开始学习机器学习的相关内容,在写文字笔记的时候发现我写的字确实很丑、很难看,并且记笔记的速度也很慢,由此萌生了编写自己博客的想法。从今天开始,我会将学习的笔记以博客的方式记录下来,方便后续查看,也能在记录的过程中编写一次代码,记得更加牢固。

2 安装

打开pycharm的控制台,直接在里面输入下面命令。或者cmd控制台也行。

2.1 Numpy的安装

# python 2.x 用户安装命令
pip install numpy
# python 3.x 用户安装命令
pip3 install numpy

2.2 Pandas的安装

# python 2.x 用户安装命令
pip install pandas
# python 3.x 用户安装命令
pip3 install pandas

3 创建Array

3.1 基本属性

使用numpy.array可以将列表转换成矩阵。

import numpy as np
# 定义一个二维数组,将其放到np.array()中,可以转换成矩阵形式
array = np.array([[1, 2, 3],
				[4, 5, 6]])
# 打印出矩阵
print(array)
# ndim: 矩阵的维数
print('dim:', array.ndim)
# shape: 矩阵的形状 几行几列
print('shape:', array.shape)
# size: 矩阵的大小 元素的个数
print('size:', array.size)

运行结果:

[[1 2 3]
 [4 5 6]]
dim: 2
shape: (2, 3)
size: 6

3.2 常用方法

import numpy as np
# 生成全为0的矩阵
zero = np.zeros((2, 3))
print('zero:\n', zero)
# 同时可以定义数据类型
zero2 = np.zeros((2, 3), dtype=np.float)
print('zero2:\n', zero2)
# 生成全为1的矩阵
one = np.ones((2, 4))
print('one:\n', one)
# 生成空矩阵 数字很小 接近于0
empty = np.empty((2, 2))
print('empty:\n', empty)
# 定义有序的矩阵 从0到12 左闭右开 步长为1
arange = np.arange(0, 12, 1)
print('arange:\n', arange)
# 改变矩阵的形状为3行4列
arange2 = np.arange(0, 12, 1).reshape((3, 4))
print('arange2:\n', arange2)
# 生成从1到10的五段的矩阵 numpy自动匹配步长
linspace= np.linspace(1, 10, 5)
print('linspace:\n', linspace)

运行结果:

zero:
 [[0. 0. 0.]
 [0. 0. 0.]]
zero2:
 [[0. 0. 0.]
 [0. 0. 0.]]
one:
 [[1. 1. 1. 1.]
 [1. 1. 1. 1.]]
empty:
 [[6.01334514e-154 5.45150447e-268]
 [1.57989218e-313 8.79469134e-313]]
arange:
 [ 0  1  2  3  4  5  6  7  8  9 10 11]
arange2:
 [[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
linspace:
 [ 1.    3.25  5.5   7.75 10.  ]

4 结语

Numpy和Pandas使用频率非常之高,有必要熟练掌握,下一节记录numpy的基本运算。

你可能感兴趣的:(机器学习,python,机器学习,numpy,人工智能,神经网络)