numpy&pandas学习笔记2

numpy的基础运算

  • 一 、numpy的基础计算1
    • 1.1 减法
    • 1.2 加法
    • 1.3 乘方
    • 1.4 三角函数
    • 1.5 比较
    • 1.6 乘法
    • 1.7 随机数
    • 1.7 最值
  • 二、numpy的基础计算2
  • 2.1 简单统计
    • 2.2 numpy的索引

一 、numpy的基础计算1

1.1 减法

import numpy as np
a=np.array([10,20,30,40])
b=np.arange(4)
c=a-b
print(a,b)
print(c)

结果
在这里插入图片描述

1.2 加法

import numpy as np
a=np.array([10,20,30,40])
b=np.arange(4)
c=a+b
print(a,b)
print(c)

结果
在这里插入图片描述

1.3 乘方

import numpy as np
b=np.arange(4)
c=b**2
print(b)
print(c)

结果
在这里插入图片描述

1.4 三角函数

import numpy as np
b=np.arange(4)
c=10*np.sin(b)
print(b)
print(c)

结果
在这里插入图片描述
类似的 cos tan

1.5 比较

import numpy as np
b=np.arange(4)
print(b)
print(b<3)

结果
在这里插入图片描述

1.6 乘法

import numpy as np
a=np.array([[1,2],
            [3,4]])
b=np.arange(4).reshape((2,2))
c=a*b //各项相乘
c_dot= np.dot(a,b) //矩阵相乘
print(c)
print(c_dot)

结果:
numpy&pandas学习笔记2_第1张图片

1.7 随机数

import numpy as np
a=np.random.random((2,4))  //numpy库下的random模块,random下有一个random函数(生成0-1之间的数)
print(a)
print(np.sum(a))
print(np.max(a))
print(np.min(a))

结果
numpy&pandas学习笔记2_第2张图片

1.7 最值

import numpy as np
a=np.arange(4).reshape(2,2)  
print(a)
print(np.sum(a,axis=1))  //axis=1表示行,=0等于列
print(np.max(a,axis=0))
print(np.min(a,axis=1))

结果
在这里插入图片描述

二、numpy的基础计算2

2.1 简单统计

import numpy as np
a=np.arange(2,14).reshape(3,4)
print(a)  
print(np.argmin(a)) //最小数的下标
print(np.argmax(a)) //最大数的下标
print(np.mean(a)) //平均值
print(a.mean())
print(np.average(a))
print(np.median(a)) //中位数
print(np.cumsum(a)) //逐步累加
print(np.diff(a)) //差分
print(np.nonzero(a)) //返回非零元素的行下标和列下标

b=np.arange(10,2,-1).reshape(2,4)
print(b)
print(np.sort(b)) //排序,默认按行
print(np.transpose(b)) //转置
print((b.T).dot(b))
print(np.clip(b,5,8)) //比5小的都为5,比8大的都为8

结果
numpy&pandas学习笔记2_第3张图片
numpy&pandas学习笔记2_第4张图片

2.2 numpy的索引

import numpy as np
a=np.arange(3,15)
print(a[3])

b=np.arange(3,15).reshape(3,4)
print(b[2]) //第三行
print(b[2][1])
print(b[2,1])
print(b[2,:])
print(b[:,1])
print(b[1,1:2])

for row in b:
    print(row)

for column in b.T:
    print(column)
    
print(b.flatten())
for item in b.flat: //迭代器
    print(item)

结果
numpy&pandas学习笔记2_第5张图片

你可能感兴趣的:(python,机器学习,numpy,数据分析)