唐宇迪学习笔记1：Python环境安装、Pytho科学计算库——Numpy

目录

一、AI数据分析入门

​1、案例来源

2、Python环境配置（Python3）

Python的安装

Python库安装工具

Jupyter Notebook

二、Python科学计算库——Numpy 

1、 Numpy工具包概述

2、数组结构

3、ndarray基本属性操作

打印当前输入是什么类型的

dtype：数组的类型

array元素的字节数

数组元素个数

数组矩阵规模

数组的填充

数组维度

索引与切片：与Python一样 从0开始 

​ 矩阵格式（多维的形式） 

数组的赋值（=），赋值后数组的改变会影响赋值前元素的值 (地址相同)。

数组的复制（.copy()），赋值后数组的改变不会影响赋值前元素的值 (地址不同)。

4、数据索引方法

np.arange(0,100,10)：从0到100，步长为10：

随机构建10个值

 类型的改变（float、int、 object）

 astype：转换数组的数据类型

4、数值计算方法

​ 加法操作

 指定要进行的操作是沿着什么轴（维度） 

​ 乘积操作

取最小值(最大值max同理)

 找到最小值索引位置（最大值同理）

求均值

标准差

 方差

截断操作在【2,4】范围内

四舍五入

 5、排序

6、数组形状操作

改变维数（新加轴） 

轴压缩

​矩阵的转置​

 7、数组生成常用函数

构造出来一个数组

线性空间

​ 对数空间，默认是10为底

更常用的zeros ，ones

empty()、fill()：填充。

​ zeros_like：维度相同的情况下进行值的填充​

 8、运算操作

乘法操作

一维的时候是内积点乘操作

二维的时候是矩阵计算 

逻辑或

逻辑与

逻辑非

9、随机模块

随机操作

随机的高斯初始化操作 

 洗牌

随机的种子

10、读写模块 

总结

---

一、AI数据分析入门

1、案例来源

       GitHub、kaggle（数据挖掘竞赛网站）

2、Python环境配置（Python3）

• Python的安装

下载Anaconda：https://www.anaconda.com/

Anaconda中，安装了必备的库、配置好了环境变量、提供了开发环境及许多资源。

• Python库安装工具

在Anaconda Prompt中配置需要用到的库。

        conda list：搜索当前Anaconda中已经装好的库。

        安装库：pip install (库名) 或者 conda install (库名)

注：当pip install报错时，使用非官方的Windows中Python扩展包 ，在网站里面选择下载需要的： https://www.lfd.uci.edu/~gohlke/pythonlibs/ （.whl文件是pip的工具包，可以直接下载安装）

• Jupyter Notebook

用浏览器写代码。新建：new-》Python3

优点：可以加文字说明、图片展示、片段执行（运行：shift+回车）

添加注释（Markdown）：

——(运行)——》

单元格删除： 

单元格恢复：edit-》Undo Delete Cells 

文件路径：

import os

print(os.path.abspath('.'))

 修改文件路径：参考jupyter notebook 如何修改一开始打开的文件夹路径？ - 知乎

二、Python科学计算库——Numpy 

1、 Numpy工具包概述

 Python在矩阵计算中，不要写list数组结构，把所有矩阵的操作转换成numpy.ndarray结构。

2、数组结构

array数组的加减乘除操作：shape值必须相同。

对于ndarray结构来说，里面的元素必须是同一类型的，如果不是的话，会自动的向下转换。

3、ndarray基本属性操作

打印当前输入是什么类型的

dtype：数组的类型

array元素的字节数

数组元素个数

 

数组矩阵规模

 

数组的填充

数组维度

索引与切片：与Python一样 从0开始 

 矩阵格式（多维的形式） 

数组的赋值（=），赋值后数组的改变会影响赋值前元素的值 (地址相同)。

数组的复制（.copy()），赋值后数组的改变不会影响赋值前元素的值 (地址不同)。

4、数据索引方法

np.arange(0,100,10)：从0到100，步长为10：

随机构建10个值

 类型的改变（float、int、 object）

 astype：转换数组的数据类型

4、数值计算方法

 加法操作

 指定要进行的操作是沿着什么轴（维度） 

 乘积操作

 

取最小值(最大值max同理)

 找到最小值索引位置（最大值同理）

求均值

标准差

 方差

 

截断操作在【2,4】范围内

四舍五入

 5、排序

np.linspace(start,end.sum)

 插入到：np.searchsorted(list_array,values) ,返回插入的位置。

 按第一列降序（-1）排序，第三列升序排序。

6、数组形状操作

改变维数（新加轴） 

轴压缩

矩阵的转置

 数组的连接

hu 

 7、数组生成常用函数

构造出来一个数组

线性空间

 对数空间，默认是10为底

更常用的zeros ，ones

empty()、fill()：填充

 zeros_like：维度相同的情况下进行值的填充

 8、运算操作

乘法操作

 

一维的时候是内积点乘操作

二维的时候是矩阵计算 

逻辑或

        np.logical_or(x,y)

逻辑与

        np.logical_and(x,y)

逻辑非

        np.logical_not(x,y)

9、随机模块

随机操作

所有的值都是0到1

返回的是随机的整数，左闭右开 

随机的高斯初始化操作 

 洗牌

随机的种子

         (保证每次按照当前模式随机（牌一样，随机发）) 

10、读写模块 

%%write li.txt
1 2 3 4 5
6 7 8 9 1

python: 

data=[]
with open('li.txt') as f:
    for line in f.readlines():
        fileds=lines.splite()
        cur_data=[float(x) for x in fileds]
        data.append(cur_data)
data=np.array(data)
data

读取array结构