numpy笔记

在Python中做科学计算的基础库，重在数值计算，也是大部分PYTHON科学计算库的基础库，多用于在大型、多维数组上执行数值运算

numpy创建数组

a = np.array([1,2,3,4,5])
b = np.array(range(1,6))
c = np.arange(1,6)
a,b,c内容相同，
np.arange的用法：arange([start,] stop[,step,],dtype= None)

数组类名

numpy.ndarray

数据的类型

a.dtype

numpy中常见的更多数据类型

数据类型的操作

指定创建的数组的数据类型
dype=’?’

修改数据的数据类型
a.astype("") 或者a.astype(np.int8)

修改浮点型的小数位数

np.round(b,2）

数据的形状

查看a.shape
修改a.reshape(3,4)
把数组转化为1维数据b.flatten()

数据和数的运算

加法减法 乘法除法

数据和数据运算

轴(axis)

在numpy中可以理解为方向,使用0,1,2…数字表示,对于一个一维数组,只有一个0轴,对于2维数组(shape(2,2)),有0轴和1轴,对于三维数组(shape(2,2, 3)),有0,1,2轴

numpy读取数据

CSV:Comma-Separated Value,逗号分隔值文件
显示：表格状态
源文件：换行和逗号分隔行列的格式化文本,每一行的数据表示一条记录

由于csv便于展示,读取和写入,所以很多地方也是用csv的格式存储和传输中小型的数据,为了方便教学,我们会经常操作csv格式的文件,但是操作数据库中的数据也是很容易的实现的

np.loadtxt(fname,dtype=np.float,delimiter=None,skiprows=0,usecols=None,unpack=False)

numpy读取数据

numpy中的转置

转置是一种变换,对于numpy中的数组来说,就是在对角线方向交换数据,目的也是为了更方便的去处理数据
t.transpose()
t.swapaxes()
t.T

numpy索引和切片

a[1] 取一行
a[:,2] 取一列
a[1:3] 取多行
a[:,2:4] 取多行

numpy中的nan和inf

nan(NAN,Nan):not a number表示不是一个数字

什么时候numpy中会出现nan：
当我们读取本地的文件为float的时候，如果有缺失，就会出现nan
当做了一个不合适的计算的时候(比如无穷大(inf)减去无穷大)

inf(-inf,inf):infinity,inf表示正无穷，-inf表示负无穷

numpy中的nan的注意点

numpy中常用统计函数

数组的拼接

np.vstack((t1,t2)) 竖直拼接
np.hstack((t1,t2)) 水平拼接

其他numpy方法

获取最大值最小值的位置
np.argmax(t,axis=0)
np.argmin(t,axis=1)
创建一个全0的数组: np.zeros((3,4))
创建一个全1的数组:np.ones((3,4))
创建一个对角线为1的正方形数组(方阵)：np.eye(3)