百度飞桨学院小白逆袭课程第三天
三岁学编程，小白逆袭第三天的笔记
参考资料：https://aistudio.baidu.com/aistudio/projectdetail/428055
Numpy库
中文文档官网：
https://www.numpy.org.cn/
使用方法：
导入库import numpy as np
数组创建
使用array()函数转换成为多维数组，可以是一切序列型的对象（包括其他数组）
import numpy as np
#将列表转换为数组
array = np.array([[1,2,3],
[4,5,6]])
print(array)
[[1 2 3]
[4 5 6]]
#将列表转换为数组
array = np.array(((1,2,3),
(4,5,6)))
print(array)
[[1 2 3]
[4 5 6]]
这里面不能够a = np.array(1,2,3,4)这种形式，他只调用了array()函数并没有传入一个序列型数据！！！
创建初始占位符的几种方法：
① zeros() 指定长度或形状的全部为 0 的数组
②ones() 创建指定长度形状的 内容为 1 的数组
③empty() 创建一个数组，内容随机
emptyarray = np.zeros((2,3))
print(emptyarray)
[[0. 0. 0.]
[0. 0. 0.]]
#dtype = 'int64'代表了是整型
emptyarray = np.ones((3,4), dtype='int64')
print(emptyarray)
[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]]
emptyarray = np.empty((3,4))
print(emptyarray)
[[6.23042070e-307 1.42417221e-306 1.37961641e-306 1.27945651e-307]
[1.24610383e-306 1.69118108e-306 8.06632139e-308 1.20160711e-306]
[1.69119330e-306 1.29062229e-306 1.60217812e-306 1.37961370e-306]]
arange()函数生成一个指定内容的数字数组
使用方法类似与range()
使用方法：np.arange(a, b, c)
a:第一个内容
b：最后一个是(b-1)
c：按照c的步长进行
array = np.arange( 10, 31, 5 )
print(array)
[10 15 20 25 30]
注：此处遵循左闭右开！！！
数组类型的查看
- 数组维度
数组名.ndim - 数组形状
数组名.shape - 数组个数
数组名.size - 数组元素类型
数组名.dtype
array = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
print(array)
#数组维度
print(array.ndim)
#数组形状
print(array.shape)
#数组元素个数
print(array.size)
#数组元素类型
print(array.dtype)
[[ 1 2 3]
[ 4 5 6]
[ 7 8 9]
[10 11 12]]#数组内容
2#维度
(4, 3)#形状
12#个数
int32#类型
修改数组（矩阵）的形状
用reshape()
array1 = np.arange(6)
print(array1)
[0 1 2 3 4 5]
[[0 1 2]
[3 4 5]]
注意：文文老师千叮咛万嘱咐，在里面改变形状可以，但是数据的量不能改变，不然会溢出或无中生有。导致报错！
数组计算
数组计算会矢量化，计算都是元素级别，无需遍历即可运算
基本算法
- 加法两个数组相对应的位置进行加法计算
- 减法对应位置进行减法操作
- 乘法对应位置进行乘法操作
- 除法对应位置进行除法操作，结果是浮点型
- 幂每个位置分别进行幂操作
arr1 = np.array([[1,2,3],[4,5,6]])
arr2 = np.ones([2,3],dtype=np.int64)
print(arr1 + arr2)
print(arr1 - arr2)
print(arr1 * arr2)
print(arr1 / arr2)
print(arr1 ** 2)
[[2 3 4]
[5 6 7]]#加法
[[0 1 2]
[3 4 5]]#减法
[[1 2 3]
[4 5 6]]#乘法
[[1. 2. 3.]
[4. 5. 6.]]#除法（浮点型）
[[ 1 4 9]
[16 25 36]]#幂
矩阵乘法
使用方法 np.dot(矩阵1，矩阵2)
两个矩阵的形状必须是相反的
如(23)的h和（32）的宽度和高度相反的，不然会报错
ValueError: shapes (2,3) and (2,3) not aligned: 3 (dim 1) != 2 (dim 0)
计算方式：第一行和第一列分别相乘的和，第二行和第二列相乘的和，以此类推，不理解看题
arr3 = np.array([[1,2,3],[4,5,6]])
arr4 = np.array([[5, 6], [3,4], [1,2]])
print(np.dot(arr3,arr4))
[[14 20]
[41 56]]
其他计算
sum() 求和
sum(矩阵名, axis=0)#axis=0求一列的和，=1求一行
max()#最大值
min()#最小值
mean()#平均值
argmax()#最大值下标
argmin()#最小值下标
矩阵转制、拍平
转制：矩阵名.transpose()
拍平：变成一维数组：矩阵名.flatten()
arr3_tran = arr3.transpose()
print(arr3_tran)
print(arr3.flatten())
[[1 4]
[2 5]
[3 6]]
[1 2 3 4 5 6]
切片与读取
和列表读取类似，最多带上循环
arr5 = np.arange(0,6).reshape([2,3])
print(arr5)
print(arr5[1])
print(arr5[1][2])
print(arr5[1,2])
print(arr5[1,:])
print(arr5[:,1])
print(arr5[1,0:2])
[[0 1 2]
[3 4 5]]
[3 4 5]
5
5
[3 4 5]
[1 4]
[3 4]
pandas库
pandas库，第三方库安装：pip install pandas
本人安装时超时了，可以下载.whl格式再进行安装
下载地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#traits
根据需要下载相应版本
导入库：import pandas as pd
参考地址：pandas中文网：https://www.pypandas.cn/
Series
Series是一种类似于一维数组的对象，它由一维数组（各种numpy数据类型）以及一组与之相关的数据标签（即索引）组成.
这里面的“键”可以重复
一个类似于键值对的样式
s = pd.Series(['a','b','c','d','e'])
print(s)
0 a
1 b
2 c
3 d
4 e
#索引值index可以重复
s = pd.Series(['a','b','c','d','e'],index=[100,200,100,400,500])
print(s)
100 a
200 b
100 c
400 d
500 e
#字典转换为Series
d = {'b': 1, 'a': 0, 'c': 2}
pd.Series(d)
b 1
a 0
c 2
可以通过Series的values和index属性获取其数组表示形式和索引对象
print(s.values)
print(s.index)
['a' 'b' 'c' 'd' 'e']
Int64Index([100, 200, 100, 400, 500], dtype='int64')
可以通过索引的方式选取Series中的单个或一组值
print(s[100])
print(s[[400, 500]])
100 a
100 c
dtype: object
400 d
500 e
dtype: object
Series中最重要的一个功能是：它会在算术运算中自动对齐不同索引的数据
Series 和多维数组的主要区别在于， Series 之间的操作会自动基于标签对齐数据。因此，不用顾及执行计算操作的 Series 是否有相同的标签。
当数据缺失时会用NaN自动补齐
obj1 = pd.Series({"Ohio": 35000, "Oregon": 16000, "Texas": 71000, "Utah": 5000})
obj2 = pd.Series({"California": np.nan, "Ohio": 35000, "Oregon": 16000, "Texas": 71000})
print(obj1 + obj2)
California NaN
Ohio 70000.0
Oregon 32000.0
Texas 142000.0
Utah NaN
dtype: float64
DataFrame
DataFrame是一个表格型的数据结构，类似于Excel或sql表
它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）
DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）
用多维数组字典、列表字典生成 DataFrame
data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'], 'year': [2000, 2001, 2002, 2001, 2002], 'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
frame = pd.DataFrame(data)
print(frame)
state year pop
0 Ohio 2000 1.5
1 Ohio 2001 1.7
2 Ohio 2002 3.6
3 Nevada 2001 2.4
4 Nevada 2002 2.9
#如果指定了列顺序，则DataFrame的列就会按照指定顺序进行排列
frame1 = pd.DataFrame(data, columns=['year', 'state', 'pop'])
print(frame1)
year state pop
0 2000 Ohio 1.5
1 2001 Ohio 1.7
2 2002 Ohio 3.6
3 2001 Nevada 2.4
4 2002 Nevada 2.9
如果遇到了没有数据一样会用NaN进行填充
PIL库
PIL库是一个具有强大图像处理能力的第三方库。
安装：cmd格式下pip install pil
使用方法： from PIL import *
Image
导入from PIL import Image
读取图片等
Image.open()读取图
图片名.show调用计算机软件读取图片
图片名.mode返回图片模式（RGB， RGBA）
图片操作
图片名.rotate()图片旋转（）里面填写的是度数默认逆时针旋转
图片名.ceop()图片裁剪括号里面是裁剪位置的左上与右下坐标
图片名.resize()图片缩放，括号里面为照片大缩放后的大小
图片名.transpose(Image.FLIP_TOP_BOTTOM)图片上下镜像
图片名.transpose(Image.FLIP_LEFT_RIGHT)图片左右镜像
Matplotlib库
安装：cmd下pip install Matplotlib
参考地址：Matplotlib中文网：https://www.matplotlib.org.cn
导入：import matplotlib.pyplot as plt
通过构建x 和y的关系生成图片
x = np.linspace(-1,1,50) #等差数列
y = 2*x + 1
#传入x,y,通过plot()绘制出折线图
plt.plot(x,y)
#显示图形
plt.show()
其他的去官网取经吧！
