Python——数据分析三剑客之Numpy入门笔记

1 创建ndarray数组

• ndarray：多维数组
• nd：n维度，多维
• array：数组

1.1 使用np.array()由Python list创建

l = [1,4,2,3,5,6]
a = np.array(l)
a

查看形状：

• 注意：列表没有shape属性
  
  
  传入的数据类型不同时：
  
  
  

1.2 使用np的常规函数创建

1.2.1 np.ones()

# 三行四列 全是浮点数1.0
np.ones(shape=(3,4))

# 三个 四行五列    全是整数1
np.ones(shape=(3,4,5),dtype=np.int16)

1.2.2 np.zeros()

# 五行五列 全是整数0
np.zeros(shape=(5,5),dtype=np.int16)

1.2.3 np.full()

# 创建全是整数8的3行4列
np.full(shape=(3,4),fill_value=8)

1.2.4 np.eye() 很少用

---

1.2.5 np.linspace() 重点！！使用频繁！！！

# 0到100的等差数列 
# 开始0 结束100 一共51个数
np.linspace(0,100,50,dtype=np.int16)

1.2.6 np.arange()

1.2.7 np.random.randint() 使用频繁！！！

# 随机整数 范围[3,10)
np.random.randint(3,10)

————————————————————————————————————————————

但在图像中是这样看的：

1.2.8 np.random.randn()

1.2.9 np.random.normal()

1.2.10 np.random.random() 记住！！！

# 默认0到1之间
np.random.random()

1.2.11 np.random.rand()

2 ndarray常用属性

3 ndarray基本操作

3.1 ndarray索引

• 一维：

  

• 二维

  n = np.random.randint(0,10,size=(4,5))
  n
  

  # 找到最后一个数 2
  n[3][4]
  n[-1][-1]
  # 简写
  n[3,4]
  

• 三维
  

  

• 修改数据：

  
  
  

3.2 ndarray切片

• 一维
  
  
  
• 二维
  
  
  
  

3.3 案例——图片翻转

• 行翻转

• 列翻转
  
• 图片翻转
  
  
  
  

4 ndarray数组

4.1 数组变形——reshape

原本：


变形：


使用-1表示任意剩余维度长度，自动计算！！！

4.2 数组的级联合并

• 原来
  
• 合并
  
  ——————————————————————————————————————————
  
• 合并
  

4.3 数组的拆分

• 原本
  
• vsplit 垂直拆分
  
  
• hsplit 水平拆分
  
• split 水平拆分或垂直拆分
  
  
• 案例：把猫拆分
  
  
  
  
  
  
  
  

4.4 数组的拷贝/副本/复制——copy

5 ndarray的聚合操作

5.1 求和——sum

5.2 其他聚合函数

6 ndarray矩阵操作

6.1 基本的矩阵操作

两个矩阵之间也可以进行算术运算：对应的元素进行计算

6.2 矩阵乘积

注意：
第一个矩阵的列数=第二个矩阵的行数

6.3 广播机制 【重要！！！！】

——————分割线——————————————————————————————————

6.4 常见数学操作

7 ndarray排序

8 ndarray文件操作

8.1 保存数组

8.2 读取数组

8.3 csv、txt文件的读写操作