numpy

创建ndarray

 

1. 使用np.array()由python list创建

 

参数为列表： [1, 4, 2, 5, 3]

 

注意：

• numpy默认ndarray的所有元素的类型是相同的
• 如果传进来的列表中包含不同的类型，则统一为同一类型，优先级：str>float>int

 

ndarray的属性

 4个必记参数： ndim：维度 ,shape：形状（各维度的长度）, size：总长度, dtype：元素类型

 

ndarray的基本操作

 

 级联

1. np.concatenate() 级联需要注意的点：
2. 级联的参数是列表：一定要加中括号或小括号
3. 维度必须相同
4. 形状相符
5. 【重点】级联的方向默认是shape这个tuple的第一个值所代表的维度方向
6. 可通过axis参数改变级联的方向

1. np.hstack与np.vstack
   水平级联与垂直级联,处理自己，进行维度的变更

2. 切分

   与级联类似，三个函数完成切分工作：

   • np.split
   • np.vsplit  #竖直切分行
   • np.hsplit

   • #axis = 0 默认，切分行，
     #axis = 1 ，切分列

   ndarray的聚合操作

    

   1. 求和np.sum

   2. 最大最小值：np.max/ np.min

    

   ndarray的矩阵操作

    

   1. 基本矩阵操作

    

   1) 算术运算符：

   • 加减乘除

    

   2) 矩阵积np.dot()

   2. 广播机制

    

   【重要】ndarray广播机制的两条规则

   • 规则一：为缺失的维度补1
   • 规则二：假定缺失元素用已有值填充

   例1： m = np.ones((2, 3)) a = np.arange(3) 求M+a

    

   1. 快速排序

   np.sort()与ndarray.sort()都可以，但有区别：

   • np.sort()不改变输入
   • ndarray.sort()本地处理，不占用空间，但改变输入

   2. 部分排序

   np.partition(a,k)

    

   有的时候我们不是对全部数据感兴趣，我们可能只对最小或最大的一部分感兴趣。

   • 当k为正时，我们想要得到最小的k个数
   • 当k为负时，我们想要得到最大的k个数