Python数据分析 numpy 笔记
B站课链接：【Python数据分析三剑客：NumPy、Pandas与Matplotlib】 https://www.bilibili.com/video/BV1Yb4y1g7SV/?p=16&share_source=copy_web&vd_source=e883bdf439c7a2e47e9145990387a56b
014，开始使用numpy
（1），numpy介绍
（2），导入numpy库，并查看numpy版本
#数据分析三剑客
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
np.__version__
（3）实例：读取猫图片的数据
#我自己电脑上的图片（猫咪1.jpg），注意路径是 / ，只有一个/
#图片：其实是数字组成的，三维数组
# RGB 红Red，绿Green，蓝Blue
# RGB 范围：0~255
# plt.imread : 读取图片的数据
cat = plt.imread('C:/Users/romantic/Pictures/Saved Pictures/猫咪1.jpg')
cat
type(cat)
# numpy.ndarray : 多维数组
# nd : n维度，多维
# array : 数组
#查看形状：三维
# (540, 960, 3)
# 高度：540行
# 宽度：960列
# 3 表示的RGB(red,green,blue)的值
cat.shape
#显示图片
plt.imshow(cat)
# (540, 960, 3)
# 图片：3维数据（彩色）
# 2维数据（黑白）
# 视频：4维数据
# (x,540, 960, 3),x表示多少张图片
#一切皆数据，一切皆矩阵（在数据中）
015，创建ndarray数组
ndarray是numpy中表示数组的重要类型
（1），使用np.array() 创建
参数为列表：[1,4,2,5,3]
I = [1,4,2,3,5,6]
n = np.array(I)
n
type(n) #类型
# numpy.ndarray
n.shape #形状，6表示一维数组里有6个元素
# I.shape # 列表没有shape
# 优先级：str>float>int
n = np.array([3.14,2,"hello"])
n
（2），使用np的routines函数创建
（2.1）ones
n = np.ones(shape=(3,4)) #3行4列
n
n = np.ones(shape=(3,4,5),dtype=np.int16) # 3个二维数组，每个二维数组是4行5列，类型为整型
# n = np.ones(shape=(3,4,5),dtype=int)
n
（2.2）zeros
n = np.zeros((5,5),dtype=np.int16) # 5行5列，类型为整型
n
（2.3）full
n = np.full(shape=(3,4),fill_value=2) # 3行4列，所有元素都为2
n
（2.4）eye
#对角线为1，其他位置为0的二维数组
#单位矩阵：主对角线都是1，其他都是0
n = np.eye(6,6,dtype=np.int8) # 6行6列，类型为整型
n
# k=2：向右偏移2个位置
n = np.eye(6,6,k=2,dtype=np.int8)
n
# k=-2：向左偏移2个位置
n = np.eye(6,6,k=-2,dtype=np.int8)
n
（2.5）linspace
#等差数列
# 1,3,5,7,9
n = np.linspace(0,100,num=51,dtype=np.int16) #0~2占了一份，其他2~100中间有50份
n
# endpoint=False
n = np.linspace(0,100,num=51,endpoint=False)# 不包含100
n
#retstep=True : 显示步长
n = np.linspace(0,100,num=51,retstep=True)
n
（2.6）arange
n = np.arange(10) # 0~9,不包含10
n
n = np.arange(2,10) # 2~9,不包含10
n
n = np.arange(2,10,2) # 2~9,不包含10，步长为2
n
（2.7）random.randint
# 随机整数，范围：[0,3]
n = np.random.randint(3)
n
# 随机整数，范围：[3,10]
n = np.random.randint(3,10)
n
# 随机整数：一维，一维数组里有6个元素
n = np.random.randint(3,10,size=6)
n
# 随机整数：二维，3行4列
n = np.random.randint(3,10,size=(3,4))
n
# 随机整数：三维，也可以理解为：3个二维数组，每个二维数组是4行5列
n = np.random.randint(3,10,size=(3,4,5))
n
（2.8）random.random
n = np.random.random(size=(3,4))
n
017，ndarray常用属性
cat.shape # 三维数组
# (540, 960, 3)
# 第一个维度：540
# 第二个维度：960
# 第三个维度：3
# 有几个数字就表示几维
cat.ndim # 维度
cat.size # 总数据量 540*960*3
cat.dtype # 元素类型
# uint8：无符号整数
018，索引操作(以下代码直接截图了)
根据索引修改数据
019，切片操作
一维与列表完全一致，多维同理
020，翻转操作
021，数组变形reshape
使用reshape函数
022，数组的级联合并
（22.1）np.concatenate()
- 参数是列表或元组
- 级联的数组维度必须相同
- 可通过axis参数改变级联的方向
（22.2）np.hstack 与 np.vstack
- 水平级联与垂直级联
023，数组的拆分/切分/分割
025，聚合函数
（25.1）np.sum 和 np.nansum （nan:not a number）
- nan：数值类型，not a number：不是一个正常的数值，表示空
- np.nan：float类型
029，数组的快速排序
030，文件IO操作
（30.1）保存数组
- save：保存ndarray到一个npy文件
- savez：将多个array保存到一个npz文件中
生成的文件
（30.2）读取数组
（30.3）csv，txt文件的读写操作
031，练习题讲解1
（31.1）创建一个长度为10的一维全为0的ndarray对象，然后让第5个元素等于1
（31.2）创建一个元素为从10到49的ndarray对象
（31.3）将第2题的所有元素位置反转
（31.4）使用np.random.random创建一个10*10的ndarray对象，并打印出最大最小元素
（31.5）创建一个10*10的ndarray对象，且矩阵边界全为1，里面全为0
第1种方法
第2种方法
（31.6）创建一个每一行都是从0到4的5*5矩阵
032，练习题讲解2
（32.1）给定一个4维矩阵，如何得到最后两维的和？
（32.2）给定数组[1,2,3,4,5]，如何得到在这个数组的每个元素之间插入3个0后的新数组
（32.3）给定一个二维矩阵，如何交换其中两行的元素？
（32.4）矩阵的每一行的元素都减去该行的平均值
（32.5）打印出如下矩阵（要求使用np.zeros创建8*8的矩阵）
