10月14日我的学习心得与个人理解

索引

在一维数组中，可以使用列表的所有方法，并且还可以额外使用间断索引(花式索引)和逻辑索引

在二维数组中，位置索引必须写成[rows,cols]的形式，rows表示行索引，cols表示列索引

如果需要获取二维数组所有行或列元素，需要在对应的行索引或列索引加入英文冒号

age = np.array([11,12,13,14,15,16])

 

 间断索引(花式索引)

age[[0,3,5]]　　　　　　　　   花式索引age的0，3，5号元素

age < 18　　　　　　　　　   输出为布尔值

age[age < 18]　　　　　　　  输出符合条件的元素

 

 运算符

greater

equal

less

数学运算符

+　　　　　　　　　　　　　 数组对应元素的加和 

-　　　　　　　　　　　　　  数组对应元素的差

/　　　　　　　　　　　　　  数组对应元素的乘积

%　　　　　　　　　　　　　数组对应元素商的余数

//　　　　　　　　　　　　　 数组对应元素商的整除数

**　　　　　　　　　　　　　 数组对应元素的幂指数

比较运算符

>　　　　　　　　　　　　　 等价np.greater(arr1,arr2)判断arr1元素是否大于arr2元素

>=　　　　　　　　　　　　  等价np.greater_equal(arr1,arr2)判断arr1元素是否大于等于arr2元素

<　　　　　　　　　　　　　 等价np.less(arr1,arr2)判断arr1元素是否小于arr2元素

<=　　　　　　　　　　　　  等价np.less_equal(arr1,arr2)判断arr1元素是否小于等于arr2元素

==　　　　　　　　　　　　  等价np.equal(arr1,arr2)判断arr1元素是否等于arr2元素

!=　　　　　　　　　　　　　等价np.not_equal(arr1,arr2)判断arr1元素是否不等于arr2元素

函数

调用函数时有以下2种方法

np.函数名(data)

data.函数名()　　　　　　　     

np.round(arr)　　　　　　　　 对各个元素进行四舍五入

np.sqrt(arr)　　　　　　　　　 计算各个元素的算术平方根

np.square(arr)　　　　　　　　计算各元素的平方值

np.exe(arr)　　　　　　　　　  计算以e为底的指数

np.power(arr)　　　　　　　　 计算各元素的指数

np.log2(arr)　　　　　　　　　 计算以2为底各元素的对数

np.log10(arr)　　　　　　　　　计算以10为底各元素的对数

np.log(arr)　　　　　　　　　　计算以e为底各元素的对数

 

 np.min(arr,axis)　　　　　　　按照轴的方向计算最小值

 np.max(arr,axis)　　　　　　  按照轴的方向计算最大值

 np.mean(arr,axis)　　　　　　按照轴的方向计算平均值

 np.median(arr,axis)　　　　　 按照轴的方向计算中位数

 np.sum(arr,axis)　　　　　　  按照轴的方向计算和

 np.std(arr,axis)　　　　　　　 按照轴的方向计算标准差

np.var(arr,axis)　　　　　　　  按照轴的方向计算方差

axis = 0时，计算数组各列的统计值

axis = 0时，计算数组各行的统计值

Sum=[]

for row in range(4):

　　Sum.append(np.sum(shuzu[row,:]))

计算每一行的和

Avg = []

for col i range(5):

　　Avg.append(np.mean(shuzu[:,col]))

arr2.sum(axis = 1)　　　　　　等价np.sum(arr,axis = 1)

np.mean(arr,axis = 0)　　　　   等价arr.mean(axis = 0)

基础函数

add　　　　　　　　　　　　  将数组中对应元素相加

subtract　　　　　　　　　　  从第一个数组中减去第二个数组中的元素

multiply　　　　　　　　　　　数组元素相乘

divide,floor_divide　　　　         除法或向下圆整除法(舍弃余数)

随机数

numpy中的random子模块　　　 np.random

rand　　　　　　　　　　　　  给定形状产生随机数组

randint　　　　　　　　　　　  给定形状产生随机整数

choice　　　　　　　　　　　   给定形状产生随机选择

shuffle　　　　　　　　　　　　与random.shuffle相同

uniform　　　　　　　　　　　给定形状产生随机数组(随机均匀分布)

normal　　　　　　　　　　　　随机正态分布

 

 

 正规赌场的结局案例

money = 10000

先利用uniform生成1500次0到1之间的随机均匀分布

pgs = [money]

r = np.random.uniform(0,1,1500)

for time in r:

　　if time < 0.5:

　　　　money -= 8

　　else:

　　　　money += 8

　　pgs.append(money)

import matplotlib.pyplot as plt

plt.plot(range(1501),pgs)

plt.show()

 

 查看提示信息

方式1　　　　　　　　　　　　 方法名？　　　　执行查看

方法2　　　　　　　　　　　　 方法名　　　　　光标停留在后面先按shift键不松开再按tab键