Numpy基本用法

Numpy是一个科学计算库，其中提供的ndarray具有很多优势。

ndarray的属性：

　

 

　　在创建ndarray时，如果没有指定，会设定为int64或者float64类型

　　创建时可以使用np.array([[1,2,3],[4,5,6]],dtype=np.float32),对ndarray的类型进行指定。

生成数组的方法：

　　1）生成0和1数组：

　　np.zeros(shape,dtype)

　　np.ones(shape,dtype)

　　2)从已有的数组中生成ndarray

　　np.array()    　　深拷贝

　　np.asarray()　　浅拷贝

　　np.copy()　　　 深拷贝

　　3)生成固定范围的数组

　　np.linspace(start，end，step)      数据范围是两边闭区间

　　np.arange(start，end，step)　　 数据范围是左闭右开

　　4)生成随机数组

　　均匀分布：

　　生成[0,1)范围内的一组均匀的数

　　np.random.rand(d0,d1....dn)

　　从一个均匀分布中随机采样

　　np.random.uniform(low=0.0,high=1.0,size=None)

　　返回值为ndarray类型，形状与参数size中描述的一致

　　np.random.randint(low,high=None,size=None,dtype="l")

　　从一个均匀分布中随机采样，生成一个整数或者N维整数数组。

　　若high不为None，取[low,high)，否则取[0,low)　　

　　正态分布：

　　np.random.normal(loc=0.0,scale=1.0,size=None)

　　loc:float 均值

　　scale：float 标准差

　　size：输出的shape

　　返回值为指定的正态分布的数组

　　5)形状修改

　　ndarray.reshape(shape)

　　不是直接改变行列，直接重新分组 返回新的ndarray，原始数据没有改

　　ndarray.resize(shape)

　　与上函数结果相同，但是不返回数组，直接在原数组上进行修改

　　ndarray.T

　　行列互换，进行转置运算

　　6）类型修改

　　ndarray.astype(type)

　　进行类型的修改

　　ndarray.tostring()

　　ndarray序列化到本地

数组间运算：

　　1）数组与数的运算

　　直接使用符号，符号可以作用到数中的每个元素。

　　2）数组与数组的运算

　　数组与数组之间的运算需要满足广播机制

      

　　3）矩阵运算

　　Numpy中存储矩阵的方法有两种：

　　①使用ndarray来存储矩阵

　　②使用matrix来存储矩阵

　　　np.mat(ndarray)

　　矩阵乘法：

　　np.matmul(ndarray1，ndarray2)

　　np.dot(ndarray1，ndarray2)

　　若用ndarray来存储矩阵，可以使用@运算符

　　若用matrix来存储矩阵，可以使用*运算符

合并与分割：

　　1）合并：

　　np.hstack() 

　　水平拼接

　　np.vstack()

　　竖直拼接

　　np.concatenate(axis)

　　可以通过axis来执行进行竖直拼接或者水平拼接

　　传入参数为tuple类型，包括要进行拼接的ndarray

　　2）分割：

　　np.split(ary,axis)

　　传入分割的数组和分割的方向。

　　也可以传入列表，表示分割的索引。

IO操作：

　　读取文件：

　　np.genfromtxt(path,delimiter=",")

　　前面传入文件路径，后面定义分割符号。

　　numpy读取会将缺失值写为nan，同时字符串也会写为nan。

　　nan数据可以通过两种方式进行处理：

　　①将存在nan的值直接删除。

　　②将nan的值进行替换。