numpy简易教程

小灰灰 2022-06-04 04:26 392阅读 0赞

Numpy是Python处理数据的一个科学计算库，这里的代码我都是在anaconda的Jupyter Notebook上运行的，这是个交互式平台可以立马看到结果（很方便），当然也可以在pycharm上运行，如果没有安装运行的环境的可以参考以下博文  
[http://blog.csdn.net/a\_hui\_tai\_lang/article/details/78689559][http_blog.csdn.net_a_hui_tai_lang_article_details_78689559]  
废话少说，一切尽在代码之中  
代码已经上传到我的GitHub，[https://github.com/LoyalWilliams/machinelearning][https_github.com_LoyalWilliams_machinelearning]

# coding: utf-8
    
    # In[3]:
    import numpy
    # In[4]:
    #用numpy读取文件，按逗号分隔
    world_alcohol=numpy.genfromtxt("t.txt",delimiter=",",dtype=str)
    print(type(world_alcohol))
    """
    结果：
    <class 'numpy.ndarray'>
    """
    # In[5]:
    world_alcohol
    # In[6]:
    # 可以查看帮助文档
    print (help(numpy.genfromtxt))
    
    # In[7]:
    # 生成一个一维向量
    vector=numpy.array([5,10,15,20])
    """
    结果：
    [ 5 10 15 20]
    """
    
    # In[8]:
    # 生成一个二维矩阵
    matrix=numpy.array([[5,10,15],[20,25 ,30],[35,40,45]])
    """
    结果：
    [[ 5 10 15]
     [20 25 30]
     [35 40 45]]
    """
    
    # In[9]:
    print(vector)
    
    # In[10]:
    print(matrix)
    
    # In[11]:
    # shap函数：维度
    print(vector.shape)
    """
    结果：
    (4,)
    表示1*4或4*1的向量
    """
    
    
    # In[12]:
    print(matrix.shape)
    """
    结果：
    (3,3)
    表示3*3的矩阵
    """
    
    # In[13]:
    # 注意以下的数据会发生类型的自动转换
    numbers=numpy.array(['1',2,3,4])
    # In[14]:
    print(numbers)
    numbers.dtype
    """
    ['1' '2' '3' '4']
    dtype('<U1')
    """
    
    # In[15]:
    world_alcohol
    
    # In[16]:
    # 使用切片取数据，取第二列的数据
    print(matrix[:,1])
    """
    结果：
    [10 25 40]
    """
    
    # In[17]:
    matrix
    """
    array([[ 5, 10, 15],
           [20, 25, 30],
           [35, 40, 45]])
    """
    # In[18]:
    # 取第二三行，一二列的数据
    print(matrix[1:3,0:2])
    """
    [[20 25]
     [35 40]]
    """
    
    # In[19]:
    vector
    """
    array([ 5, 10, 15, 20])
    """
    
    # In[20]:
    # 查看是否含有数值10，结果为一个布尔值的矩阵
    vector==10
    """
    array([False,  True, False, False], dtype=bool)
    """
    
    # In[21]:
    a=vector==10
    # In[22]:
    a
    # In[23]:
    vector
    """
    array([ 5, 10, 15, 20])
    """
    
    # In[24]:
    # 查看向量中是否含有5或10
    equal_to_ten_or_five=(vector==10)|(vector==5)
    print(equal_to_ten_or_five)
    """
    [ True  True False False]
    """
    
    # In[25]:
    # 把等于5或者10的数据重新赋值为50
    vector[equal_to_ten_or_five]=50
    
    # In[45]:
    vector
    """
    array([50, 50, 15, 20])
    """
    # In[46]:
    print(vector)
    """
    [50, 50, 15, 20]
    """
    
    # In[47]:
    matrix
    """
    array([[ 5, 10, 15],
           [20, 25, 30],
           [35, 40, 45]])
    """
    
    # In[48]:
    # 对矩阵也是类似的操作
    second_column_25=matrix[:,1]==25
    
    # In[49]:
    second_column_25
    
    # In[50]:
    # 把第二列等于25的数据赋值为10
    matrix[second_column_25,1]=10
    
    # In[51]:
    print(matrix)
    """
    [[ 5 10 15]
     [20 10 30]
     [35 40 45]]
    """
    
    # In[52]:
    vector=numpy.array(["1","2","3"])
    
    # In[53]:
    print(vector.dtype)
    """
    <U1
    """
    
    # In[54]:
    print(vector)
    """
    ['1' '2' '3']
    """
    
    # In[55]:
    # 类型转换
    vector=vector.astype(float)
    
    # In[56]:
    print(vector)
    """
    [ 1.  2.  3.]
    """
    
    # In[57]:
    print(vector.dtype)
    """
    float64
    """
    
    #一些常用的数学函数，最大值、最小值、平均值
    # In[58]:
    # 最小值
    vector.min()
    """
    1.0
    """
    
    # In[59]:
    # 最大值
    vector.max()
    """
    3.0
    """
    
    # In[60]:
    # 平均值
    vector.mean()
    """
    2.0
    """
    
    # In[61]:
    matrix=numpy.array([
        [5,10,15],
        [20,25,30],
        [35,40,45]
    ])
    
    
    # In[62]:
    # axis=1表示对行操作，axis=0表示对列操作
    # 对每一列求和
    matrix.sum(axis=1)
    """
    array([ 30,  75, 120])
    """
    
    # In[63]:
    # 对每一行求和
    matrix.sum(axis=0)
    """
    array([60, 75, 90])
    """
    
    # In[64]:
    # 自动生成向量函数
    numpy.arange(15)
    """
    array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])
    """
    
    # In[67]:
    range(15)==numpy.arange(15)
    """
    Python自带的函数和numpy的函数对比
    array([ True,  True,  True,  True,  True,  True,  True,  True,  True,
            True,  True,  True,  True,  True,  True], dtype=bool)
    """
    
    # In[68]:
    print(numpy.arange(15))
    """
    [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]
    """
    
    # In[69]:
    a=numpy.arange(15)
    
    # In[72]:
    # 改变矩阵的维度
    a=a.reshape(3,5)
    
    
    # In[73]:
    a.shape
    
    
    # In[74]:
    a.dtype.name
    """
    'int32'
    """
    
    # In[75]:
    # 查看矩阵a的维度
    a.ndim
    """
    2
    """
    
    # In[76]:
    a.size
    """
    15
    """
    
    # In[77]:
    # 生成0矩阵
    numpy.zeros((3,4))
    
    # In[78]:
    numpy.zeros((3,4)).ndim
    """
    2
    """
    
    # In[79]:
    numpy.ones((2,3,4))
    """
    array([[[ 1.,  1.,  1.,  1.],
            [ 1.,  1.,  1.,  1.],
            [ 1.,  1.,  1.,  1.]],
    
           [[ 1.,  1.,  1.,  1.],
            [ 1.,  1.,  1.,  1.],
            [ 1.,  1.,  1.,  1.]]])
    """
    
    # In[80]:
    # 10到30，步长为5的数据
    numpy.arange(10,30,5)
    """
    array([10, 15, 20, 25])
    """
    
    # In[81]:
    a=numpy.arange(12)
    
    
    # In[82]:
    # 改变矩阵的维度
    a.reshape(4,3)
    
    # In[83]:
    # 随机函数
    numpy.random.random((2,3))
    
    # In[84]:
    from numpy import pi
    
    # In[85]:
    # 0到2*pi,平均成100份的数据
    numpy.linspace(0,2*pi,100)
    
    # In[86]:
    numpy.linspace(0,2*pi,10)
    
    
    # In[87]:
    a=numpy.array([20,30,40,50])
    
    
    # In[88]:
    b=numpy.arange(4)
    
    
    # In[89]:
    print(a)
    """
    [20 30 40 50]
    """
    
    # In[90]:
    print(b)
    """
    [0 1 2 3]
    """
    
    # In[91]:
    c=range(4)
    
    # 矩阵/向量的加减乘除
    # In[92]:
    a-b
    """
    array([20, 29, 38, 47])
    """
    
    # In[93]:
    a-c
    """
    array([20, 29, 38, 47])
    """
    
    # In[94]:
    a+c
    """
    array([20, 31, 42, 53])
    """
    
    # In[95]:
    # 对应位置相乘
    a*c
    """
    array([  0,  30,  80, 150])
    """
    
    # In[97]:
    a.size
    
    # In[98]:
    a
    
    # In[99]:
    # 每个数据平方
    a**2
    """
    array([ 400,  900, 1600, 2500], dtype=int32)
    """
    
    # In[100]:
    # 每个数据立方
    a**3
    """
    array([  8000,  27000,  64000, 125000], dtype=int32)
    """
    
    # In[101]:
    a=numpy.floor(10*numpy.random.random((3,4)))
    
    
    # In[102]:
    
    
    print(a)
    
    
    # In[104]:
    # 把数据平摊的一维向量
    print(a.ravel())
    """
    [ 5.  2.  0.  5.  7.  6.  4.  3.  6.  1.  2.  4.]
    """
    
    # In[105]:
    a
    
    # In[106]:
    a.T
    
    # In[111]:
    # 注意shape和reshape的区别
    a.shape=(1,12)
    
    # In[112]:
    a
    """
    array([[ 5.,  2.,  0.,  5.,  7.,  6.,  4.,  3.,  6.,  1.,  2.,  4.]])
    """
    
    # In[113]:
    a.shape=(6,2)
    # In[114]:
    a
    """
    array([[ 5.,  2.],
           [ 0.,  5.],
           [ 7.,  6.],
           [ 4.,  3.],
           [ 6.,  1.],
           [ 2.,  4.]])
    """
    
    # In[118]:
    # -1表示自己不写列数，让计算机自动识别列数
    a.reshape(2,-1)
    """
    array([[ 5.,  2.,  0.,  5.,  7.,  6.],
           [ 4.,  3.,  6.,  1.,  2.,  4.]])
    """
    
    # In[119]:
    a
    """
    array([[ 5.,  2.],
           [ 0.,  5.],
           [ 7.,  6.],
           [ 4.,  3.],
           [ 6.,  1.],
           [ 2.,  4.]])
    """
    
    # In[122]:
    # 矩阵切分vstack和hstack函数
    numpy.vstack((a,a))
    
    # In[123]:
    a=numpy.floor(10*numpy.random.random((2,12)))
    
    # In[124]:
    print(a)
    
    # In[125]:
    print(numpy.hsplit(a,3))
    
    
    # In[126]:
    a
    
    # In[128]:
    print(numpy.hsplit(a,(3,4)))
    
    # In[129]:
    b=a
    
    # In[130]:
    print(a is b)
    """
    True
    """
    
    # In[133]:
    b=a.view()
    
    
    # In[134]:
    
    
    print(a is b)
    
    
    # In[135]:
    import numpy as np
    
    # In[140]:
    
    
    #求矩阵的每列的最大值
    data=np.sin(np.arange(20).reshape(5,4))
    
    # In[141]:
    print (data)
    
    # In[142]:
    # 返回每列最大值所在的索引
    ind=data.argmax(axis=0)
    
    
    # In[143]:
    print(ind)
    
    
    # In[144]:
    data_max=data[ind,range(data.shape[1])]
    print(data_max)
    
    
    # In[146]:
    # tile函数
    a=np.arange(0,40,10)
    print(a)
    b=np.tile(a,(4,3))
    print(b)
    """
    [ 0 10 20 30]
    [[ 0 10 20 30  0 10 20 30  0 10 20 30]
     [ 0 10 20 30  0 10 20 30  0 10 20 30]
     [ 0 10 20 30  0 10 20 30  0 10 20 30]
     [ 0 10 20 30  0 10 20 30  0 10 20 30]]
    """
    
    # In[147]:
    a=np.array([[4,3,5],[1,2,1]])
    print(a)
    
    
    # In[148]:
    # 排序，每行数据从小到大排
    b=np.sort(a,axis=1)
    print(b)
    """
    [[4 3 5]
     [1 2 1]]
    """
    
    # In[149]:
    a.sort(axis=1)
    print(a)
    """
    [[4 3 5]
     [1 2 1]]
    """
    
    # In[150]:
    a=np.array([4,3,1,2])
    j=np.argsort(a)
    print(j)
    print("------")
    print(a[j])
    """
    [2 3 1 0]
    ------
    [1 2 3 4]
    """

[我的GitHub][GitHub]  
QQ：2541692705  
邮箱：loyalwilliams@163.com  
微信扫一扫关注我，没事可以玩玩小游戏  
![20190521165139570.png][]  
  
  
我想去流浪，我想去读书，若有机会，江湖再见  
扫一扫，领取红包，就当奖励你我付出的努力  
![20181213140254471.png][]

[http_blog.csdn.net_a_hui_tai_lang_article_details_78689559]: http://blog.csdn.net/a_hui_tai_lang/article/details/78689559
[https_github.com_LoyalWilliams_machinelearning]: https://github.com/LoyalWilliams/machinelearning
[GitHub]: https://github.com/LoyalWilliams
[20190521165139570.png]: /images/20220604/30e37251607e43c292fa077273af468a.png
[20181213140254471.png]: /images/20220604/d152ba7ab54243089fedf73f8c5571ec.png