---

title: An R Markdown document converted from "03.ipynb"
output: html_document

---

一、NumPy 库

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供了大量的数学函数库。

import numpy as np

二、NumPy 库数据结构——ndarray

1. 初识ndarry

a = (1, 2, 3, 4, 5)

a

type(a)

b = [1, 2, 3, 4, 5]

b

type(b)

x=np.array(b)

x

c = np.array([1, 2, 3, 4, 5])

c

c.shape

b_ = np.array(b)

b_

d = [[1, 2 ,3], [4, 5, 6]]
d

e = np.array(d)
e

e.dtype()

f = np.array([[1, 2, 3], [4, 5]])
f

g = np.array([1,None, 3, 'bo', (1,2)])

type(g[0])

g.dtype

备注：

1. 元组，一种固定长度的，不可变的python对象序列

2. 列表，长度可变的，内容可修改的序列

3. ndarray，高效多维同类数据容器，支持矩阵

NumPy 数据类型:

  int8/int16/int32——整数类型

  float16/float32/float64/float128——浮点数类型

  object——object类型

  bool——布尔值类型

  string_——字符串类型

  unicode_——unicode类型

  complex64/complex128/complex256——复数类型

2. ndarray 的属性和方法

e.shape

e

e_ = e.reshape(3, 2)

e_

e_

e_ = e.reshape(1, 6)

e.dtype

e.ndim

e.reshape(2,1,3)

e_int8 = e.astype("int8")

e_int8

e_float32 = e.astype("float32")

e_float32

e

e.dtype

三、ndarray 运算

1. ndarray 矩阵运算

a = [1, 2, 3]
b = [4, 5, 6]
a + b

a_ = np.array(a)
b_ = np.array(b)

a_

b_

a_ + b_

a_ - 1

a_ * 3

c = np.array([[1, 2, 3], [4, 5, 6]])
c

c.T

c.T

2. ndarray 通用函数计算

2.1 一元通用函数：接收一个ndarray对象，并进行逐元素操作

a_

np.square(a)

np.sqrt(a_)

np.sqrt(a_).dtype

2.2 二元通用函数：接收两个ndarray对象，并进行计算操作

a_

b_

np.add(a_,b_)

np.multiply(a_,b_)

a

b

np.sqrt(a)

np.add(a, b)

3. ndarray 基础统计方法

e

e.sum(axis = 0)

e.sum(axis = 1)

e.max(axis = 0)

e.min(axis = 1)

e.argmax(axis = 0)

e.argmin(axis = 1)

小结

一、NumPy库

二、Numpy库核心——ndarray

1.初识ndarray

2.ndarray的属性和方法

三、ndarray 运算

1.ndarray 矩阵运算

2.ndarray 通用函数计算

3.ndarray 基础统计方法

四、 ndarray 切片与索引

1. 基础索引与切片

a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16])

a[4]

a[2:4]

a_  = a.reshape(4,4)
a_

a_[2]

a_[:2]

a_[2:]

a_[:,2]

a_[:,:2]

a_[:2,:2]

a_[:2,:2] = 5

a_

a_[::2,::2]

a_[::1,::1]

2. 布尔值索引

person = np.array(["A","B","C","D","E","F","G"])

group = np.array([1, 2, 1, 1, 1, 2, 2])

group == 1

person[group == 1]

五、ndarray 删除操作

a = [1, 2, 3, 4, 5]

a.pop(3)

a

a.append(6)

a

a.insert(0,0)

a

group

group.pop

group.append

group.insert

a = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])
a

np.delete(a, 1, axis = 0)

六、ndarray 合并操作

b = a

a + b

np.concatenate((a, b),axis = 0)

np.concatenate((a, b),axis = 1)

b_ = b.T

b_

np.concatenate((a, b_),axis = 1)

七、Numpy 其他常用函数或方法

1. 一维数组生成函数

a = np.arange(10)
a

b = np.arange(3, 9)
b

b = np.arange(3, 9, 2)
b

c = range(10)
c

list(c)

h = np.linspace(0, 10, 5)
h

i = np.logspace(-2, 2, 50)
i

2. 多维数组生成函数

a = np.zeros((3, 5))
a

b = np.ones((2, 4))
b

3. 随机数生成

a = np.random.randint(0, 20, size = (3, 5))
a

b = np.random.normal(size=(3,5))
b

np.random.seed(121)
b = np.random.normal(size=(3,5))
b

np.random.seed(121)
b = np.random.normal(size=(3,5))
b

np.random.permutation([1,2,3,4,5,6])

小结

一、NumPy库

二、Numpy库核心——ndarray

1.初识ndarray

2.ndarray的属性和方法

三、ndarray 运算

1.ndarray 矩阵运算

2.ndarray 通用函数计算

3.ndarray 基础统计方法

四、ndarray 切片与索引

1.基础切片与索引

2.布尔值索引

五、ndarray 删除操作

六、ndarray 合并操作

七、NumPy 其他常用函数或方法

1.一维数组生成函数

2.多维数组生成函数

3.随机数生成