anaconda及jupyter notebook的使用之numpy模块的用法（2）

今日内容概要

numpy模块结束

• ndarray创建

• numpy内置方法

• 索引与切片(花式索引、布尔索引)

• 常用函数

• 统计方法

• 随机数

numpy的内置方法

import numpy as np
1.
# 1.ndarray的创建
np.array([1,2,3,4,5,6,7],ndmin=3)
array([[[1,2,3,4,5,6,7]])
2.
# 2.python中的range
# for i in range(10):
#      print(i)
np.arange(1,7)  # arange比python中的range更好用
array([1,2,3,4,5,6])
np.arange(1.0,8.0)
array([1.,2.,3.,4.,5.,6.,7.])
int是否包含最后一个数
# 3.linspace
    np.linspace(1,10,num=20,retstep=True,endpoint=False) # retstep展示间隔数  endpoint是否包含最后一个数
    (array([1.  , 1.45, 1.9 , 2.35, 2.8 , 3.25, 3.7 , 4.15, 4.6 , 5.05, 5.5 ,
        5.95, 6.4 , 6.85, 7.3 , 7.75, 8.2 , 8.65, 9.1 , 9.55]), 0.45)

# 4.zeros
np.zeros(10,dtype=int) # 默认都是float
res = np.zeros((3,5),dtype=int) # 默认都是二维
res
   array([[0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0]])
# 5.ones 用法跟zeros一致
np.ones(10)
array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])

# 6.empty
np.empty((3,3))  # 默认也是二维
array([[0.00000000e+000, 0.00000000e+000, 0.00000000e+000],
       [0.00000000e+000, 0.00000000e+000, 6.14617663e-321],
       [8.34448532e-308, 1.69105613e-306, 2.56765117e-312]])       

# 7.eye
np.eye(10,dtype=int)
array([[1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 1, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 1, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 1, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 1, 0],
       [0, 0, 0, 0, 0, 0, 0, 0, 0, 1]])

ndarray跟标量运算

统一的规律都是
    数组内的每一个元素都跟该元素(数字)做运算

数组与数组之间做运算
     两个数组的大小得一致
     运算的时候按照对应的位置计算

索引与切片

2 索引
# python中索引：从0开始的
# l = [111,222,333,444,555,666]
# l[1]
res = np.arrray([111,222,333,444,555,666,777])
res[2] # numpy中索引也是从0开始
333

res1 = np.array([[1,2,3,4],[5,6,7,8]])
res1
'''
在numpy索引的规律
              0  1  2  3  列索引
   行索引     [
       0     [1, 2, 3, 4],
       1     [5, 6, 7, 8]
                ]
'''
array([[1, 2, 3, 4],
       [5, 6, 7, 8]])
面是列索引
# 求上述二维数字里面的元素7
# res[1][2] # 写法1
res1[1,2]  # 写法2  逗号前面是行索引，逗号后面是列索引
7
3   切片
'''
切片取值
l1 = [11,22,33,44,55,66,77,88]
l1[1:3]
​
numpy切片操作跟python中的切片操作一致
'''
res2 = np.array([11,22,33,44,55,66,77])
res2[1:6]
array([22, 33, 44, 55, 66])
res3 = np.array([[1,2,3,4],[5,6,7,8],[9,11,22,33]])
res3
array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 11, 22, 33]])
# 获取上述ndarray里面的6,7,11,22
res3[1:3,1:3]
array([[ 6,  7],
       [11, 22]])
4  运算
res * 3
res = np.array([[1,2,3],[4,5,6]])
res * 3
array([[ 3,  6,  9],
       [12, 15, 18]])
res1 + res2
res1 = np.array([[11,22,33],[44,55,66]])
res2 = np.array([[1,2,3],[4,5,6]])
res1 + res2
array([[12, 24, 36],
       [48, 60, 72]])

res1 * res2
array([[ 11,  44,  99],
       [176, 275, 396]])

res3 = np.array([[1,2,3,4],[5,6,7,8]])
res1 + res3
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-56-b5f7cab23041> in <module>
      1 res3 = np.array([[1,2,3,4],[5,6,7,8]])
----> 2 res1 + res3

ValueError: operands could not be broadcast together with shapes (2,3) (2,4) 

reshap

res4 = np.array([111,222,333,444,555,666])
# 转换数组的维数  转的时候一定要注意元素的个数到底够不够 不够直接报错
res4.reshape(2,3)
array([[111, 222, 333],
       [444, 555, 666]])

res4.reshape(3,3)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-60-274f26b3bc7a> in <module>
----> 1 res4.reshape(3,3)

ValueError: cannot reshape array of size 6 into shape (3,3)

布尔型索引

import random
li = [random.randint(1,10) for i in range(30)]
'''
python里面的列表生成式
new_list = []
for i in range(30):
    new_list.append(random.randint(1,10))  # 往列表中添加30个1到10的随机数
'''
res = np.array(li)
res
array([ 3,  8,  7, 10,  6,  2,  7,  4,  1, 10,  5,  3,  6,  6,  2,  9,  6,
        8,  1,  5,  7,  8,  2,  6,  6,  4,  5,  5,  9,  5])

# 求出数字中大于5的数
# res > 5 # 就是跟数组里面的每一个元素作比较    结果是布尔值索引
res[res>5] # 布尔值索引取值
# 布尔型索引：将同样大小的布尔数组传进索引，会返回一个有True对应位置的元素的数组
array([ 8,  7, 10,  6,  7, 10,  6,  6,  9,  6,  8,  7,  8,  6,  6,  9])

花式索引

res5 = np.array([1,2,3,4,5,6,7,8,9,10])
# 拿出 2 6 9 10
res5[[1,5,8,9]] # 花式索引
array([ 2,  6,  9, 10])
# 在python中如何获取元素的索引值
# l = [111,222,333,444,555,666]
# l.index(333)
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-70-305672a1ca18> in <module>
      2 # l = [111,222,333,444,555,666]
      3 # l.index(333)
----> 4 res5.index(3)

AttributeError: 'numpy.ndarray' object has no attribute 'index'

通用函数

# 1.绝对值
np.abs([-1,-2,-3])
np.fabs([-11.,-22.,-33.])
array([11., 22., 33.])

# 2.平方根
np.sprt(2)
1.4142135623730951
# 3 平方
np.square(4)
16
# 4 e的次方
np.exp(1)
2.718281828459045
# 5 自然对数
np.log(4)
1.3862943611198906
# 6 ceil取整 取大
np.ceil(5.4)
6.0
# 7 floor取整 取小
np.floor(4.6)
4.0
# 8 四舍五入
np.rint(4.6)
5.0
# 9 将小数分割成整数和小数
np.modf(4.5)
(0.5, 4.0)
np.modf([3.4,5.6])
(array([0.4, 0.6]), array([3., 5.]))
# 10 isnan  判断当前数据是否缺失
np.isnan(56)
False
# 11 cos sin tan
np.cos(45)
0.5253219888177297

补充

1.自动提示

​    按TAB键

2.自动查看方法的使用方式

   在方法名后面加?运行即可

3.代码的注释

​         ctrl + ?