Python的Numpy库简述
numpy 是 python 的科学计算库
import numpy as np
1、使用numpy读取txt文件
# dtype = "str":指定数据格式
# delimiter = "\t":指定分割符
# skip_header = 1:跳过第一行
npinfo = np.genfromtxt("titanic_train.txt", delimiter = "\t", dtype = "U75", skip_header = 1)
2、ayyay数组,数据类型是必须相同。
vector = np.array([5, 10, 15, 20])
matrix = np.array([[5, 10, 15, 20], [25, 30, 35, 40], [45, 50, 55, 60]])
print(vector)
print(matrix)
3、numpy的数据类型,一般用到四种数据类型 bool、 int32/64、 float32/64、 string
print(vector.dtype)
print(matrix.dtype)
4、获取第1行的第4个数
npinfo[0, 3]
# 取1-3行和1-3列数据
npinfo[0: 3, 0: 3]
# 如果:省略前后数字表示所有数据
npinfo[:, :]
5、判断array中元素的值
vector == 10
matrix[:, 0] == 25
6、取出等于10的元素
token = (vector == 10)
vector[token]
7、取出有25的这一行
token_25 = (matrix[:, 0] == 25)
matrix[token_25]
8、string 转 float 类型
vector = np.array(["", "", "", ""])
vector = vector.astype(float)
print(vector)
9、基本运算
vector.sum() # 求和
vector.mean() # 均值
matrix.sum(axis = 0) # 按列求和
matrix.sum(axis = 1) # 按行求和
10、缺失值填补
nan_4 = np.isnan(npinfo[:, 4])
npinfo[nan_4, 4] = 0 # 缺失值填补,对有缺失值的第4列填补0
11、使用 numpy 创建数组和矩阵
# 创建一个3行5列的矩阵
a = np.arange(15).reshape(3, 5)
print(a)
12、查看当前数组是几维的
a.ndim
13、其它查看
a.dtype
a.size
14、创建一个空矩阵
np.zeros((3, 4))
15、创建一个1矩阵 3维
np.ones((3, 4, 5), dtype = np.int32)
16、创建有步长的矩阵:np.arange( 起始,结束,步长 )
np.arange( 10, 15, 1 )
17、随机初始化矩阵
np.random.random((3, 4))
18、创建一个指定数量的矩阵
# np.linspace( 起始,结束,数量 )
from numpy import pi
np.linspace( 0, 2*pi, 100 )
19、求正弦
np.sin(np.linspace( 0, 2*pi, 100 ))
20、数组计算
a = np.array([10, 15, 20, 25])
b = np.arange(4) a - b
b ** 2 #注意:这个是n次方,不是乘法。
a < 20
21、# 求内积 外积
A = np.array( [[1, 2],
[0, 3]] )
B = np.array( [[2, 0],
[3, 4]] ) # 内积 对应位置相乘
A * B # 矩阵相乘
A.dot(B)
np.dot(A, B)
# 矩阵相乘 原理
#A=
#a b c
#d e f
#g h i #B=
#A D
#B E
#C F #A.dot(B)=
#aA+bB+cC aD+bE+cF
#dA+eB+fC dD+eE+fF
#gA+hB+iC gD+hE+iF
22、e的x次幂
A = np.arange(3)
np.exp(A)
23、开根号
np.sqrt(A)
24、向下取整
C = np.floor(10*np.random.random((3, 4)))
25、转化为行向量
C.ravel()
26、重新shape,如:由3行4列转为2行6列
C.shape = (2, 6)
27、行列转置
C.T
28、其它reshape方法
C.resize((2, 6))
C.reshape(3, -1)
29、矩阵拼接
x = np.floor(10*np.random.random((3, 4)))
y = np.floor(10*np.random.random((3, 4))) # 按行拼接
np.vstack((x, y))
# 按列拼接
np.hstack((x, y))
30、矩阵切分
x = np.floor(10*np.random.random((3, 12)))
# 按列切成3份
np.hsplit(x, 3)
# 如果想切两刀怎么办?
np.hsplit(x, (3, 5)) y = np.floor(10*np.random.random((12, 2)))
# 按行切分
np.vsplit(y, 3)
31、矩阵相互赋值问题
z = np.arange(12) t = z # 共享内存
t is z # 结果是True
# print(id(t)) 和 print(id(z)) 的结果是一样的。 t1 = z.view() #共享数据,但不共享内存
t1 is z # 结果是False
# print(id(t)) 和 print(id(z)) 的结果是不同的。 t2 = z.copy() #完全是两个对象
32、排序和索引
data = np.sin(np.arange(20).reshape(5, 4))
# 找最大值
ind = data.argmax(axis = 0) # 最大值的索引
data_max = data[ind, np.arange(data.shape[1])]
print(data_max) 不过有最函数:data.max(axis = 0)
33、# 排序
sx = np.floor(10*np.random.random((3, 4)))
print(np.sort(sx, axis = 0)) # 按列排序
print(np.sort(sx, axis = 1)) # 按行排序
也可以这么写:sx.sort(axis = 1)
34、复制 tile
a = np.arange(0, 40, 10)
print(a)
# 将a的行复制2倍,列复制3倍
b = np.tile(a, (2, 3))
print(b)
35、8*8棋盘矩阵,其中1、3、5、7行和0、2、4、6列的元素置为1;1 ,3,5,7列和0,2,4,6行也是1
z = np.zeros((8,8), dtype = int)
z[1::2,::2] = 1 # 注意:双冒号的用法
z[::2,1::2] = 1
print(z)
36、多赋值方法
z = np.random.random((10,10))
zmin, zmax = z.min(), z.max()
37、归一化,将矩阵规格化到0~1,即最小的变成0,最大的变成1,最小与最大之间的等比缩放
z = 10*np.random.random((5,5))
zmin, zmax = z.min(), z.max()
z = (z-zmin)/(zmax-zmin) #归一化公式
print(z)
38、矩阵相加
z = np.zeros((5,5))
z += np.arange(5)
print(z)
39、生成0~10之间均匀分布的11个数,包括0和10
z = np.linspace(0, 10, 11, endpoint=True, retstep=True)
print(z)
40、交换矩阵的其中两行
a = np.arange(25).reshape(5,5)
a[[0,1]] = a[[1,0]]
print(a)
41、找出数组中与给定值最接近的数
z = np.array([[0,1,2,3],[4,5,6,7]])
a = 5.1
print(np.abs(z-a).argmin())
42、判断二维矩阵中有没有一整列数为0?
z = np.random.randint(0,3,(2,10))
print(z.any(axis = 0))
43、生成二维的高斯矩阵
x,y = np.meshgrid(np.linspace(-1,1,10),np.linspace(-1,1,10))
D = np.sqrt(x**2 + y**2)
sigma, mu = 1, 0
a = np.exp(-(D-mu)**2 / (2*sigma**2))
print(a)
Python的Numpy库简述的更多相关文章
- Python的numpy库下的几个小函数的用法
numpy库是Python进行数据分析和矩阵运算的一个非常重要的库,可以说numpy让Python有了matlab的味道 本文主要介绍几个numpy库下的小函数. 1.mat函数 mat函数可以将目标 ...
- Python数据分析numpy库
1.简介 Numpy库是进行数据分析的基础库,panda库就是基于Numpy库的,在计算多维数组与大型数组方面使用最广,还提供多个函数操作起来效率也高 2.Numpy库的安装 linux(Ubuntu ...
- Python 的 Numpy 库
Numpy: # NumPy库介绍 # NumPy的安装 # NumPy系统是Python的一种开源的数值计算扩展 # 可用来存储和处理大型矩阵. # 因为不是Python的内嵌模块,因此 ...
- Python之Numpy库常用函数大全(含注释)
前言:最近学习Python,才发现原来python里的各种库才是大头! 于是乎找了学习资料对Numpy库常用的函数进行总结,并带了注释.在这里分享给大家,对于库的学习,还是用到时候再查,没必要死记硬背 ...
- Python之Numpy库常用函数大全(含注释)(转)
为收藏学习,特转载:https://blog.csdn.net/u011995719/article/details/71080987 前言:最近学习Python,才发现原来python里的各种库才是 ...
- 【python】numpy库和matplotlib库学习笔记
Numpy库 numpy:科学计算包,支持N维数组运算.处理大型矩阵.成熟的广播函数库.矢量运算.线性代数.傅里叶变换.随机数生成,并可与C++/Fortran语言无缝结合.树莓派Python v3默 ...
- Python之numpy库
NumPy库知识结构 更多详细内容参考:http://www.cnblogs.com/zhanglin-0/p/8504635.html
- Python基础——numpy库的使用
1.numpy库简介: NumPy提供了许多高级的数值编程工具,如:矩阵数据类型.矢量处理,以及精密的运算库.专为进行严格的数字处理而产生. 2.numpy库使用: 注:由于深度学习中存在大量的 ...
- python中numpy库的一些使用
想不用第三方库实现点深度学习的基础部分,发现numpy真的好难(笑),在此做点遇到的函数的笔记 惯例官方文档:https://docs.scipy.org/doc/numpy-1.16.1/refer ...
随机推荐
- ubuntu部署安装 MySQL 5.7
安装 MySQL 5.7安装 MySQL 运行命令: apt-get -y install mysql-server mysql-client 你会被要求提供MySQL的root用户密码 : New ...
- 我心目中的Dream-购物车
功能要求: 1.要求用户输入自己拥有的总资产,例如:30000 2.显示商品列表的序号,商品名称,商品价格,让用户根据序号选择商品,然后加入购物车 例如: 1 Macbook 12000 2 Logi ...
- 洛谷试炼场-简单数学问题-P1088 火星人
洛谷试炼场-简单数学问题 A--P1088 火星人 Description 人类终于登上了火星的土地并且见到了神秘的火星人.人类和火星人都无法理解对方的语言,但是我们的科学家发明了一种用数字交流的方法 ...
- *** FATAL ERROR L250: CODE SIZE LIMIT IN RESTRICTED VERSION EXCEEDED
*** FATAL ERROR L250: CODE SIZE LIMIT IN RESTRICTED VERSION EXCEEDED 在软件已经执行破解仍然出现,是因为工程是破解前建立的,要先执行 ...
- [No0000177]详解/etc/profile、/etc/bash.bahsrc、~/.profile、~/.bashrc的用途
之前安装Linux的一些软件时,总要修改Linux的配置文件.当时也是一知半解.而且,网上有些安装教程,会说,修改配置文件后要重启Linux.但事实上是不需要重启的. Linux安装时可能要修改的配置 ...
- [No0000DA]WPF ControlTemplate简介
一.简介 WPF包含数据模板和控件模板,其中控件模板又包括ControlTemplate和ItemsPanelTemplate,这里讨论一下ControlTemplate.其实WPF的每一个控件都有一 ...
- [No0000C3]StarUML2 全平台破解方法
首先,找到安装目录下的"LicenseManagerDomain.js"文件,路径"StarUML\www\license\node\LicenseManagerDoma ...
- python 过滤掉字符串中的回车符与换行符(\t\n)
我们在文本数据预处理前,要将数据统一整理成需要的格式,其中有回车(\t)或者(\n)符号,会对我们的数据保存有影响,那么就需要将其过滤掉. 比较简单的方法,用replace()将这些符号替换为空,一定 ...
- [X][xrandr][archlinux] 手动调整显示器分辨率
有一些时候,电脑并不能正确的识别出显示器的最大分辨率,这有可能是软件的原因,硬件的原因,显示器的原因,VGA线的原因等其他原因. 我遇到的情况,是开机时候连着VGA的话,就可以正确识别.如果使用中间进 ...
- 转:JAVA 的wait(), notify()与synchronized同步机制
原文地址:http://blog.csdn.net/zyplus/article/details/6672775 转自:https://www.cnblogs.com/x_wukong/p/40097 ...