numpy

Posted 2021-09-10 feichengwurao

# 列表推到式

　　# a = [num for num in range(10)]
　　# print(a)

import numpy as np

# 创建数组的3种方法
　　# a = np.arange(1,5,dtype=\'float\',\'int\',\'int32\',\'int64\')
　　# 这个方法  生成列表数组
　　# np.arange(开始,结束,步长) 只写一个数 是从0开始 到那结束
　　# print(a)  # 推荐这个方法  修改数据类型
　　a = np.array(range(1,5))
　　# a = np.array([1,2,3,4,5])
　　# a.dtype  # 查看数据类型
　　
　　

　　\'\'\'a.shape # 返回 数组是 几行几列

　　a.ndim   # 返回 数组是 维度
　　a.size   # 返回 所有数据元素的数目
　　a.dtype  # 查看数组类型
　　a.ones(数或元组)   # 创建一个为1的3个 [1 1 1]
    # 如果是(2,3)  则显示为两行三列的数组  
    [[1,1,1]    # (行，列)
     [1,1,1]]
　　a.zeros  同上

　　a.full(个数或个数元组,数或数组)  (行，列) 其他的同上
　　a.argsort()[-3:]     # 取下标的方法  并默认升序排列
　　np.ones_like(a) 把数组里所有的数 都改成 1
　　np.full_like(a) 把数组里所有的数 都改成 0
　　np.zeros(a)     把数组里所有的数 都改成 自定义数   \'\'\'

# NP里的random
　　# np.random.randn()  # 一个随机数  单个
　　# np.random.randn(3)  # 3个随机数  一维
　　# np.random.randn(3,2)  # 二维数组的随机数  二维
　　# np.random.randn(2,3,2)  # 两个二维数组的随机数  三维

　　a = np.arange(10).reshape(2,5)  # 2:行  4:列
　　# a = np.arange(10)  第二种写法
　　# a.reshape(2,5)
　　# print(a)
　　\'\'\'
　　[[0 1 2 3 4]
 　　[5 6 7 8 9]]
　　shape  返回数组的维度
　　reshape 不改变数组的值 修改形状
　　\'\'\'

# 数组的计算
　　# a + 1 #是数组里的每一个元素都 + 1
　　# 两个相同维度数组做运算 是每个数组里的对应的元素运算
　　# 两个不同维度数组做运算 二维数组 + 两个相同的一维数组 运算结果
　　# 广播规则
　　#     可以运算  列相同久可以运算
　　#         形状相同  可以运算
　　#         形状不同  前后缘维度相同 可以运算
　　#             4，2  2就是后缘  4是前缘
　　#             5，2
　　#     不能运算
　　#         超出后援维度  不可以运算
　　#         超出前援维度  不可以运算

# 索引与切片
　　# A[0,0]     #0行 0列
　　# A[-1,2]    #最后一行 2列
　　# A[2]       #2列的所有内容
　　# A[-1]      #最后一行
　　# A[0:-1]    #取出了最后一行之外的其他所有行 顾头不顾尾
　　# A[0:2,2:4] #取0和1行 ，2和3列
　　# A[:,2]     #取所有行中的第二列
　　# print(a[:,0:-1])
　　\'\'\'
　　两行 5个元素  上面的取值 只取到前4个
　　[[0 1 2 3]
　　 [5 6 7 8]]
　　\'\'\'

　　#  布尔索引和条件索引
　　#   a 是0-9的数组
　　# select = a > 5
　　# print(select)  # 这里返回的布尔值  [[False False False False False]
　　# print(a[select]) # 直接把筛选条件放到[]里 就会拿到真值 [6 7 8 9]
　　# a[a <= 5] = 0
　　# a[a > 5] = 1
　　# print(a)     # [[0 0 0 0 0],[0 1 1 1 1]]
　　# 把数组满足条件的赋值
　　# 外层的a[]是筛选  内层a>5 作为外层数组的切片条件
　　# 返回的都是一维数组
　　# print(a[a <= 5]) # [0 1 2 3 4 5] 每个元素 按条件拿取
　　# 二维数组 所有行 第三列 大于5的 加上520
　　# a = np.arange(1,21).reshape(4,5)
　　# select = a[:,3] > 5  # 确立筛选条件 所有行 第3列大于5
　　#
　　# a[select] += 520   # 运算
　　# print(a)
　　# \'\'\'[[  1   2   3   4   5]
　　#      [526 527 528 529 530]
　　#      [531 532 533 534 535]
　　#      [536 537 538 539 540]]
　　#      [  4 529 534 539]\'\'\'
　　#
　　# print(a[:,3])
　　# # 在切片取一次是可以取到的
　　# # [  4 529 534 539] 只是取到第3列 不可以全部取到

　　# 正确方法
　　# a[:,3][select] += 520
　　# 这才是正确需要的
　　# 2个筛选条件 第一个先帅选出操作目标  在筛选条件
　　\'\'\'[[  1   2   3   4   5]
    [  6   7   8 529  10]
    [ 11  12  13 534  15]
    [ 16  17  18 539  20]]\'\'\'

　　# 与或 不能用 or and  可以用 & |
　　# a = np.arange(10)
　　# select = (a%2==0) | (a<8)
　　# print(a[select])
　　\'\'\'
　　[0 2 4 6] &
　　[0 1 2 3 4 5 6 7 8]  |
　　\'\'\'

# 神奇索引
　　# print(a[[2,3,5]])
　　\'\'\'
　　[2 3 5]
　　\'\'\'
　　# 数组[[行，行，行，行],[列，列，列，列]]
　　# 拿数据 是0行0列 1行1列 2行2列 3行3列  数字对应上面列表的下标
　　# 数组[[:],[列,列]]
　　# 拿数据 是所有行 列:列

　　# 取最大的3个数
　　a = np.random.randint(1,100,10)
　　print(a)
　　print(\'-\'*30)
　　b = a.argsort()[-3:]     # 取下标的方法  并默认升序排列
　　print(b)
　　print(a[b])
　　\'\'\'
　　　　[94 21 91 31 85 84  4 92 13 82]  列表随机数
　　------------------------------
　　[2 7 0]   记录下表位置  默认升序  取到最后3个[-3:]
　　[91 92 94]  找出最大的3个数字
　　\'\'\'

# npmpy 轴