numpy 是python科學(xué)計(jì)算的核心庫业岁，當(dāng)然也涉及pandas和sklearn（基于numpy繼續(xù)二次開發(fā)的包）功能很強(qiáng)大查吊，和matplotlib霹娄、scripy一起相當(dāng)于matlab的作用翎苫。
主要內(nèi)容：
1.數(shù)組的定義和應(yīng)用
2.數(shù)組元素的索引選取
3.數(shù)組的計(jì)算
4.線性代數(shù)的運(yùn)行計(jì)算
1.1 Arrays
*用于存儲同類型的數(shù)據(jù)（int兔院、float、String谆吴。泪电。）
*能夠被非負(fù)整數(shù)進(jìn)行索引，維度的數(shù)量就是array的秩（rank）纪铺。
*可以通過python列表創(chuàng)建array并且通過方括號進(jìn)行索引獲取元素。
import numpy as np
import pandas as pd
a=np.array([1,2,4,6,5]) #創(chuàng)建一維數(shù)組
b=np.array([[1,2,3,4],[5,6,7,8]]) # 創(chuàng)建二維數(shù)組
1.2 創(chuàng)建Array
numpy 提供內(nèi)置函數(shù)創(chuàng)建一些特殊數(shù)據(jù)
np.zeros(3) #創(chuàng)建含有三個(gè)0元素的數(shù)組
array([0., 0., 0.])
np.ones([3,5])
array([[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.]])
np.zeros_like(b) #構(gòu)建一個(gè)0元素組成的數(shù)組碟渺，結(jié)構(gòu)同b
array([[0, 0, 0, 0],
[0, 0, 0, 0]])
1.3 數(shù)組常用操作
統(tǒng)計(jì)計(jì)算鲜锚；
排序；
按照大小索引苫拍；
條件查找芜繁；
shape
a=np.random.rand(4) #（0，1）隨機(jī)的一維數(shù)組
a=np.random.rand(2,4) # (0绒极，1）二維四列隨機(jī)的一維數(shù)組
np.sum(a) #所有數(shù)組元素求和
a.size #元素個(gè)數(shù)
np.sum(a,axis=1) # 求每一行的和 ,axis控制行列
array([2.91248016, 1.91076292])
np.sum(a,axis=0) #求每一列的和
array([1.09794586, 1.4410147 , 0.92824889, 1.35603364])
a.sum(axis=0) #另一個(gè)每一列求和的方式
np.argmax(a) # 返回a中最大元素的位置
3
a.argsort() #返回每一行的排列順序骏令，返回順序索引
array([[1, 2, 0, 3],
[2, 0, 3, 1]])
np.where(a>0.5) # 返回a中>0.5的元素位置
(array([0, 0, 1, 1, 1, 1, 2, 2, 2]),
array([1, 2, 0, 1, 2, 3, 0, 1, 2]))
這里是指，0行1列垄提，0行2列榔袋，1行0列…..的位置
np.where(a>0.5,1,0) # a中>5的元素位置,滿足返回1周拐，不滿足返回-1
array([0, 0, 0, 1, 1, 1])
1.4 改變數(shù)組形狀
b.ravel() # 同faltten，都是將多維數(shù)組降為一維凰兑，flatten返回一份新的數(shù)組妥粟，且對它做修改不會影響原始數(shù)組
array([2, 3, 5, 6, 7, 8])
a.reshape(2,4) #reshape,重新按照指定結(jié)構(gòu)構(gòu)造數(shù)組（8個(gè)元素，可以重構(gòu)為2維4列）
array([[0.78793172, 0.51796296, 0.66614991, 0.94043558],
[0.31001414, 0.92305174, 0.26209898, 0.41559806]])
a.reshape(4,-1) #第二個(gè)參數(shù)位置設(shè)置為-1對時(shí)候吏够，會自動根據(jù)第一參數(shù)（已指定）分配維度勾给。
array([[0.78793172, 0.51796296],
[0.66614991, 0.94043558],
[0.31001414, 0.92305174],
[0.26209898, 0.41559806]])
a.reshape(2,-1)
array([[0.78793172, 0.51796296, 0.66614991, 0.94043558],
[0.31001414, 0.92305174, 0.26209898, 0.41559806]])
1.5 隨機(jī)數(shù)
常用方法：
rand（a,b...） 返回(0,1)指定維度的隨機(jī)數(shù)
randn(a,b,...) 返回標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)數(shù) randint([low,high,size,dtype])
random([size]) 返回(0,1)之間的隨機(jī)數(shù)
sample([size]) 返回(0,1)之間的隨機(jī)數(shù)
choice(a,[size,replace,p]) 從指定元素中選擇，產(chǎn)生size大小的數(shù)組锅知。
np.random.rand(2,10) #
np.random.randint(1,10,5,'int') # 返回(1,10)的隨機(jī)整數(shù)播急，維度上1維5列
np.random.randint(1,10,(2,5),'int') # 返回(1,10)的隨機(jī)整數(shù)，維度是2維5列
array([[9, 6, 2, 9, 8],
[8, 7, 9, 9, 6]])
np.random.choice(100,(3,4)) # 在(0,100)之間隨機(jī)抽取元素售睹，產(chǎn)生一個(gè)3行4列的數(shù)組
array([[29, 72, 32, 11],
[52, 47, 90, 5],
[79, 10, 80, 92]])
np.random.choice([22,55,11,33,44],(3,4)) # 從指定元素（11,22,33,44,55）中隨機(jī)抽取桩警，產(chǎn)生一個(gè)3行4列的數(shù)組
1.6 數(shù)組的索引
a=np.array([[1,2,3,4],[2,3,4,5],[3,4,5,6]])
array([[1, 2, 3, 4],
[2, 3, 4, 5],
[3, 4, 5, 6]])
a[0:3,0:1] #0~3行，不包含3侣姆，0~1列生真，不包含1。選擇交叉的位置元素
array([[1],
[2],
[3]])
整數(shù)索引
a[[1,2],[0,1]] #第一行捺宗，第0列：2柱蟀；第2行，第1列: 4
array([2, 4])
布爾型索引
a>1
a[a>2] #返回>2的所有元素
array([3, 4, 3, 4, 5, 3, 4, 5, 6])
a>3 #返回a>3元素的布爾值蚜厉，
array([[False, False, False, True],
[False, False, True, True],
[False, True, True, True]])
a[2::2,::2] # 第一參數(shù)位置：從第二行開始长已，每次間隔步長為2；第二參數(shù)位置：列從第0列開始昼牛，每次間隔步長為2.選擇元素术瓮。
array([[3, 5]])
a[1::2,::1] # 相當(dāng)于選擇第一行所有元素
array([[2, 3, 4, 5]])
np.random.randint(0,55,[6,6])
array([[29, 53, 53, 5, 42, 22],
[52, 39, 21, 21, 3, 31],
[35, 49, 43, 44, 26, 11],
[43, 31, 54, 50, 5, 22],
[29, 31, 26, 20, 37, 5],
[20, 12, 33, 19, 10, 23]])
1.7 數(shù)組數(shù)學(xué)
元素計(jì)算，并不是矩陣計(jì)算
a=np.random.randn(3,4)
a/2
b=np.random.randn(3,4)
a+b
array([[ 1.04139689, 0.58922263, -1.38069406, -0.71404626],
[ 0.74035989, -0.90304504, 2.44278733, 0.76996179],
[-1.31952622, 1.01089772, -1.29547704, 1.71909875]])
一些常用計(jì)算：
np.mod(a,b) a除b求余
np.divide(a,b)
np.multiply(a,b)
np.subtract(a,b)
矩陣點(diǎn)乘：np.dot( a,b ) a結(jié)構(gòu)是m * n贰健，b結(jié)構(gòu)是n*q (矩陣的運(yùn)算)
np.dot(b,[1,2,3,4])
array([0.10503481, 1.68123209, 4.52536127])
np.dot(b,a.T)
array([[ 0.68075312, 0.26218424, 0.84420365],
[-1.01875496, -0.22033819, -0.54689438],
[ 0.29243031, 2.84468729, 1.5676395 ]])
