Numpy & Pandas
- 2.1 numpy属性
- 2.2 numpy的创建array
- 2.3 numpy的基础运算
调入头文件
import numpy as np
2.1 numpy属性
#生成一个array数组
array = np.array([[1, 2, 3],
[2, 3, 4]])
#也可以这样 dtype表示array的元素类型
np.array([1, 2, 3], dtype = np.int64)
#array维度 2
array.dim
#array大小 (2, 3)
arrat.shape
#array元素数量 6
array.size
2.2 numpy的创建array
#3行4列全0元素
a = np.zeros((3, 4))
#全1元素
np.ones((3, 4))
#从a到b步长为c的数列
np.arange(a, b, c)
#生成一个三行四列的[0, 12)数列
a = np.arange(12).reshape((3, 4))
#生成从1到10.共五个数字(自动匹配步长)
a = np.linspace(1, 10, 5)
#arange(初始值,结束值,间隔) 生成的序列不包含结束值
#linspace(初始值, 结束值, 值的个数) 生成的序列包含结束值。
对于numpy中数组维度的问题:
该数组尺寸为(2,4,3),剥去最外层的中括号,得到的就是维度为0的两个尺寸为(4,3)的单位体,同理对第一个单位体再剥去一层中括号,得到的就是相应单位体中维度为1,尺寸为(3)的三个单位体(也可以看这篇文章)
2.3 numpy的基础运算
numpy中矩阵普通的预算都是对矩阵a和矩阵b中的元素逐个运算的
a = np.array([1, 2, 3])
b = np.array([2, 3, 4])
#对矩阵a和b进行逐个元素相加(加减乘除类似)
c = a+b #[3, 5, 7]
#对矩阵b的每个元素取平方
c = b**2
#对矩阵a和矩阵b进行矩阵相乘(要满足矩阵乘法要求)
c_dot = np.dot(a, b)
c_dot_2 = a.dot(b)
#对a不同维度元素取和(这里的取和即逐个元素加和)
c = np.sum(a, axis=0) #0维度逐个加和