14天学习训练营导师课程：
杨鑫《Python 自学编程基础》
杨鑫《 Python 网络爬虫基础》
杨鑫《 Scrapy 爬虫框架实战和项目管理》

Python操作Numpy模块库

杨老师推荐自学Python的网站

w3schools
传送门

geeksforgeeks
传送门

realpython
传送门

引用杨老师说的：
中文的这里不推荐，因为很多机构的翻译水品参差不齐，直接看英文的自己学吧，这个能快速的提升你的技能水平，
不光是编程，还有英语。
你可能会问为什么不推荐书籍，因为书籍的时效性太低了，可能出版之后版本都换了好几轮了，
很多里面的代码都跑不通，具体为什么里也不会给你说，所以直接看网站的教程是最好的选择。

1.Numpy介绍

numpy官方文档介绍

Numpy是Numerical Python extensions的缩写，字面意思是Python数值计算扩展

Numpy是高性能科学计算和数据分析的基础包。它也是pandas等其他数据分析的工具的基础，基本所有数据分析的包都用过它。NumPy为Python带来了真正的多维数组功能，并且提供了丰富的函数库处理这些数组。它将常用的数学函数都支持向量化运算，使得这些数学函数能够直接对数组进行操作

2.Numpy安装

1. window电脑点击win键+R，输入:cmd

2.安装 numpy，pip 命令安装 ，我们使用豆瓣的镜像源来安装

pip install numpy -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

3.导包

import numpy as np

3.Numpy模块练习

numpy数组即numpy的ndarray对象，创建numpy数组就是把一个列表传入np.array()方法。

3.1 创建数组

创建一维、二维、三维ndarray对象

# @Time     : 2022/11/24 19:25
# @Author   : hyh
# @File     : Numpy模块练习.py
# @Software : PyCharm

import numpy as np
# np.array? 相当于pycharm的ctrl+鼠标左键

# 创建一维的ndarray对象
arr = np.array([1, 2, 3])
print(arr, type(arr))


# 创建二维的ndarray对象
print(np.array([[1, 2, 3], [4, 5, 6]]))

# 创建三维的ndarray对象
print(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]))

执行结果：

3.2 获取数组

由于numpy数组是多维的，对于二维的数组而言，numpy数组就是既有行又有列。

注意：对于numpy我们一般多讨论二维的数组。

arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)

# 获取numpy数组的行和列构成的数组
print(arr.shape)

# 获取numpy数组的行
print(arr.shape[0])

# 获取numpy数组的列
print(arr.shape[1])

执行结果：

[[1 2 3]
 [4 5 6]]

获取numpy数组的行和列构成的数组
(2, 3)

获取numpy数组的行
2

获取numpy数组的列
3

3.3 切割数组

切分numpy数组类似于列表的切割，但是与列表的切割不同的是，numpy数组的切割涉及到行和列的切割，但是两者切割的方式都是从索引0开始，并且取头不取尾。

# @Time     : 2022/11/24 19:45
# @Author   : hyh
# @File     : 切割numpy数组.py
# @Software : PyCharm

import numpy as np
arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
print(arr)

print('取所有元素')
# 取所有元素
print(arr[:, :])


print('取第一行的所有元素')
# 取第一行的所有元素
print(arr[:1, :])

print('取第一列的所有元素')
# 取第一列的所有元素
print(arr[:, :1])

print('取第一列的所有元素')
# 取第一列的所有元素
print(arr[(0, 1, 2), 0])

print('取第一行第一列的元素')
# 取第一行第一列的元素
print(arr[(0, 1, 2), 0])

print('取第一行第一列的元素')
# 取第一行第一列的元素
print(arr[0, 0])

print('取大于5的元素，返回一个数组')
# 取大于5的元素，返回一个数组
print(arr[arr > 5])

print('numpy数组按运算符取元素的原理，即通过arr > 5生成一个布尔numpy数组')
# numpy数组按运算符取元素的原理，即通过arr > 5生成一个布尔numpy数组
print(arr > 5)

执行结果：

"D:\Program Files\Python\Python36\python.exe" D:/E/PythonWork/Pytest2022/CSDN打卡/切割numpy数组.py
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]
取所有元素
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]
取第一行的所有元素
[[1 2 3 4]]
取第一列的所有元素
[[1]
 [5]
 [9]]
取第一列的所有元素
[1 5 9]
取第一行第一列的元素
[1 5 9]
取第一行第一列的元素
1
取大于5的元素，返回一个数组
[ 6  7  8  9 10 11 12]
numpy数组按运算符取元素的原理，即通过arr > 5生成一个布尔numpy数组
[[False False False False]
 [False  True  True  True]
 [ True  True  True  True]]

Process finished with exit code 0

3.4 替换数组

numpy数组元素的替换，类似于列表元素的替换，并且numpy数组也是一个可变类型的数据，即如果对numpy数组进行替换操作，会修改原numpy数组的元素，所以下面我们用.copy()方法举例numpy数组元素的替换。

# @Time     : 2022/11/24 19:53
# @Author   : hyh
# @File     : numpy数组元素替换.py
# @Software : PyCharm

import numpy as np

arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
print(arr)

print('取第一行的所有元素，并且让第一行的元素都为0')
# 取第一行的所有元素，并且让第一行的元素都为0
arr1 = arr.copy()
arr1[:1, :] = 0
print(arr1)

print('取所有大于5的元素，并且让大于5的元素为0')
# 取所有大于5的元素，并且让大于5的元素为0
arr2 = arr.copy()
arr2[arr > 5] = 0
print(arr2)

print('对numpy数组清零')
# 对numpy数组清零
arr3 = arr.copy()
arr3[:, :] = 0
print(arr3)

执行结果：

"D:\Program Files\Python\Python36\python.exe" D:/E/PythonWork/Pytest2022/CSDN打卡/numpy数组元素替换.py
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]
取第一行的所有元素，并且让第一行的元素都为0
[[ 0  0  0  0]
 [ 5  6  7  8]
 [ 9 10 11 12]]
取所有大于5的元素，并且让大于5的元素为0
[[1 2 3 4]
 [5 0 0 0]
 [0 0 0 0]]
对numpy数组清零
[[0 0 0 0]
 [0 0 0 0]
 [0 0 0 0]]

Process finished with exit code 0

3.5 合并数组

numpy数组的合并

# @Time     : 2022/11/24 20:39
# @Author   : hyh
# @File     : numpy数组合并.py
# @Software : PyCharm

import numpy as np

arr1 = np.array([[1, 2], [3, 4], [5, 6]])
print(arr1)

arr2 = np.array([[7, 8], [9, 10], [11, 12]])
print(arr2)

print('合并两个numpy数组的行，注意使用hstack()方法合并numpy数组，numpy数组应该有相同的行，其中hstack的h表示horizontal水平的')
# 合并两个numpy数组的行，注意使用hstack()方法合并numpy数组，numpy数组应该有相同的行，其中hstack的h表示horizontal水平的
print(np.hstack((arr1, arr2)))

print('合并两个numpy数组，其中axis=1表示合并两个numpy数组的行')
# 合并两个numpy数组，其中axis=1表示合并两个numpy数组的行
print(np.concatenate((arr1, arr2), axis=1))

print('合并两个numpy数组的列，注意使用vstack()方法合并numpy数组，numpy数组应该有相同的列，其中vstack的v表示vertical垂直的')
# 合并两个numpy数组的列，注意使用vstack()方法合并numpy数组，numpy数组应该有相同的列，其中vstack的v表示vertical垂直的
print(np.vstack((arr1, arr2)))

print('合并两个numpy数组，其中axis=0表示合并两个numpy数组的列')
# 合并两个numpy数组，其中axis=0表示合并两个numpy数组的列
print(np.concatenate((arr1, arr2), axis=0))

执行结果：

"D:\Program Files\Python\Python36\python.exe" D:/E/PythonWork/Pytest2022/CSDN打卡/numpy数组合并.py
[[1 2]
 [3 4]
 [5 6]]
[[ 7  8]
 [ 9 10]
 [11 12]]
合并两个numpy数组的行，注意使用hstack()方法合并numpy数组，numpy数组应该有相同的行，其中hstack的h表示horizontal水平的
[[ 1  2  7  8]
 [ 3  4  9 10]
 [ 5  6 11 12]]
合并两个numpy数组，其中axis=1表示合并两个numpy数组的行
[[ 1  2  7  8]
 [ 3  4  9 10]
 [ 5  6 11 12]]
合并两个numpy数组的列，注意使用vstack()方法合并numpy数组，numpy数组应该有相同的列，其中vstack的v表示vertical垂直的
[[ 1  2]
 [ 3  4]
 [ 5  6]
 [ 7  8]
 [ 9 10]
 [11 12]]
合并两个numpy数组，其中axis=0表示合并两个numpy数组的列
[[ 1  2]
 [ 3  4]
 [ 5  6]
 [ 7  8]
 [ 9 10]
 [11 12]]

Process finished with exit code 0

3.6 numpy数组的常用属性

属性	解释
T	数组的转置（对高维数组而言）
dtype	数组元素的数据类型
size	数组元素的数据类型
ndim	数组的维数
shape	数组的维度大小（以元组形式）
astype	类型转换