numpy常用功能总结、python格式化输入输出

#coding:utf-8
#author:徐卜灵
#####################
#由于在各大公司笔试的时候总是会遇到一些格式化输入输出数据，今天就来总结一下。
#结合numpy来处理数据
#####################
###1.第一行输入一个数n，之后输入n个数，以空格隔开
# n = int(raw_input())
# L = [int(x) for x in raw_input().split(' ')]
# print n,L
#上下好像没什么联系

###############################################################
###2.第一行输入一个数n，之后输入n行，每行的数以空格隔开
# n = int(raw_input())
# L = [0] * n#这里一定要赋值为空
# for i in range(n):
#     L[i] = [int(x) for x in raw_input().split(' ')]
# print n,L
# print type(L[2][2])

####################################################################################################
#############################################numpy知识点详解##########################################
import numpy as np
import matplotlib.pyplot as plt
##① numpy里的所有元素必须是形同类型的，每个数组都有一个shape，和一个dtype，也就是说numpy多维数组的固有的两个属性
# data  = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]#这里的data 是个list，下面一行代码将list转化为array
# arr0 = np.array(data)#这一行将list转化为array
# print arr0.shape,arr0.dtype,arr0.ndim

##②创建制定形状的全0和全1的array
# arr_all0 = np.zeros((3,5))#注意这里有两个小括号
# arr_all1 = np.ones((3,5))
# arr_empty =np.empty((2,3,2))#这里可以嵌套，两个二维数组，每个二维数组是2*3的。但empty返回的是未初始化的垃圾值，一般不用这个函数
# print arr_all0,'\n',arr_all1,'\n',arr_empty

# ##③np.arange,跟range（15）一样的作用,注意两者的type不一样，不没什么影响
# L1 =  np.arange(15)
# L2 = range(15)
# print L1,type(L1)#注意，没有逗号分割 1 * 15
# print L2,type(L2)
# print np.eye(15)#创建一个正方形的单位阵，下同
# print np.identity(15)

# ##④dtype 可以直接修改数据类型
# arr1 = np.array([1,2,3],dtype=np.float32)
# arr2 = np.array([1.6,-2.3,3],dtype=np.int32)#小数部分被截断，强制转换的时候
# print arr1,arr1.dtype
# print arr2,arr2.dtype
# arr3 = np.array([1,2,3])
# arr3.astype('int32')#显式修改类型
# print arr3.dtype

##5.数组和标量之间的运算
# arr = np.array([[1,2,3],[4,5,6]])
# print arr *  arr
# print 1.0/arr
# print arr  ** 0.5

##6.索引和切片
# arr = np.arange(10)
# print arr[5]
# print arr[7:9]
# arr[7:9] = 12#将索引为7，8的赋值为12
# print arr #这里arr也发生了变化
# print arr[:] #这里arr也发生了变化
# L = range(10)
# L[7:9] = 12,12
# print L
# #二维数组的索引和切片
# arr2d = np.array([[1,2,3],[2,3,4],[1,2,3],[4,5,6]])
# print arr2d[2]
# print arr2d[2,2],arr2d[2][2]#这两种效果等价
# print arr2d[:2,1:]
# print arr2d[:,:1]#:选取整个轴
# data = np.random.rand(7,4)#利用python中numpy.random.randn()可以生成随机数
# print data
# # numpy中有一些常用的用来产生随机数的函数，randn()和rand()就属于这其中。
# # numpy.random.randn(d0, d1, …, dn)是从标准正态分布中返回一个或多个样本值。
# # numpy.random.rand(d0, d1, …, dn)的随机样本位于[0, 1)中。
#
# ##花式索引
# arrhua = np.zeros((8,4))
# for i in range(8):
#     arrhua[i] = i
# print arrhua,arrhua[[4,3,0,6]],arrhua[[-3,-5,-7]]

# ##7.reshape，square,sqre,exp
# arr = np.arange(32).reshape((8,4))
# print arr
# print arr.T
# print np.dot(arr.T,arr)#矩阵点乘
# print np.square(arr)
# print np.sqrt(arr)
# print np.exp(arr)
# x = np.random.randn(8)
# y = np.random.rand(8)
# # y = np.random(8)
# print np.maximum(x,y)
# z = np.random.rand(7)*5#这个乘以5很有意思哦
# print z
# #还有一些函数
# #abs，sqrt，square，exp，log，log10，log2，log1p，sign，ceil,floor,rint
# #isnan,isfinite,isinf,cos,cosh,sin,sinh,tan,tanh

###8.利用数组进行数据预处理
# points = np.arange(-5,5,0.01)#-5到5，间隔0.01取点
# xs,ys = np.meshgrid(points,points)
# #print xs,ys
# z = np.sqrt(xs**2+ys**2)
# plt.imshow(z,cmap = plt.cm.gray)
# plt.colorbar()
# plt.show()
###9.x if condition else y
# xarr = np.array([1.0,1.1,1.2,1.3,1.4])
# yarr = np.array([2.0,2.1,2.2,2.3,2.4])
# cond = np.array([True,False,True,False,True])
# result = [(x if c else y) for x,y,c in zip(xarr,yarr,cond) ]#有个zip，注意应用
# print result
#
# rr = np.where(cond,xarr,yarr)
# print rr
# arr = np.random.randn(4,4)
# print np.where(arr>0,5,-5)#大于0修改为5小于0修改为-5
# print np.where(arr>0,5,arr)#小于0不做处理

#10.数学和统计方法
#sum(0),mean(1),std(),var()标准差方差，min(),max(),argmin,argmax(),sumsum,cumprod后面俩比较不常用

# arr = np.random.randn(5,4)#后面是维度，正态分布的数据
# print arr.mean(),np.mean(arr),arr.sum()
# print arr.mean(axis=1),np.mean(arr),arr.sum(0)#0计算行，1计算列
# print arr.cumsum(0),arr.cumprod(1)#所有元素的累计和，累计积
#11.排序
# arr_sort = np.random.randn(9)
# arr_sort.sort()
# print arr_sort
# arr_sort = np.random.randn(3,2)
# arr_sort.sort(1)
# print arr_sort