十五、Numpy-科学计算基础库

Numpy:

         NumPy(Numerical Python) 是科学计算基础库，提供大量科学计算相关功能，比如数据统计，随机数生成等。其提供最核心类型为多维数组类型（ndarray），支持大量的维度数组 与矩阵运算，Numpy 支持向量处理 ndarray 对象，提高程序运算速度。

 　　安装 NumPy 最简单的方法就是使用 pip 工具，语法格式如下：pip install numpy

'''
使用array创建一/三维数组 ,返回 ndarray
'''
import numpy as np
a = np.array([1,2,4,6],dtype=float,ndmin =3)
print(a)
print(type(a))
'''
使用arange创建数组
'''
b =np.arange(1, 10, 2, dtype=float)
print(b)
print(type(b))
'''
随机生成 5，10的整数
'''
c =np.random.randint(5,11,size=4)
print(c)
'''
正态分布具有两个参数μ和σ^2的连续型随机变量的分布，
第一参数μ是服从正态分布的随机变量的均值(期望)
第二个参数σ^2是此随机变量的方差，所以正态分布记作N（μ,σ2）。
μ是正态分布的位置参数，描述正态分布的集中趋势位置。
概率规律为取与μ邻近的值的概率大，而取离μ越远的值的概率越小。
正态分布以X=μ为对称轴，左右完全对称。
σ越大，数据分布越分散，σ越小，数据分布越集中。也称为是正态分布的形状参数，
'''
d = np.random.randn(4)#randn表示标准的正态分布，期望0，方差为1
print(d)
e = np.random.normal(loc=2,scale=2,size=(2,3))#自定义期望和方差，越靠近2，越集中；标准差越大，幅度越大，越集中
print(e)

#索引
print("访问第三个元素：", a[2])
#切片：start:stop:step
print(a[2:5:2]) #从索引2开始到索引5结束，步长是2
#拷贝
b = np.arange(12).reshape(3,4)
c =np.copy(b)#深拷贝
c[0,0] = 100
print(b)
print(c)
#数组之间的转化，转化为一维、二维、三维
b = np.arange(12).reshape(3,4) #直接转化成行和列
np.arange(12).reshape((3,4))#转化为元组转化
np.reshape(a,(4,3,2))#将a一维数组转化成多维
b.reshape #将多维转化成一维
b.ravel #将多维转化成一维
b.flatten #将多维转化成一维
#数组的拼接
concatenate((a1,a2)，axis =(1,2,4...))\hstack（水平）\vstack（垂直）
#数组的分割
numpy.split(ary, indices_or_sections, axis)\np.hsplit(X,3)\np.vsplit(X,2)
#数组的转换
transpose 进行转换

NumPy 算术函数包含简单的加减乘除: add()，subtract()，multiply() 和 divide()。

   NumPy 提供了标准的三角函数：sin()、cos()、tan()。

   NumPy 提供了：around、floor、ceil的使用

   聚合函数：

   NumPy 提供了很多统计函数，用于从数组中查找最小元素，最大元素，百分位标准差和方差等。

numpy.power() 函数将第一个输入数组中的元素作为底数，计算它与第二个输入数组中相应元素的幂。

 numpy. median ()函数的使用，求中位数。

  numpy.mean() 函数返回数组中元素的算术平均值。