Numpy使用大全（python矩阵相关运算大全)-Python数据分析基础2

//2019.07.10
python数据分析基础——numpy（数据结构基础）

import numpy as np:

1、python数据分析主要的功能实现模块包含以下六个方面：
（1）numpy——数据结构基础
（2）Scipy——强大的数据计算（矩阵计算、信号处理、数理分析等）
（3）matplotlib——可视化图形功能模块，实现数据的图形可视化)
（4）pandas——基础数据分析方法
（5）scikit-learn——强大的数据分析建模库，主要用于数据挖掘
（6）Keras——人工神经网络，实现人工神经网络的数据分析应用

2、对于numpy模块，它是python里面一个开源的数据计算模块，可以实现的功能主要有：ndarray、多维数组以及线性代数相关数据分析；

3、对于numpy数据结构以及数据类型的定义举例如下：
numpy1=numpy.array(list1 dtype=numpy.float)，其数据结构的类型是numpy.ndarray

4、对于数组的输入标准形式如下：
list=[[1,2,3],[1,2,4],[2,3,4],[1,3,5]]
np1=np.array(list,dtype=np.float)
其中有以下几个常见的属性：
np1.shape:数组的长宽尺寸（mxn）
np1.ndim:数据的维数，这里指的是数据列表嵌套的层数
np1.dtype:数据的类型
np1.itemsize：只要是指数据所占自己的大小
np1.size:指整个数据结构所包含的数据元素个数
len(np1)是指数据结构的真正维数，即数组的行数

5、对于输入数据数组（或者说是矩阵）的其中元素提取方法如下：
np1[a:b,c:d]
这里是指提取数组np1的第a+1行到第b行，第c+1列到第d列的数据模块，举例如下：

6、对于python随机数的生成可以用numpy模块里的random模块：
np1.random.rand（0-1之间的的随机数生成）\randn（服从正态分布的随机数生成）\randint（随机整数的生成）\choice（[]）（随机数产生的范围自定义）\......（其他随机数类型）,举例如下：

7、矩阵数组之间的运算：+-*/（加减乘除）以及点乘
其中最为常用的点乘函数规则如下：
np.dot(矩阵1，矩阵2)

8、多维数组之间的运算（sum、max、min等）需要先对其进行数组的分层，可以用axis=0-维数-1来进行分层，具体例子如下：

9、对于矩阵之间的拼接：
(1)np.concatenate((list1,list2),axis=0)：矩阵之间的拼接
(2)np.vstack((list1,list2))：矩阵之间的上下纵向追接（列数）
(3)np.hstack((list1,list2)):矩阵之间的横向拼接，所以不同矩阵的维数(行数)必须保证相同