数据分析之Numpy

Numpy

numpy.array:将数组转换成向量

numpy.array([,,,])
转化成1维向量
numpy.array([[,,],[,,],[,,]])
转换成二维向量

vector = numpy.array([[1,2,3],[4,5,6],[8,9,10]])

vector.shape （对象.方法）   形状：三行三列

对象.dtype     数据类型  全为数字为整型，有一个float全为float，同理有一个字符串，类型为字符串，如[8,9,'10']

转换成向量取值

　　对象[1,4]  第二个样本的第四个，即2行4列对应的值

切片（同python）

　　(1) 对象.[0:3]   取前三个

　　(2) matrix[0,1]  取第一行第二个值    matrix[:,1]   取所有行中的第二列的值

判断

　　 对象==6， 返回一个只有true和false的矩阵，对象中等于6的值为true，其余位置为false     dtype为bool

　　    注：可以将true当作索引值在取回值 6

类型转换

　　 对象.astype(float)          括号中为要转换的类型，此例转换成float型

运算

　　对象.sum(asis=1)     1代表行 ，0代表列   此例为对每行进行求和

矩阵属性

a = numpy.arange(15).reshape(3,5)      释义：创造0到14一共15个数，形状为 3行5列  (a.shape)       numpy.arange(10，30，5)   从10开始，30结束(不包含30)，5为步长   结果[10,15,20,25]

对象.ndim    即a.ndim，对象是几维数组

对象.size   多少元素

矩阵操作

初始化1：numpy.zeros((3,4))     3行4列  元素都为0    同理numpy.ones((3,4))    3行4列  元素都为1   维度只有行和列，所以是2维。

numpy.ones((2,3,4))   3维数组

初始化2：numpy.random.random((2,3))   0-1之间的随机数，2行3列

初始化3：numpy.linspace(0,3.14,100)    在0-3.14之间平均取100个值

矩阵运算与线代相同                                       [ [1,2]

a=[[1,2]        b=[[5,6]                　　　　　　　[3,4]

[3,4]]             [7,8]] 　　　　　　　　　　　　[5,6]　　　　　　　　　　　　　　　　[1,2,5,6]

numpy.vstack((a,b))   行拼接　　如：　　　[7,8]]　    numpy.hstack((a,b))   列拼接      [3,4,7,8]

numpy.hsplite(a,3)      a为矩阵，隔4列切一刀,切成一个一个array      numpy.vsplite(a,3)

复制

a=b和b=a.view()   前者完全相同，后者浅拷贝，但是对一个中的数值进行操作二者数值都改变，即啊，b共用一组数据

b=a.copy()   推荐使用，修改b数值，a中的数值不发生改变

对象.argmax(axis=0)   找出每一列中的最大值

numpy.tile(a,(4,2))     如：传进来一个a=[10,20,30],行X4，列X2

sort   排序