课上笔记(六)(Python)

• 学习使我快乐

NumPy→（Numerical+Python）

首先你需要知道，以后基本会使用
import numpy as np
import pandas as pd

• ndarratys
  NumPy有着极为强大对象：ndarrays（Python的扩展）

首先尝试着创建一个ndarrays

输入：
		import numpy as np
		a = np.array([1, 2, 3, 4, 5],str)
		print(a)

输出：
		[1,2,3,4,5]

有一件事必须知道是创建一个ndarrays[作为一个数组，其中的所有的类型都相同，必须]

numpy.array( [ ], 类型) ————→第二个参数将用于指定存储数据类型

输入：
		import numpy as np
		a = np.array([1, 2, 3, 4, 5])
		print(a)

输出：
		['1' '2' '3' '4' '5']

• 还可以直接用迭代对象创建（有点优秀啊）

输入：
		import numpy as np
		a = np.arange(1, 10, 2)
		print(a)

输出：
		[1,3,5,7,9]

• Python识别ndarrays类型即为ndarrays

输入：
		import numpy as np
		a = np.array([0,1,2,3,4])
		print(type(a))

输出：
		<class 'numpy.ndarray'>

numpy.array( [ ], ndmin = ) ndmin = 后为最小维度

输入：
		import numpy as np 
		a = np.array([1,2,3,4,5], ndmin = 3)  
		b = np.array([1,2,3,4,5], ndmin = 2) 
		c = np.array([1,2,3,4,5], ndmin = 1) 
		print (a)
		print (b)
		print(c)

输出：
		[[[1 2 3 4 5]]]
		[[1 2 3 4 5]]
		[1 2 3 4 5]

• shape
  使用np.shape可以按照数组维度返回长度
  即：

输入：
		import numpy as np
		b = np.array([[1,2],[4,5],[7,8]])
		print(b.shape)
		print(b[0,0],b[0,1],b[1,0])

输出：
		(3, 2)————→第一维度3个元素，第二维度2个元素
		1 2 4

如果同一纬度长度不同则返回none（同纬度长度不同的正常不在我们的考虑之内）

输入：
		import numpy as np
		b = np.array([[1,2],[4,5,6],[7,8,9]])
		print(b.shape)

输出：
		(3,)

• zeros
  zeros可以把ndarrays中的所有值都更改成0
  np.zeros()，括号中的元素是一个元组，和shape返回的是同一种东西

输入：
		import numpy as np 
		a = np.zeros((2,3,4))
		print(a)

输出：
		[[[0. 0. 0. 0.]
		  [0. 0. 0. 0.]
		  [0. 0. 0. 0.]]

		 [[0. 0. 0. 0.]
		  [0. 0. 0. 0.]
		  [0. 0. 0. 0.]]]

• ones
  ones可以把ndarrays中的所有值都更改成1

输入：
		import numpy as np 
		a = np.ones((2,3,4))
		print(a)
输出：
		[[[1. 1. 1. 1.]
		  [1. 1. 1. 1.]
		  [1. 1. 1. 1.]]

		 [[1. 1. 1. 1.]
		  [1. 1. 1. 1.]
		  [1. 1. 1. 1.]]]

• size
  正常来说，求多维数组中的元素总数的求法应该是shape返回的元组中所有元素的积，不过有一个专门的方法是来求多维数组中元素的总数的。

输入：
		import numpy as np 
		a = np.zeros((2,3,4))
		print(a.size)
输出：
		24 ←————2*3*4=24

多维数组的切片

数组可以进行切片，多维数组也可以进行切片
简单来说，就是从左开始切片，切片是从一维开始切的

输入：
		import numpy as np 
		a = np.arrays([[1,2,3,4,5], 
						[6,7,8,9,10], 
						[11,12,13,14,15],
						[16,17,18,19,20],
						[21,22,23,24,25]])
		print(a[:3:,:4:])

输出：
		[[ 1  2  3  4]
		 [ 6  7  8  9]
		 [11 12 13 14]]

↑←首先，切从左开始先切:3:，先从一维开始切，所以我们拿出来一维的前三个
[[1,2,3,4,5]
[6,7,8,9,10]
[11,12,13,14,15]]
然后，从左依次切到:4:，再来切二维，所以我们拿出二维的（每个二维数组的）前四个
[[ 1 2 3 4]
[ 6 7 8 9]
[11 12 13 14]]

• ndim ←—————返回维度数

输入：
		import numpy as np
		a = np.array([1, 2, 3, 4, 5])
		print(a.ndim)

输出：
		1

输入：
		import numpy as np
		a = np.arrays([[1,2,3,4,5], 
						[6,7,8,9,10], 
						[11,12,13,14,15],
						[16,17,18,19,20],
						[21,22,23,24,25]])
		print(a.ndim)

输出：
		5

• reshape ←—————将多维数组返回成另一种的多维数组数组（如果reshape后的元组中的元素乘积不等于其元素总和（即：size返回值），则报错）

输入：
		import numpy as np
		a = np.arange(25)
		print(a)
		a = a.reshape((5,5))
		print(a)

输出：
		[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]


		[[ 0  1  2  3  4  5]
		 [ 6  7  8  9 10 11]
		 [12 13 14 15 16 17]
		 [18 19 20 21 22 23]]


		[[ 0  1  2  3  4  5  6  7]
		 [ 8  9 10 11 12 13 14 15]
		 [16 17 18 19 20 21 22 23]]

• 布尔屏蔽
  将一个条件表达式赋值给一个变量，这个变量就会变成一个由false和true组成的数组
  将这个变量用于其他数组，就会自动选择true了

输入：
		import numpy as np
		a = np.arange(0,100,10)
		b = a>=50
		print(b)
		print(a[b])
		c = np.arange(0,1000,100)
		b = c>=800
		print(b)
		print(a[b])

输出：
		[False False False False False  True  True  True  True  True]
		[50 60 70 80 90]
		[False False False False False False False False  True  True]
		[80 90]