numpy强大的功能主要基于底层的一个ndarray结构 其可以生成N维数组
当然首先你要导入numpy这个科学计算库 如果不知道怎么导入可以看我这篇博客
1：ndarray对象是一系列同类型数据的集合，下标索引从0开始
numpy.array(object,dtype=None,copy=true,order=None,subok=False,ndmin=0) import numpy as np a=np.array([1,2,3])#一维 print(a) b=np.array([[1,2]，[3,4]])二维 print(b) ndmin参数用于设置数据最小维度 dtype参数用于设置数组类型
2：astype函数用于修改数据类型
y=y.astype("float32")
3:轴（axis）
每个线性数组称为一个轴 轴即数组的维度 axis=0即对每列进行操作 axis=1即对每行进行操作
秩（rank）数组的维数
import numpy as np arr=np.array([[0,1,2],[3,4,5]]) print(arr) print(arr.sum(axis=0)) print(arr.sum(axis=1))
4:其他创建数组的方式
4.1:empty函数
能创建一个指定形状、数据类型的空数组 其没有经过初始化 其内容不确定
import numpy as np x=np.empty([3,2],dtype=int) print(x)
4.2:zeros创建全0的数组
import numpy as np x=np.zeros([3,2],dtype=int) print(x)
4.3: ones创建全1的函数
import numpy as np x=np.ones([3,2],dtype=int) print(x)
4.4:range/arange函数
用法为指定开始和结束还是步长值来决定数列range（start，stop，step）
import numpy as np w=np.arange(0,8,0.5) print(w)
4.5：linspace函数（start，stop，num）
在一定区间内生成指定数量的样本数
import numpy as np v=np.linspace(1,6,20) print(v)
5:random随机函数
import numpy as np x=np.random.rand(2,3)#生成两行三列的随机浮点数组 y=np.random.randint(0,10,(2,2))
6:切片
是指取数据序列对象一部分的操作
import numpy as np arr=np.arange(24).reshape(4,6) print(arr) arr1=arr[1:,:3]#切片 print(arr1)
7:迭代
可以通过for循环进行迭代 多维则for循环嵌套迭代
import numpu as np a=np.arange(0,60,5) a=a.reshape(3,4) for xline in a: for yitem in xline: print(yitem,end=' ')
8:numpy计算
8.1：条件计算 即通过条件来筛选值
import numpy as np score=np.array([[80,88],[82,81],[84,75],[86,86]]) result==[score>80] print(result)
还可以通过where函数实现操作 格式如下
where(condition,x if true,y if false) 有点类似与C++里面的三目运算符
import numpy as np num=np.random.normal(0,1,(3,4)) print(num) num[num<0.5]=0 print(num) print(np.where(num>0.5,1,0))
9：统计计算
常见的min ，max ，mean ，sum ，std 函数等等 懂英文的基本上都知道啥意思 无需赘叙
