numpy基础（1）

import numpy as np
# 查看版本
np.__version__

使用np的函数

#一维
test = np.array([1,2,3,4,5])
print(test)
# 多维度
test1 = np.array([[1,2,3],[4,5,6]])
(test1)

np.ones([3,3])
# array([[1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])

np.ones([3,4], dtype=int)

np.full([3,3], 3.1)

#对角矩阵
np.eye(4)
np.eye(4,4,2)

# 等差数列
np.linspace(0,10,5)

np.arange(0,10,2)

#随机数组
np.random.randint(0,10,5)
np.random.randn(10)

#ipython notebook 快捷键 b向下创建一行，dd删除行

# 随机的种子，有了种子，每次都一样
np.random.seed(100)
np.random.random(10)

ndarray的属性

ndim:维度 shape:形状(各个维度的长度) size:总长度 dtype:元素类型

np.random.seed(0)
#10：随机从0-9之间产生的int类型的值，
#3：代表产生3个矩阵
#4：代表每个矩阵的行数
#5：代表每个矩阵的列数
x = np.random.randint(10,size=([3,4,5]))
x

ndarray的基本操作

索引

np.random.seed(1)
x = np.random.randint(10,size=[3,4,5])
x[2,0,0]

切片

np.random.seed(0)
x = np.random.randint(100,size=(10,4))
x[7:10]

变形

# 使用reshape函数，参数是一个tuple
x = np.arange(0,16).reshape(4,4)
x

联级

np.concatenate()

x = np.array([1,2,3])
y = np.array([1,5,6,7,3,20])
z = np.concatenate([x,y])
z

x = np.array([[1,2,3],[4,5,6]])
x

x.shape

p = np.concatenate([x,x])
p

axis

x = np.array([[[1,2,3],[2,2,3],[3,3,3]],[[4,4,4],[5,5,5],[6,6,6]]])
x.shape

w = np.concatenate([x,x], axis=1)
w.shape

水平联级与垂直联级

x = np.array([[1,1],[2,2],[3,3]])
y = np.array([1,2,3])
print(np.hstack(x))
print(np.vstack(y))

切分

x = np.arange(1,10)
x

x1,x2,x3 = np.split(x,[3,5])
print(x1,x2,x3)

x = np.arange(16).reshape(4,4)
x

# 水平切分，将水平方向的数据切分
print(np.hsplit(x,[2,3,1]))

# 垂直切分，将垂直方向的数据切分
print(np.vsplit(x,[2,3]))