开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第5天，点击查看活动详情
numpy基础
Numpy是python的一种开源数值计算扩展库，包含很多功能，比如n维数组创建，对数组进行函数运算，数值积分等。他提供了两种基本对象，ndarray（存储单一数据类型的多维数组） ufunc对数组进行处理的函数。
使用其需要导入：import numpy as np，as后面是别名
numpy创建数组
创建多维数组对象
通常来说，ndarray是一个通用的同构数据容器，即其中的所有元素都需要相同的类型。利用array函数可创建ndarray数组
- array函数格式：np.array(object,dtype,ndmin)
| 参数名称 | 说明 | | Object | 接收array，想要创建的数组 | | dtype | 接收data-type 表示数组需要的数据类型，为给定则选择保存对象所需要的最小类型默认维None | | ndmin | 接收int，制定生成数组应该具有的最小维数，默认None |
import numpy as np
data=[1,3,5,7]# 列表
w1=np.array(data)
print("w1"+w1)
data1=(2,3,4,5)# 元组
w2=np.array(data1)
print("w2"+w2)
data2=[[1,2,3,4],[5,6,7,8]]# 多维数组
w3=np.array(w3)
print("w3"+w3)
输出：
在创建数组时，NumPy会为新建的数组推断出一个合适的数据类型，并保存在dtype中，当序列中有整数和浮点数时，NumPy会把数组的dtype定义为浮点数据类型。
创建数组的函数
- arange函数：创建等差一维数组
np.arange([start,]stop,[step,]dtype)
| 参数名称 | 说明 | | start | 起始值，默认为0 | | stop | 结束值，生成的元素不包括结束值 | | step | 步长，默认为1，可省略 | | dtype | 设置元素的数据类型，默认使用输入数据的类型 |
warray=np.arange(10)
print(warray)
输出：[0 1 2 3 4 5 6 7 8 9]
warray=np.arange(0,1,0.2)
print(warray)
输出：[0 0.2 0.4 0.6 0.8]
- linspace函数：创建等差一维数组，接收元素作为参数
np.linspace(start,stop,num,endpoint,retstep=False,dtype=None)
| 参数名称 | 说明 | | start | 起始值，默认为0 | | stop | 结束值，生成元素不包括结束值 | | num | 生成等间隔样例数量 |
warray=np.arange(0,1,5)
print(warray)
输出：[0 0.25 0.5 0.75 1]
- logspace函数：创建等比一维数组
np.logspace(start,stop,num,endpoint=true,base=10.0,dtype=None)
logspace的参数中，start, stop代表的是10的幂,默认基数base为10，第三个参数元素个数。
warray=np.logspace(0,1,5)
print(warray)
输出：[1 1.77827941 3.16227766 5.62341325 10]
- zeros:指定长度或者形状全0的数组
np.zeros(shape,dtype=flost,order='C')
- ones:指定长度或者形状全1的数组
np.ones(shape,dtype=flost,order='C')
- diag:创建应该对角阵
np.diag(v,k=0)
此外，使用eye函数可创建一个对角线为 1 其他位置全为 0 的矩阵。
ndarray对象属性和数据转换
Numpy 创建的ndarray 对象属性，主要有shape，size等属性
生成随机数
在NumPy.random模块中，提供了多种随机数的生成函数。如randint函数生成指定范围的随机整数来构成指定形状的数组。
用法： np.random.randint(low, high = None, size = None)
数组交换
1.数组重塑 reshape的参数中的其中一个可以设置为-1，表示数组的维度可以通过数据本身来推断。
与reshape相反的方法是数据散开（ravel）或数据扁平化（flatten）
2.数组合并
hstack函数：实现横向合并 vstack函数：实现纵向组合是利用vstack将数组纵向合并； concatenate函数：可以实现数组的横向或纵向合并，参数axis=1时进行横向合并，axis=0时进行纵向合并。
concatenate函数可以实现数组的横向或纵向合并，其中的参数axis = 1时进行横向合并，axis = 0时进行纵向合并。
3.数组分割
与数组合并相反，hsplit函数、vsplit函数和split函数分别实现数组的横向、纵向和指定方向的分割
arr = np.arange(16).reshape(4,4)
print('横向分割为:\n',np.hsplit(arr,2))
print('纵向组合为:\n',np.vsplit(arr,2))
split在参数axis = 1时实现数组的横向分割，axis = 0时则进行纵向分割。
数组的索引和切片
numpy主要对象是同构多维数组 numpy库：一个非常强大的库
第一个：轴 数组维度叫轴 数组维度里面的元素个数叫轴长 比如：数组[1,2,3]有一个轴，轴长为3 数组[[1,2],[3,4],[5,6]] 是一个二维数组，看最前面方括号个数。 它只是三行两列 维度：3行2列二维数组，轴数为2， 第一维：3个元素（3行）轴长为3 第二维：两个元素（2列）轴长为2 [[1,2,1],[2,1,1],[3,3,3],[4,4,4]] 四行三列二维数组 轴： 2
第一维：轴长 4
第二维：轴长 3
数组形状用元组表示 [1,2,3]->形状（3,） [[1,2],[3,4],[4,5]]->形状（3，2） 两个元素，表示两个维度，3 表示第一轴轴长，2表示第二轴轴长 比如： （3，2，4）-》表示维度 3，第一轴长度3，第二2，第三4 [[[,,,],[,,,]], [[,,,],[,,,,]], [[,,,],[,,,]]]
例题
鸢尾花实验： 1.导入模块
import numpy as np
import csv
2.获取数据 使用csv.reader读取csvfile中的文件
iris_data = []
with open("data//iris.csv") as csvfile:
csv_reader = csv.reader(csvfile)
# 读取第一行每一列的标题
birth_header = next(csv_reader)
# 将csv 文件中的数据保存到birth_data中
for row in csv_reader:
iris_data.append(row)
iris_data
3.数据清理：去掉索引号
iris_list = []
for row in iris_data:
iris_list.append(tuple(row[1:]))
iris_list
