# coding: utf-8
# in[1]:
import pandas
import numpy
# python中的list和array的不同之處
# python中的list是python的內建資料型別，array封裝在numpy中；
#list中的資料類不必相同的，而array的中的型別必須全部相同;
#在list中的資料型別儲存的是資料的存放的位址，簡單的說就是指標，並非資料，這樣儲存乙個list就太麻煩了，例如list1=[1,2,3,'a']需要4個指標和四個資料，增加了儲存和消耗cpu。numpy中封裝的array有很強大的功能，裡面存放的都是相同的資料型別
# in[4]:
numbers = numpy.array([1, 2, 3, 4])
print(numbers)
numbers.dtype
# in[5]:
# 如何取資料
#a = world_alcohol[2, 2]
# in[7]:
# 如何切片 單行中取某幾個數
vector = numpy.array([3, 4, 5, 6, 7])
print(vector[0:3]) #左閉右開的切片方式 只能取到第0個，第1個， 第二個
# in[13]:
# 如何切片 矩陣中取某一列
matrix = numpy.array([
[5, 15, 10], #注意錯誤別漏了逗號：list indices must be integers or slices, not tuple
[20, 25, 30],
[35, 40, 50]
])print(matrix[:,2]) #冒號選擇所有的行，選擇第3列
print(matrix[:, 0:2])#冒號選擇所有的行，選擇第1列&第2列
matrix == 15 #判斷
# in[18]:
# numpy計算問題
# 判 斷
vector = numpy.array([5, 10 , 15, 20])
equal_to_10 = vector == 10 #也可以當作索引
print(equal_to_10)
equal_to_10.dtype
# in[19]:
print(vector[equal_to_10]) #把索引用陣列傳入找出那個數
# in[27]:
# 矩陣中判斷同理
matrix = numpy.array([
[5, 15, 10], #注意錯誤別漏了逗號：list indices must be integers or slices, not tuple
[20, 25, 30],
[35, 40, 50]
])equal_to_25 = matrix == 25
print (equal_to_25)
print (matrix[equal_to_25, :])
# in[28]:
# 與或的操作 & |
vector = numpy.array([5, 10, 15, 20])
equal_to_ten_and_five = (vector == 5) & (vector == 10)
print(equal_to_ten_and_five) #沒有乙個數可以同時滿足等於5又等於10
# in[29]:
equal_to_ten_and_five = (vector == 5) | (vector == 10)
print(equal_to_ten_and_five)
# in[34]:
# 可以轉換資料型別
vector = numpy.array(["1", "2", "3"])
print(vector)
print(vector.dtype)
vector = vector.astype(float)
print(vector)
print(vector.dtype)
# in[35]:
# 可以求極值
print(vector.min())
# in[36]:
# 調出幫助檔案 numpy.array()
help(numpy.array)
# in[39]:
# 求和：比如按行或者按列
matrix = numpy.array([
[5, 15, 10], #注意錯誤別漏了逗號：list indices must be integers or slices, not tuple
[20, 25, 30],
[35, 40, 50]
])print(matrix.sum(axis = 0)) #按列求和，每一列的和
print(matrix.sum(axis = 1)) #按行求和，每一行的和
# in[43]:
#生成乙個隨機的15個數字
import numpy as np
print(np.arange(15))
# in[44]:
a = np.arange(15).reshape(3, 5) # 三行五列
a# in[46]:
a.shape #列印行與列
# in[47]:
a.ndim
# in[48]:
a.size
# in[50]:
np.zeros((3, 4)) #初始化乙個空矩陣，注意元組格式，讓它所有的3行4列為0, 預設為float型別
# in[51]:
np.ones((2, 3, 4), dtype = np.int32) #指定內部為int型別
# in[54]:
np.arange(10, 40, 5) #按步長生成隨機的數
# in[56]:
np.arange(12).reshape(4, 3) #可以進行reshape操作
# in[59]:
## 重要， 隨機模組
# 首先呼叫列np.random模組，然後呼叫了模組內的random函式，得到的是乙個矩陣，這裡是2行3列的矩陣
# 預設為區間為 -1 ～ +1
np.random.random((2, 3)) #2行3列隨機數字
# in[60]:
# linspace
from numpy import pi
np.linspace(0, 2*pi, 100) #得到指定區間（0 ～ 2*pi(pi等於3.14)），在這個區間取100個數字，間隔是一樣的
# in[63]:
np.sin(np.linspace(0, 2*pi, 20))
# #數**算
# 數**算
# in[64]:
# 科普一下 python中range函式 與 numpy包中的arange函式
# range( start, stop[,step])
# start 計數開始，預設從0開始，例如range(5) 等價於 range(0, 5)
# 函式返回乙個 range object
range(5)
# in[65]:
range(0, 5)
# in[66]:
c = [i for i in range(0, 5)] #從0到4開始，不包括5，預設間隔為1，range中間隔不能使用float
c# in[68]:
# numpy包中的arange()函式，
# arange([start,] stop[, step,], dtype = none)
# 根據start與stop指定的範圍以及step設定的步長，生成乙個ndarray型別
np.arange(3)
# in[72]:
np.arange(3, 7)
# in[73]:
np.arange(3, 7, 2)
# in[75]:
# 計算
a = np.array([20, 30, 40, 50])
b = np.arange(4) # 其實就是返回 array([0, 1, 2, 3])
c = a - b # 對應相減操作
print(a)
print(b)
print(c)
# in[76]:
# 求平方的操作
print(b**2)
# in[ ]:
# 做乙個矩陣的乘法 點乘還是算內積
numpy基本操作
算數運算子 等這些運算子為元素集，也就是說，它們只用於位置相同的元素之間，所得到的運算結果組成乙個新陣列 矩陣積 dot，表示矩陣乘機，表示對應元素相乘 np.dot a,b a.dot b 通用函式,通常叫做ufunc，它對陣列中的每個元素逐一進行操作，這表明，通用函式分別處理輸入陣列中的每個元素...
Numpy基本操作
索引 合併 分割 c a b c a b c a b c b 2 c 10 np.sin a c dot np.dot a,b 叉積 np.sum a np.min a np.max a np.sum a,axis 1 0行1列 np.min a,axis 0 np.max a,axis 1 np....
Numpy的基本操作（四）
有志者自有千計萬計，無志者只感千難萬難。用途 生成乙個指定型別的陣列 用法一 import numpy as np v np.arange 5 從0開始生成5個數作為陣列元素，步長為1 print v 執行結果 0 1 2 3 4 用法二 import numpy as np v np.arange...