柚子快報激活碼778899分享：numpy的使用教程

http://yzkb.51969.com/

一、創(chuàng)建多維數(shù)組：

多維數(shù)組對象：NumPy的核心數(shù)據(jù)結(jié)構(gòu)是ndarray，它是一個多維數(shù)組，可以存儲同質(zhì)數(shù)據(jù)類型的元素。這些數(shù)組可以是一維、二維或更高維度的，非常適合進行向量化操作和矩陣運算。

①創(chuàng)建一維數(shù)組：

import numpy as np#導(dǎo)入numpy庫，命名為np

data=np.array([1,2,3,4,5,6,7,8,9])#創(chuàng)建了一個一維數(shù)組

print(data)

?②創(chuàng)建二維數(shù)組：

import numpy as np#導(dǎo)入numpy庫，命名為np

array_2d = np.array([[1, 2, 3], [4, 5, 6]])

print(array_2d)

③創(chuàng)建三維數(shù)組：?

import numpy as np#導(dǎo)入numpy庫，命名為np

array_3d = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])

print(array_3d)

這三個示例都用到了函數(shù)array?

?④創(chuàng)建全0數(shù)組：

利用函數(shù)zero生成全為零的數(shù)組，需要傳入數(shù)組的規(guī)模。

?例如：

import numpy as np

# 創(chuàng)建一個長度為5的一維全零數(shù)組

array_1d = np.zeros(5)

print(array_1d)

# 創(chuàng)建一個2x3的二維全零數(shù)組

array_2d = np.zeros((2, 3))

print(array_2d)

⑤創(chuàng)建全1數(shù)組：?

利用函數(shù)ones生成全1數(shù)組，需要傳入數(shù)組的規(guī)模。

# 創(chuàng)建一個3x3的全一數(shù)組

ones_array = np.ones((3, 3))

print("全一數(shù)組:\n", ones_array)

?⑥使用創(chuàng)建連續(xù)序列數(shù)組：

利用函數(shù)arange創(chuàng)建函數(shù)，可以直接給出長度（這樣元素默認(rèn)從0~長度-1），同時也可以指定起始值和終止值。也可以附加上步長。

import numpy as np

# 創(chuàng)建一個從0到9的連續(xù)序列數(shù)組（不包括10）

array = np.arange(10)

print("連續(xù)序列數(shù)組:", array)

# 創(chuàng)建一個從5到10的連續(xù)序列數(shù)組（不包括10）

array = np.arange(5, 10)

print("連續(xù)序列數(shù)組:", array)

# 創(chuàng)建一個從0到10，步長為2的連續(xù)序列數(shù)組

array = np.arange(0, 10, 2)

print("連續(xù)序列數(shù)組:", array)

?⑦使用random創(chuàng)建隨機數(shù)組：

給定數(shù)組的規(guī)模，可以生成每一個元素都介于[0, 1)之間。

import numpy as np

# 創(chuàng)建一個2x3的隨機數(shù)組，元素值在[0, 1)之間

random_array = np.random.rand(2, 3)

print("隨機數(shù)組:\n", random_array)

?二、改變數(shù)組的形狀：

①reshape函數(shù)

reshape函數(shù)：可以返回一個新的形狀的數(shù)組視圖，而不改變原數(shù)組的數(shù)據(jù)。如果新形狀與原數(shù)組的總元素數(shù)量不匹配，則會引發(fā)錯誤。

import numpy as np

# 創(chuàng)建一個一維數(shù)組

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

# 改變數(shù)組形狀為2x3

b = a.reshape((2, 3))

print("使用reshape后的數(shù)組:\n", b)

②resize函數(shù)：

會直接修改原數(shù)組的形狀和大小。如果新形狀比原數(shù)組大，則多出的元素會被填充為0；如果新形狀比原數(shù)組小，則多余的元素會被丟棄。

import numpy as np

# 創(chuàng)建一個一維數(shù)組

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

# 改變數(shù)組形狀為2x3

a.resize((2, 3))

print("使用resize后的數(shù)組:\n", a)

?③flatten函數(shù)：

將多維數(shù)組展平成一維數(shù)組。它返回的是原數(shù)組的一個副本，不會修改原數(shù)組。

import numpy as np

# 創(chuàng)建一個二維數(shù)組

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

# 將二維數(shù)組展平成一維數(shù)組

b = a.flatten()

print("使用flatten后的數(shù)組:", b)

④transpose函數(shù)：?

方法用于交換數(shù)組的軸。例如，可以將一個二維數(shù)組的行和列互換，類似于轉(zhuǎn)置矩陣

import numpy as np

# 創(chuàng)建一個二維數(shù)組

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

# 轉(zhuǎn)置二維數(shù)組

b = a.transpose()

print("使用transpose后的數(shù)組:\n", b)

?三、數(shù)組堆疊：

①vstack：

垂直堆疊數(shù)組?

import numpy as np

# 創(chuàng)建兩個一維數(shù)組

a = np.array([1, 2, 3])

b = np.array([4, 5, 6])

# 垂直堆疊

result = np.vstack((a, b))

print("使用vstack后的數(shù)組:\n", result)

#結(jié)果： [[1 2 3] [4 5 6]]

②hstack:?

?水平堆疊數(shù)組

import numpy as np

# 創(chuàng)建兩個一維數(shù)組

a = np.array([1, 2, 3])

b = np.array([4, 5, 6])

# 水平堆疊

result = np.hstack((a, b))

print("使用hstack后的數(shù)組:", result)

#結(jié)果：[1 2 3 4 5 6]

四、簡單數(shù)據(jù)分析：

①基本統(tǒng)計量：?

均值 (mean): 計算數(shù)組元素的平均值。中位數(shù) (median): 計算數(shù)組元素的中位數(shù)。標(biāo)準(zhǔn)差 (std): 計算數(shù)組元素的標(biāo)準(zhǔn)差。方差 (var): 計算數(shù)組元素的方差。最小值 (min): 返回數(shù)組中的最小值。最大值 (max): 返回數(shù)組中的最大值。求和 (sum): 返回數(shù)組元素的總和。累計和 (cumsum): 返回數(shù)組元素的累計和。累計積 (cumprod): 返回數(shù)組元素的累計積。?

import numpy as np

# 創(chuàng)建一個數(shù)組

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

print("均值:", np.mean(a))

print("中位數(shù):", np.median(a))

print("標(biāo)準(zhǔn)差:", np.std(a))

print("方差:", np.var(a))

print("最小值:", np.min(a))

print("最大值:", np.max(a))

print("求和:", np.sum(a))

print("累計和:", np.cumsum(a))

print("累計積:", np.cumprod(a))

②相關(guān)系數(shù)和協(xié)方差：

相關(guān)系數(shù) (corrcoef): 計算兩個數(shù)組之間的相關(guān)系數(shù)矩陣。協(xié)方差 (cov): 計算兩個數(shù)組之間的協(xié)方差矩陣。

import numpy as np

# 創(chuàng)建兩個數(shù)組

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

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

# 計算相關(guān)系數(shù)矩陣

correlation_matrix = np.corrcoef(x, y)

print("相關(guān)系數(shù)矩陣:\n", correlation_matrix)

# 計算協(xié)方差矩陣

covariance_matrix = np.cov(x, y)

print("協(xié)方差矩陣:\n", covariance_matrix)

五、創(chuàng)建矩陣以及矩陣乘法、初步運算：

在機器學(xué)習(xí)之中，創(chuàng)建矩陣以及矩陣乘法是最常用的功能：

numpy.array()函數(shù)來創(chuàng)建矩陣。

矩陣乘法可以通過使用numpy.dot()函數(shù)。

import numpy as np

# 創(chuàng)建兩個矩陣

A = np.array([[1, 2], [3, 4]])

B = np.array([[5, 6], [7, 8]])

# 使用numpy.dot()進行矩陣乘法

C = np.dot(A, B)

print("使用numpy.dot()的矩陣乘法結(jié)果:")

print(C)

# 使用@運算符進行矩陣乘法

D = A @ B

print("使用@運算符的矩陣乘法結(jié)果:")

print(D)

?求轉(zhuǎn)置矩陣、矩陣求逆、矩陣的特征值和特征向量、

import numpy as np

matrix = np.array([[1, 2], [3, 4]])

#利用函數(shù)transpose獲取轉(zhuǎn)置矩陣

transpose_matrix = np.transpose(matrix)

print("Transpose of the matrix:\n", transpose_matrix)

square_matrix = np.array([[1, 2], [3, 4]])

#矩陣求逆，只有矩陣為方陣且不為0的時候才有逆矩陣，利用函數(shù)linalg.inv實現(xiàn)

try:

inverse_matrix = np.linalg.inv(square_matrix)

print("Inverse of the square matrix:\n", inverse_matrix)

except np.linalg.LinAlgError:

print("Matrix is singular and cannot be inverted.")

#使用numpy.linalg.eig()來計算矩陣的特征值和特征向量。

eigenvalues, eigenvectors = np.linalg.eig(square_matrix)

print("Eigenvalues of the square matrix:\n", eigenvalues)

print("Eigenvectors of the square matrix:\n", eigenvectors)

?

?

柚子快報激活碼778899分享：numpy的使用教程

http://yzkb.51969.com/