NumPy 是 Python 语言的一个第三方库，其支持大量高维度数组与矩阵运算。此外，NumPy 也针对数组运算提供大量的数学函数。
# -*- coding: utf-8 -*-：
# @Time : 2022/5/17 14:49
# @Author : 刘相圳
# @File : __init__.py.py
# @Software : PyCharm
'''
numpy 的主要对象是多维数组!
在NumPy中维度Dimensions叫做轴Axes轴的个数叫做秩Rank。
注意，numpy.array和Python标准库array.array并不相同，前者更为强大这也就是我们学习NumPy的重要原因之一。
'''
import numpy as np
# 查看numpy的版本
print("Numpy版本号:"+np.__version__)
# 创建一维数组
arr1 = np.array([1,2,3])
# 创建二维数组,维度主要是根据 []或()或{}的个数来决定的
arr2 = np.array([(1,2,3),(4,5,6)])
# 创建全为0的二维数组
arr3 = np.zeros((3,4))
# 创建全为1的三维数组
arr4 = np.ones((2,3,4))
# 创建任意大小的数组并填充数字 eg: 3行4列 填充数字:10
arr5 = np.full((3,4),10)
# 创建一维等差数组 eg: 范围:0~4
arr6 = np.arange(5)
# 创建二维等差数组(注意是reshape) eg: 2行3列 范围:0~6
arr7 = np.arange(6).reshape(2,3)
# 创建单位矩阵(二维数组)
arr8 = np.eye(3)
# 创建二维随机数组
arr9 = np.random.rand(2,3)
# 创建二维随机整数数组(数值小于5) eg: 范围5 2行3列
arr10 = np.random.randint(5,size = (2,3))
# 数组的运算 eg:a+b 即表示了数组 a 与 数组 b对应元素的数值相加
a = np.array([10,20,30,40,50])
b = np.arange(1,6)
# 数组中个元素求和 np.sum(a) 将a中的各个元素进行求和
a = np.array([[1,2],[3,4]])
np.sum(a)
# axis=0 表示对*每一列*求和
np.sum(a,axis=0)
# axis=1 表示对*每一行*求和
np.sum(a,axis=1) # axis表示轴的意思
# 求平均值
np.mean(a)
# 使数组a变成一行两列 note:此处不是title而是tile
np.tile(a, (1, 2))
# 将元素按照从小到大进行排序，返回对应位置元素的下标
a = np.array([[3,6,4,11],[5,10,1,3]])
a.argsort()
# 按照列排序
a.argsort(axis=0)
'''
一维数组的加/减/乘/除 对应+/-/*//即可
二维数组的加/减/乘/除 对应+/-/*//即可
'''
A = np.array([[1,2],[3,4]])
B = np.array([[5,6],[7,8]])
# 矩阵的乘法
np.dot(A, B)
# 如果使用np.mat将二维数组准确定义为矩阵,就可以直接使用*完成矩阵乘法计算
np.mat(A) * np.mat(B)
# 矩阵的转置 eg: 将矩阵A进行转置 将A的行变列 列变行
A.T
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.array([1,2,3])
# 广播: 在a的每一行都加上b 可直接简写成为a+b,numpy自动实现广播功能,当参与运算的操作数的维度不一样时
# 所谓广播: 即将每一行的所有数自动的扩散到其他行上去(维度不一样时)
a + b
a = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
# 索引: 取出某个确定的值
# 表示第二行,第三列的数,逗号前表示一维,逗号后表示二维,以此类推
a[1, 2]
# 冒号表示所取数的到范围,跟列表的索引用法一样
# 逗号用来区分每个维度,下面的代码表示[取倒数第二行到最后一行,第二列到第三列]
# 一般此种表示范围都是 左闭右开
a[-2:,1:3]
# 从0开始生成10个数 里面参数的值，即表示从0开始生成参数个的值
np.arange(10)
# 生成特定范围的数
np.arange(3,7)
# 给a数组的第二个列上的每个数加上10 note:中的3表示0/1/2行 参数1表示第一列
a[np.arange(3),1] += 10
# 还可以这样写,相当于,一个行对应一个列 0行1列 1行1列 2行1列
a[[0,1,2],[1,1,1]] += 10
# 获取数组中大于或小于某个确定值的数值
result_index = a > 10
# 此行代码即求出了数组a中大于10的数组中的所有元素
a[result_index]
# 也可以这样写
a[a>10]
# 使用dtype函数查看数组的数据类型
a = np.array([1,2,3])
a.dtype
# 将数据类型转换为整数，直接去掉小数部分
a = np.array([1.1,2.2],dtype = np.int64)
# 使用astype转换数据类型
a = np.array(['1.2', '1.3', '1.4'],dtype = np.string_)
b = a.astype(np.float64)
print(b)
