成都市互联网协会网页设计_科技攻关要坚持什么导向奔着最紧急最紧迫的问题去_chatgpt网址_职业技能培训平台

import numpy as np

1.演示 numpy的属性

# 1.创建1个ndadday 数组arr = np.arange(15).reshape((3,5))# 2.打印arr对象框框结果arr# 3.打印arr属性print(type(arr))
print(f'arr 的维度{arr.shape}')
print(f'arr 的轴 {arr.ndim}')
print(f'arr 的元素类型{arr.dtype}')
print(f'arr的元素个数{arr.size}')
print(f'arr 每个元素大小{arr.itemsize}')

2.创建Numpy对象

2.1 数组的方式创建

# 数组的元素类型要统一# 1. 数组方式创建 ndarray 对象  arr1 = np.array([1,2,3])
print(f'arr的内容{arr1}')
print(f'arr的类型:{type(arr1)}')
print(f'arr的元素类型{arr1.dtype}')# 2. 数组方式创建 ndarray 对象  arr2 = np.array([1.1,2.3,3])
print(f'arr的内容{arr2}')
print(f'arr的类型:{type(arr2)}')
print(f'arr的元素类型{arr2.dtype}')

2.2创建空的ndarray对象,函数:zeros(),ones(),empty()

# 1. 演示zeros()函数arr3 =  np.zeros((3,5)) #  维度 三行五列
print(f'arr的内容{arr3}')
print(f'arr的类型:{type(arr3)}')
print(f'arr的元素类型{arr3.dtype}')# 2.演示 ones()函数 创建一个 全是 1  的 ndarray 对象arr4 = np.ones((3,5))
print(f'arr的内容{arr4}')
print(f'arr的类型:{type(arr4)}')
print(f'arr的元素类型{arr4.dtype}')# 3.演示 empty() 函数 创建 1 个 内容随机 且依赖内存状态的 ndarray  对象arr5 = np.empty((3,5))
print(f'arr的内容{arr5}')
print(f'arr的类型:{type(arr5)}')
print(f'arr的元素类型{arr5.dtype}')

2.3 创建一个 指定范围 步长 的 ndarray 对象.函数arange()

# 1.创建一个 指定范围 步长 的 ndarray 对象.函数arange()# 参1 起始值(start) 参2 结束值(stop) 参3 步长(step) 参4 数据类型 (dtype)arr6  = np.arange(0,10,2, np.int64)
print(f'arr的内容{arr6}')
print(f'arr的类型:{type(arr6)}')
print(f'arr的元素类型{arr6.dtype}')

2.4 创建一个二维矩阵

# mat() = matrix() 效果一致# 1. 创建2维矩阵arr7 = np.mat('1 2 3;4 5 6')
print(f'arr的内容{arr7}')
print(f'arr的类型:{type(arr7)}')
print(f'arr的元素类型{arr7.dtype}')# 2.创建2维矩阵 有逗号arr8 = np.mat('1,2,3;4,5,6')
print(f'arr的内容{arr8}')
print(f'arr的类型:{type(arr8)}')
print(f'arr的元素类型{arr8.dtype}')# 2.创建2维矩阵 []arr9 = np.mat('[1,2,3];[4,5,6]')
print(f'arr的内容{arr9}')
print(f'arr的类型:{type(arr9)}')
print(f'arr的元素类型{arr9.dtype}')

2.5 创建随机的ndarray对象, 函数 : randon.rand() random.randint() random.uniform()

# 1. random.rand() 函数 创建 0.0 ~ 1.0 区间的随机数arr10 = np.random.rand(3,5)
print(f'arr的内容{arr10}')
print(f'arr的类型:{type(arr10)}')
print(f'arr的元素类型{arr10.dtype}')# 2. random.randint() 函数 可以指定范围,生成 整数的随机数arr11 = np.random.randint(1,10,size = (3,5))
print(f'arr的内容{arr11}')
print(f'arr的类型:{type(arr11)}')
print(f'arr的元素类型{arr11.dtype}')# 3. random.uniform() 函数 可以指定范围,生成 小数的随机数arr12 = np.random.uniform(1,10,size = (3,5))
print(f'arr的内容{arr12}')
print(f'arr的类型:{type(arr12)}')
print(f'arr的元素类型{arr12.dtype}')

2.6 演示ndarray 的类型转换 元素类型为 astype()

# 1.创建一个 ndarray 对象 元素类型为float64arr13 =  np.zeros((3,5)) #  维度 三行五列
print(f'arr的类型:{type(arr13)}')
print(f'arr的元素类型{arr13.dtype}')# 2.把arr13 变成int类型 arr14 =  arr13.astype(int) #  维度 三行五列
print(f'arr的类型:{type(arr14)}')
print(f'arr的元素类型{arr14.dtype}')## 等比和等差数列# 1.logspace()等比数列 默认是 10 的 幂arr15 = np.logspace(1,3,5)  # 生成10 ^ 1 ~ 10 ^ 3 之间 5个元素
print(f'arr的内容{arr15}')
print(f'arr的类型:{type(arr15)}')
print(f'arr的元素类型{arr15.dtype}')# 2.logspace()等比数列 默认是 10 的 幂arr15 = np.logspace(1,3,5,base = 2)  # 生成2 ^ 1 ~ 2 ^ 3 之间 5个元素
print(f'arr的内容{arr15}')
print(f'arr的类型:{type(arr15)}')
print(f'arr的元素类型{arr15.dtype}')# 3. linspace()等差数列 默认包左包右arr16 = np.linspace(1,10,5)  # 
print(f'arr的内容{arr16}')
print(f'arr的类型:{type(arr16)}')
print(f'arr的元素类型{arr16.dtype}')# 3. linspace()等差数列 默认包左包右 endpoint 默认是True 包括结束值arr16 = np.linspace(1,10,5,endpoint=False)  # 
print(f'arr的内容{arr16}')
print(f'arr的类型:{type(arr16)}')
print(f'arr的元素类型{arr16.dtype}')

3. numpy 函数

# 1.创建一个正态分布的 ndarray 对象arr = np.random.randn(2,3)
arr# 2.演示基本函数print(np.ceil(arr)) # 向上取整 天花板数
print(np.floor(arr)) # 向下取整 地板数
print(np.rint(arr)) # 四舍五入
print(np.isnan(arr)) # 判断是否为空值
print(np.abs(arr)) # 绝对值
print(np.multiply(arr,arr)) # 乘法运算 矩阵对应位置相乘
print(np.divide(arr,arr)) # 除法运算
print(np.where(arr > 0 , 1, -1)) # 大于0 的变为1 否则变为 -1

3.2 统计函数

# 1. 创建一个 ndarray对象arr = np.arange(12).reshape(3,4)
arr# 2. 统计函数print(np.sum(arr))
print(np.cumsum(arr)) # 累加和
print(np.mean(arr)) # 平均值
print(np.std(arr)) # 标准差
print(np.var(arr)) # 方差
print(np.argmax(arr)) # 最大值下标
print(np.argmin(arr)) # 最小值下标# 3. 按行或者列进行求和 axis = 0 或者 1    0 代表 按 列 计算 1 按 行 计算print(np.sum(arr , axis=0))
print(np.sum(arr , axis=1))

3.3 判断相关

## 1. 创建一个 ndarray对象arr = np.random.randn(2,3)
arr# 2. 演示 any() 函数 满足 1个值即可 类似于or 返回布尔值print(np.any(arr > 0))  
print(np.any(arr > 10))  # 3. 演示 all() 函数 要求所有的值都满足 类似于and 返回布尔值print(np.all(arr > 0))

3.4 去重相关

# 1. 创建 一个 ndarray 对象arr = np.array([[1,2,3,4],[2,3,4,7]])
arr# 2. 对上述的 ndarray 去重print(np.unique(arr))

3.5 排序相关

# 1. 创建一个 ndarray 对象arr = np.array([3,1,2,5,6])
print(arr)# 2. 排序 方式1 np.sort(arr) 返回一个新的 ndarray 对象new_arr = np.sort(arr)
print(arr)
print(new_arr)# 3. 排序 方式2 arr.sort() 对自身进行排序arr.sort()
print(f'排序后{arr}')

4 numpy 的运算

4.1 基本运算

# 1. 创建2个 ndarry对象arr1 = np.array([10,20,30,40])
arr2 = np.arange(4)
print(arr1) 
print(arr2)# 2. 基本运算arr3 = arr1 - arr2
print(arr3)

4.2矩阵运算

# 1.创建2个ndarray对象arr1 = np.array([[1,2,3],[4,5,6]])
arr2 = np.array([[1,2,3],[4,5,6]])
print(arr1)
print(arr2)# 2.矩阵运算 场景1 A B 的 行列数一致arr3 = arr1 * arr2
print(arr3)
arr4 =np.multiply(arr1,arr2)
print(arr4)# 2.矩阵运算 场景1 A的列数 = B 的行数 且 A的列数 != B的列数arr1 = np.array([[1,2,3],[4,5,6]])
arr2 = np.array([[1,2],[3,4],[1,4]])
print(arr1)
print(arr2)# 3.矩阵运算print(np.dot(arr1,arr2))
print(arr1.dot(arr2))