001.python科学计算库numpy(上)

我会带着你远行 2021-10-06 15:16 362阅读 0赞

### 测试数据 [world\_alcohol.txt][world_alcohol.txt] ###

--------------------

### genfromtxt ###

*  **从文本文件加载数据，并按指定的方式处理缺失值。**

import numpy # genfromtxt 从文本文件加载数据，并按指定的方式处理缺失值。 # delimiter 用来分隔值的字符串。 # 默认情况下，任何连续的空格都充当分隔符。 # 一个整数或整数序列也可以作为每个字段的宽度提供 # dtype 结果数组的可选数据类型。默认情况下dtype=float。 # encoding 用于解码inputfile的编码。 # 当' fname '是文件对象时不适用。 # 特殊的值'bytes'支持向后兼容的变通方法，确保在可能的情况下接收字节数组， # 并将latin1编码的字符串传递给转换器。重写此值以接收unicode数组并将字符串作为输入传递给转换器。 # 如果设置为None，则使用系统默认值。默认值是'bytes'。 world_alcohol = numpy.genfromtxt("world_alcohol.txt", delimiter='——', dtype=str, encoding='utf8') print(type(world_alcohol)) print(world_alcohol)

![这里写图片描述][70]![这里写图片描述][70 1]

--------------------

### array ###

*  **创建一个数组。**

import numpy vector = numpy.array([5, 10, 15, 20]) matrix = numpy.array([[5, 10, 15], [20, 25, 30], [35, 40, 45]]) print(vector) print(matrix)

![这里写图片描述][70 2]

--------------------

### shape ###

*  **数组维数的元组**

import numpy vector = numpy.array([5, 10, 15, 20]) print(vector.shape) matrix = numpy.array([[5, 10, 15], [20, 25, 30]]) print(matrix.shape)

![pycharm64_2018-09-13_14-20-10.png][]

--------------------

### dtype ###

import numpy # NumPy数组中的每个值都必须具有相同的数据类型 # NumPy在读取数据或将列表转换为数组时，将自动找出适当的数据类型 # 可以使用dtype属性检查NumPy数组的数据类型 numbers = numpy.array([1, 2, 3, 4]) print(numbers.dtype)

![pycharm64_2018-09-13_14-24-41.png][]

--------------------

### nan ###

import numpy # 当NumPy不能将一个值转换为浮点数或整数之类的数字数据类型时，它使用了一个特殊的nan值，表示的不是数字 # nan是缺失的数据 world_alcohol = numpy.genfromtxt("world_alcohol.txt", delimiter='——', dtype=float, encoding='utf8') print(type(world_alcohol)) print(world_alcohol)

![pycharm64_2018-09-13_14-29-05.png][]

--------------------

### 切片 ###

import numpy # 数组切片 vector = numpy.array([5, 10, 15, 20]) # 第0个到第2个 print(vector[0:3]) print('---') matrix = numpy.array([ [5, 10, 15], [20, 25, 30], [35, 40, 45] ]) # 所有行的第1列 print(matrix[:, 1]) print('---') # 所有行的 第0列到第1列 print(matrix[:, 0:2]) print('---') # 第1行到第2行的，第0列到第1列 print(matrix[1:3, 0:2])

![pycharm64_2018-09-13_14-43-31.png][]

--------------------

### 数组赋值判断、切片赋值判断 ###

import numpy # 它会将第二个值与向量中的每个元素进行比较 # 如果值相等，Python解释器返回True;否则，返回False vector = numpy.array([5, 10, 15, 20]) print(vector == 10) print("---1") matrix = numpy.array([[5, 10, 15], [20, 25, 30], [35, 40, 45] ]) print(matrix == 25) print("---2") # 将vector与值10进行比较，值10生成一个新的布尔向量[False、True、False、True]。它将这个结果赋给equal_to_ten vector = numpy.array([5, 10, 15, 10]) equal_to_ten = (vector == 10) print(equal_to_ten) print("---3") # 读取布尔数组为True对应的索引数据 print(vector[equal_to_ten]) print("---4") matrix = numpy.array([[5, 10, 15], [20, 25, 30], [35, 40, 45] ]) # matrix 所有行的第1列是否等于25 [False True False] second_column_25 = (matrix[:, 1] == 25) print(second_column_25) print("---5") # 读取布尔数组为True对应的索引数据(第二个元素为True，所以打印了第二个元素的数据) print(matrix[second_column_25, :]) print("---6") # 我们还可以对多个条件进行比较 vector = numpy.array([5, 10, 15, 20]) equal_to_ten_and_five = (vector == 10) & (vector == 5) print(equal_to_ten_and_five) print("---7") vector = numpy.array([5, 10, 15, 20]) equal_to_ten_or_five = (vector == 10) | (vector == 5) print(equal_to_ten_or_five) print("---8") vector[equal_to_ten_or_five] = 50 print(vector) print("---9") matrix = numpy.array([ [5, 10, 15], [20, 25, 30], [35, 40, 45] ]) second_column_25 = matrix[:, 1] == 25 print(second_column_25) print("---10") # 将布尔数组中为True的元素，中的第0个元素赋值为10 matrix[second_column_25, 0] = 10 print(matrix)

![pycharm64_2018-09-13_15-19-57.png][]

--------------------

### astype ###

import numpy vector = numpy.array(["1", "2", "3"]) print(vector.dtype) print(vector) print('---') vector = vector.astype(float) print(vector.dtype) print(vector)

![pycharm64_2018-09-13_15-24-12.png][]

--------------------

### sum ###

*  **返回给定轴上数组元素的和**

import numpy vector = numpy.array([5, 10, 15, 20]) print(vector.sum()) matrix = numpy.array([[1, 2], [3, 4]]) # 返回给定轴上数组元素的和 print(matrix.sum()) print("---1") matrix = numpy.array([ [5, 10, 15], [20, 25, 30], [35, 40, 45] ]) # 计算1轴所有元素的和 print(matrix.shape) print(matrix.sum(axis=1)) print("---2") # 计算0轴所有元素的和 print(matrix.shape) print(matrix.sum(axis=0)) print("---3") matrix = numpy.array([ [[1, 2, 3], [4, 5, 6]], [[11, 22, 33], [44, 55, 66]] ]) print("----") print(matrix.shape) print(matrix.sum()) print("---4") # 原始shape为(2,2,3),返回0轴的总和，结果是的shape是：(2,3) # 可理解为选中第0层的[]，把里面的所有元素(2个(2,3)二维数组)相加， # 所有的元素相加得到(2,3)二维数组，已无最外层，结果为(2,3) print(matrix.shape) print(matrix.sum(axis=0)) print("---5") # 原始shape为(2,2,3),返回1轴的总和，结果是的shape是：(2,3) # 可理解为选中第1层的[]，把里面的所有元素(2个(1,3)一维数组)相加， # 所有的元素相加得到(1,3)一维数组，最外层为2，结果为(2,3) print(matrix.shape) print(matrix.sum(axis=1)) print("---6") # 原始shape为(2,2,3),返回2轴的总和，结果是的shape是：(2,2) # 可理解为选中第2层的[]，把里面的所有元素(数字)相加， # 所有的元素相加得到数字，，最外层为(2,2)，结果为(2,2) print(matrix.shape) print(matrix.sum(axis=2))

![pycharm64_2018-09-13_16-06-50.png][]

--------------------

[world_alcohol.txt]: http://upyun.qubianzhong.cn/file/python_numpy/world_alcohol.txt
[70]: https://img-blog.csdn.net/2018091310394891?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F3ZGFmZWR2/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[70 1]: /images/20211006/805ec2a5cf8a436493a858c65fe6fe54.png
[70 2]: /images/20211006/ad3504c3de4740a6a74fc7e20a8d8cf9.png
[pycharm64_2018-09-13_14-20-10.png]: http://upyun.qubianzhong.cn/picture/pycharm64_2018-09-13_14-20-10.png
[pycharm64_2018-09-13_14-24-41.png]: http://upyun.qubianzhong.cn/picture/pycharm64_2018-09-13_14-24-41.png
[pycharm64_2018-09-13_14-29-05.png]: http://upyun.qubianzhong.cn/picture/pycharm64_2018-09-13_14-29-05.png
[pycharm64_2018-09-13_14-43-31.png]: http://upyun.qubianzhong.cn/picture/pycharm64_2018-09-13_14-43-31.png
[pycharm64_2018-09-13_15-19-57.png]: http://upyun.qubianzhong.cn/picture/pycharm64_2018-09-13_15-19-57.png
[pycharm64_2018-09-13_15-24-12.png]: http://upyun.qubianzhong.cn/picture/pycharm64_2018-09-13_15-24-12.png
[pycharm64_2018-09-13_16-06-50.png]: http://upyun.qubianzhong.cn/picture/pycharm64_2018-09-13_16-06-50.png