python大数据numpy期末复习
目录
python大数据numpy期末复习
一、需要安装使用的包
二、numpy初使用
1.数组的创建：np.array()
2. 数组元素获取:
1.数组名[行数-1，列数-1]
2.提取数组元素
3.数组信息提取
4.多数组操作
5.常用数学和统计函数
常用数学函数：
常用统计函数：
6.排序输出
7.排序输出
一、需要安装使用的包
imput numpy as np
二、numpy初使用
1.数组的创建：np.array()
arr1 = np.array([1,2,56,78,465,54])
print(f'单个列表创建一维数组输出：\n{arr1}')
arr2 = np.array(((1,2,3),(4,5,6),(7,8,9)))
print(f'嵌套元组创建二维数组:\n{arr2}')
2. 数组元素获取:
1.数组名[行数-1，列数-1]
arr2 = np.array(((1,2,3),(4,5,6),(7,8,9)))
print(f'嵌套元组创建二维数组:\n{arr2}')
print(f'数组第二行第三列元素为：{arr2[1,2]}')
2.提取数组元素
切片输出：【起始位置：终止位置：步长】
arr2 = np.array(((1,2,3),(4,5,6),(7,8,9)))
print(f'嵌套元组创建二维数组:\n{arr2}')
print(f'数组第二行元素为：{arr2[1,:]}')
print(f'数组第三列元素为：{arr2[:,2]}')
print(f'输出1-3行，1-3列\n{arr2[0:2,0:2]}')
3.数组信息提取
输出数组维数：数组名.ndim
输出数组行列数：数组名.shape
数组的总元素：数组名.size
arr2 = np.array(((1,2,3),(4,5,6),(7,8,9)))
print(f'嵌套元组创建二维数组:\n{arr2}')
print(f'维数为{arr2.ndim}')#输出数字维数
print(f'矩阵行列数为{arr2.shape}')#输出矩阵行列数
print(f'矩阵一共有{arr2.size}个元素')#输出元素个数
print(f'数组arr2形状改为1列\n{arr2.reshape(arr2.size,1)}')#形状1列
4.多数组操作
横向堆叠：np.hstack([数组1，数组2])
纵向堆叠：np.vstack([数组1，数组2])
基本运算：加减乘除（+-*/），案例中只显示加减，乘除相同用法
arr2 = np.array(((1,2,3),(4,5,6),(7,8,9)))
arr3 = np.array(((11,22,33),(44,55,66),(77,88,99)))
print(f'矩阵x为\n{arr2}矩阵y为\n{arr3}')
print(f'两矩阵纵向堆叠\n{np.vstack([arr2,arr3])}')#xy矩阵纵向堆叠
print(f'两矩阵横向堆叠\n{np.hstack([arr2,arr3])}')#xy矩阵横向堆叠
add = arr3+arr2
jian = arr3-arr2
print(f'两数组相加\n{add}\n两数组相减\n{jian}')
5.常用数学和统计函数
arr2 = np.array(((1,2,3),(4,5,6),(7,8,9)))
arr3 = np.array(((11,22,33),(44,55,66),(77,88,99)))
print(f'矩阵x为\n{arr2}矩阵y为\n{arr3}')
print(f'arr2垂直方向最小值{np.min(arr2,axis=0)}\n最大值{np.max(arr2,axis=0)}\n标准差'
f'{np.std(arr2,axis=0)}\n方差{np.var(arr2,axis=0)}\n')
print(f'arr3垂直方向最小值{np.min(arr3,axis=0)}\n最大值{np.max(arr3,axis=0)}\n标准差'
f'{np.std(arr3,axis=0)}\n方差{np.var(arr3,axis=0)}')
print(f'arr2水平方向最小值{np.min(arr2,axis=1)}\n最大值{np.max(arr2,axis=1)}\n标准差'
f'{np.std(arr2,axis=1)}\n方差{np.var(arr2,axis=1)}\n')
print(f'arr3水平方向最小值{np.min(arr3,axis=1)}\n最大值{np.max(arr3,axis=1)}\n标准差'
f'{np.std(arr3,axis=1)}\n方差{np.var(arr3,axis=1)}')
常用数学函数：
np.pi 常数Π
np.e 常数e
np.fabs(arr) 计算各元素的浮点型绝对值
np.ceil(arr) 对各元素向上取整
np.floor(arr) 对各元素向下取整
np.round(arr) 对各元素四舍五入
np.fmod(arr1, arr2) 计算 arr1 / arr2 的余数
np.modf(arr) 返回数组元素小数部分和整数部分
np.sqrt(arr) 计算各元素的算术平方根
np.square(arr) 计算各元素的平方根
np.exp(arr) 计算以 e 为底的指数
np.power(arr, α) 计算各元素的指数
np.log2(arr) 计算以 2 为底各元素的对数
np.log10(arr) 计算以 10 为底各元素的对数
np.log(arr) 计算以 e 为底各元素的对数
常用统计函数：
np.min(arr, axis) 按照轴的方向计算最小值
np.max(arr, axis) 按照轴的方向计算最大值
np.mean(arr, axis) 按照轴的方向计算均值
np.median(arr, axis) 按照轴的方向计算中位数
np.sum(arr, axis) 按照轴的方向计算和
np.std(arr, axis) 按照轴的方向计算标准差
np.var(arr, axis) 按照轴的方向计算方差
np.cumsum(arr, axis) 按照轴的方向计算累计和
np.cumprod(arr, axis) 按照轴的方向计算累计乘积
np.argmin(arr, axis) 按照轴的方向计算最小值所在的位置
np.argmax(arr, axis) 按照轴的方向计算最大值所在的位置
np.corrcoef(arr) 计算皮尔逊相关系数
np.cov(arr) 计算协方差矩阵
6.排序输出
np.sort(数组名，axis=_)
arr2 = np.array(((1,2,3),(4,5,6),(7,8,9)))
print(f'矩阵x为\n{arr2}')
print(f'对X进行正排序输出\n{np.sort(arr2, axis=-1)}')
#逆排序输出
print(f'对X进行逆排序输出\n{(np.sort(arr2*-1, axis=-1))*-1}')7.排序输出
c=np.linalg.solve(等号左边的系数，等号右边的结果)#求 3x+4y=10 ; 5x-7y=3的解
a=np.array([[3,4],[5,-7]])
b=np.array([10,3])
c=np.linalg.solve(a,b)
print(f'方程组的解为{c}')
