NumPy基础练习（练一遍搞定NumPy）

import numpy as npimport pandas as pdfrom numpy import randomfrom numpy.random import randn#######生成矩阵################# #将列表放入Numpy数组# data=[2,3,4,5]# arr=np.array(data)# print(arr)# #创建二维矩阵# data=[[1,2,3],[7,8,9]]# arr=np.array(data)# print(arr)# #输出arr的数据类型# data=[2,3,4,5]# arr=np.array(data)# print(arr.dtype)#打印输出8*4的二维矩阵# a=np.empty([8,4])# print(a)# #输出2*3*2的三维矩阵# arr=np.empty([2,3,2])# print(arr)# #输出2*4的矩阵# a=np.empty([2,4])# for i in range(2):#     a[i]=i# print(a)# #输出两个2*4的矩阵# a=np.empty([2,4])# for i in range(2):#     a[i]=i#     print(a)# #二维矩阵# a=[[2,1,4,6]]# print(a)# #输出2*2的矩阵，指定数据类型# arr=np.array([2,2],dtype='int32')# print(arr)# #表示在【0-31】这32个数字中分成8行4列# arr=np.arange(32).reshape((8,4))# print(arr)# #输出 0-9# print(np.arange(10))# #在1和2之间（包括1和2）分成等值的3份输出，结果：[ 1.   1.5  2. ]# print(np.linspace(1,2,3))# #输出行列都为9的单位矩阵# print(np.eye(9))# #输出全为0的一维矩阵# print(np.zeros([3]))# #输出均为0的4维矩阵，参数分别为维度，即第一，二，三，四维# print(np.zeros([2,2,2,2]))# #分别输出1.0，1.5，2.0# for x in np.linspace(1,2,3):#     print(x)# #输出2*4的二维矩阵# print(np.random.rand(2,4))##2*2的矩阵# a=np.random.rand(4).reshape(2,2)# print(a)# #输出1-10之间随机的4个整数# print(np.random.randint(1,10,4))# ################索引和切片########### #输出1，2# arr=np.arange(10)# print(arr[1:3])# #将第5个到第7个改为12# arr=np.arange(10)# arr[5:8]=12# print(arr)# #将第5个数之后全都改成10# arr=np.arange(10)# arr[5:]=10# print(arr)# #将arr切分成二维矩阵看，将arr[6]改成1514# arr=np.arange(10)# a=arr[5:8]# a[1]=1514# print(arr)# #想一下这个是什么意思呢# arr=np.arange(10)# a=arr[5:8]# a[:]=1514# print(arr)#copy和'='的区别# arr=np.arange(10)# print("arr:",arr)# b=arr.copy()# print("b.copy:",b)# b[2]=100# print("after change:",b)# print("arr:",arr)# arr=np.arange(10)# print("arr:",arr)# c=arr# print("copy",c)# c[2]=100# print("after copy",c)# print("arr:",arr)#copy是复制一份，而'='是视图#[,]和[][]是相同的# arr=np.array([[1,2,3],[4,5,6]])# print(arr[1,1])# print(arr[1][1])#axis 0 1#0表示从行看，1表示从列看#二维切片索引# #输出第1行# arr=np.arange(1,10).reshape(3,3)# print(arr[:1])# #输出2，3行# arr=np.arange(1,10).reshape(3,3)# print(arr[1:])# #输出第一行第一个# arr=np.arange(1,10).reshape(3,3)# print(arr[:1,:1])# #输出所有行和2，3列# arr=np.arange(1,10).reshape(3,3)# print(arr[:,1:])#规律：[:]指全部二维矩阵 [:2]指[0,2)的行# print(np.zeros([3,3]))# print(np.zeros([10]).max())# print(np.empty([2,3,2],dtype='int32').max())# print(np.arange(9).reshape(3,3)[:2,1:])# a=np.arange(12).reshape([3,4])# a=np.reshape(a,[4,3])# print(a)#############转置#############转置，相乘# t=np.arange(9).reshape([3,3]).T# t1=np.arange(1,10,1).reshape([3,3])# print(t.dot(t1))#乘# lst1=np.array([1,2,3,4])# lst2=np.array([10,20,30,40])# print(lst1.reshape([2,2]))# print(np.dot(lst1,lst2))#这两个有什么区别？# b=np.random.random([1*2])#[ 0.6778996   0.29006868]# print(b)# b=np.random.random([1]*2)#[[ 0.09265586]]# print(b)##reshape中的参数是维度# ar=np.arange(16).reshape([2,2,4])# print(ar)# c=np.arange(16).reshape([2,2,4])#三维矩阵转置# c=np.arange(16).reshape([2,2,4])# d=np.transpose(c,[1,0,2])# e=c.T# print(d)# print(e)# #矩阵横向合并# a1 = np.array([[1,2],[3,4]])# a2 = np.array([[5,6],[7,8]])# print(np.hstack([a1,a2]))# #矩阵纵向合并# a1 = np.array([[1,2],[3,4]])# a2 = np.array([[5,6],[7,8]])# print(np.vstack([a1,a2]))############函数############ #取指数函数# print(np.exp([3,1]))# #接受两个一维数组，产生两个二维矩阵# points=np.arange(-5,5,1)# xs,ys=np.meshgrid(points,points)# print(xs)# print(ys)# ##where过滤条件# #将正态分布a中元素大于0的改成1，小于0的改成-1# a=randn(9).reshape([3,3])# print(a)# print(np.where(a>0,1,-1))#文件保存# arr=np.arange(10)# np.save('abc',arr)# print(np.load('abc.npy'))# a=np.arange(1,10).reshape([3,3])#转置和逆# a=np.arange(10)# b=a.T# b=np.invert(a)#矩阵的逆# #行相加，第二个等于第一个加第二个，依次类推# a=np.array([[1,2,3],[4,5,6],[7,8,9]])# print(a.cumsum(0))# #列相加，第二个等于第一个加第二个，依次类推# a=np.array([[1,2,3],[4,5,6],[7,8,9]])# print(a.cumsum(0))# #行累积# a=np.array([[1,2,3],[4,5,6],[7,8,9]])# print(a.cumprod(0))# #列累积# a=np.array([[1,2,3],[4,5,6],[7,8,9]])# print(a.cumprod(1))##按行排序，从左到右依次增大# arr=randn(5,3)# arr.sort(1)# print(arr)#随机漫步# nsteps=1000# draws=np.random.randint(0,2,size=nsteps)# steps=np.where(draws>0,1,-1)# walk=steps.cumsum()# print(walk)#-----------------------------------------------------------

下面是一些函数：