怎么做外汇返佣的网站如何提高百度搜索排名

目录

什么是NumPy

NumPy使用

1.数组的创建

2.类型转换

3.赠删改查

4.数组运算

5.矩阵运算

---

什么是NumPy

1.NumPy操作的是多维数组，什么是纬度？

NumPy使用

1. 安装

pip install numpy

import numpy as np

2.官网：

中文官网：numpy.org.cn

1.数组的创建

1.创建一个一维数组：array

import numpy as np#创建一个一维数组
d1=np.array([1,2,3,4,5])
print(d1)
#查看size
print(d1.size)
#查看type
print(type(d1))
#查看数据维度
print(d1.ndim)

out:

[1 2 3 4 5]
5
<class 'numpy.ndarray'>
1

2.创建一个二维数组:arnge

#创建一个二维数组
d2=np.arange(15)
print(d2)
#增加行，列维度
d2=d2.reshape(3,5)
print(d2)

out:

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]]

3.创建全为0或1的数组

# 创建全为0的数组
d3 = np.zeros(15)
d3 = d3.reshape(3, 5)
print(d3)d4 = np.ones(15)
d4 = d4.reshape(3, 5)
print(d4)

out

[[0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0.]]
[[1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]]

4.empty,创建新数组，只分配内存空间，不填充任何值

d5 = np.empty(([1,2,3]))
print(d5)

2.类型转换

numpy会自动根据传入类型设置数据类型

1. 数组转np数组

# 数组转为np数组
data = [[1, 2, 3, 4], [5, 6, 7, 8]]
print(type(data))
d1 = np.array(data)
print(d1)
print(type(d1))

out:

<class 'list'>
[[1 2 3 4]
 [5 6 7 8]]
<class 'numpy.ndarray'>

2.dtype识别数据类型

d4 = np.ones(15)
d4 = d4.reshape(3, 5)
print(d4.dtype)

out:float64

3.创建时指定数据类型

d4 = np.arange(15,dtype=np.float64)
d4 = d4.reshape(3, 5)
print(d4)print(d4.dtype)

4.对ndarray进行数据类型转换，astype

data4.astype(np.float64)

3.赠删改查

1.索引

#一维数组索引获取数据
d1=np.arange(15)
print(d1)
print("获取第一个：",d1[0])
print("获取最后一个：",d1[-1])#二维数组
d2=np.arange(15).reshape(3,5)
print(d2)
print("获取第一行第一列，方法1：",d2[0,0])
print("获取第一行第一列，方法2：",d2[0][0])
print("获取倒数第一行第一列，方法1：",d2[-1,-1])
print("获取倒数第一行第一列，方法2：",d2[-1][-1])#三维数组
d2=np.arange(30).reshape(3,5,2)
print(d2)
print("获取第一行第一列第一个，方法1：",d2[0,0,0])
print("获取第一行第一列第一个，方法2：",d2[0][0][0])
print("获取倒数第一行第一列第一个，方法1：",d2[-1,-1,-1])
print("获取倒数第一行第一列第一个，方法2：",d2[-1][-1][-1])

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]
获取第一个： 0
获取最后一个： 14
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]]
获取第一行第一列，方法1： 0
获取第一行第一列，方法2： 0
获取倒数第一行第一列，方法1： 14
获取倒数第一行第一列，方法2： 14
[[[ 0  1]
  [ 2  3]
  [ 4  5]
  [ 6  7]
  [ 8  9]]

 [[10 11]
  [12 13]
  [14 15]
  [16 17]
  [18 19]]

 [[20 21]
  [22 23]
  [24 25]
  [26 27]
  [28 29]]]
获取第一行第一列第一个，方法1： 0
获取第一行第一列第一个，方法2： 0
获取倒数第一行第一列第一个，方法1： 29
获取倒数第一行第一列第一个，方法2： 29

2.索引

#一维数组切片
d1=np.arange(15)
print("===",d1[0:3]) #截取包含起始下标到不包含结尾的数据
print("===",d1[:-1]) #截取全部#二维数组切片
d2=np.arange(15).reshape(3,5)
print("===",d2[0:1,:]) #行参数，列参数
print("===",d2[:,3:4]) #获取全部行，中3列的数据#三维数组
d3=np.arange(30).reshape(3,5,2)
print("===",d3)
print("===",d3[0:1,2:,:]) #行参数，列参数，三维参数#根据索引获取数据
#一维数组
print("===",d1[np.array([0,2,4])])print("===",d2[np.array([0,2]),np.array([1,2])])

=== [0 1 2]
=== [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13]
=== [[0 1 2 3 4]]
=== [[ 3]
 [ 8]
 [13]]
=== [[[ 0  1]
  [ 2  3]
  [ 4  5]
  [ 6  7]
  [ 8  9]]

 [[10 11]
  [12 13]
  [14 15]
  [16 17]
  [18 19]]

 [[20 21]
  [22 23]
  [24 25]
  [26 27]
  [28 29]]]
=== [[[4 5]
  [6 7]
  [8 9]]]
=== [0 2 4]
=== [ 1 12]

4.数组运算

1. 算数运算

import numpy as np#算数运算
a= np.random.random(10000)*10
b= np.random.random(10000)*10
#加法
print("加法：",np.add(a,b))
print("减法：",np.subtract(a,b))
print("除法：",np.divide(a,b))
print("乘法：",np.multiply(a,b))

加法： [13.06866571  6.26206256  7.44861655 ... 12.38302847 13.97542329
 11.69602862]
减法： [-1.04377832  4.84747125  2.0907946  ... -5.08931599 -0.78999914
  7.99437207]
除法： [0.85207689 7.85352893 1.78046438 ... 0.41744326 0.89299336 5.31934836]
乘法： [42.42513755  3.92886251 12.77761661 ... 31.85956422 48.67208937
 18.22177516]

2.数学函数

如：sin， 更多函数请看官方文档

#数学三角函数
ang=np.array([0,30,45,60,90,120,135,150,180])
rad=np.sin(ang*np.pi/180)
print(rad)

[0.00000000e+00 5.00000000e-01 7.07106781e-01 8.66025404e-01
 1.00000000e+00 8.66025404e-01 7.07106781e-01 5.00000000e-01
 1.22464680e-16]

3.统计函数

# 统计函数
d2 = np.array([1, 2, 3, 4, 5])
print("平均值mean：", np.mean(d2))
print("平均值average：", np.average(d2))
print("平均值，加权：", np.average(d2, weights=np.array([2, 2, 1, 1, 1])))
print("中位数median：", np.median(d2))
# 中位数，如未偶数，则取中间2个值进行除以2
print("中位数median,偶数：", np.median([1, 2, 3, 4, 5, 6]))
#方差 求每个数的离散值
print("方差，,var：", np.var(d2))
print("标准差,std：", np.std(d2))

平均值mean： 3.0
平均值average： 3.0
平均值，加权： 2.5714285714285716
中位数median： 3.0
中位数median,偶数： 3.5
方差，求每个数的离散值,var： 2.0
标准差,std： 1.4142135623730951
 

4.聚合运算

sum与np.sum性能对比，np.sum函数比内置统计函数快了10倍

#聚合运算
a = np.array([1, 2, 3, 4, 5])
print("内置统计函数sum：",sum(a))
print("numpay统计函数:sum：",np.sum(a))
print("累计乘prod：",np.prod(a))
print("最大值max：",np.max(a))
print("最小值min：",np.min(a))

内置统计函数sum： 15
numpay统计函数:sum： 15
累计乘prod： 120
最大值max： 5
最小值min： 1

5.筛选排序：

# 筛选、排序
a = np.array([1, 2, 3, 4, 5, 6])
# 筛选函数，注意返回的是下标
print("筛选：", np.where(a > 3))
print("排序，升序：", np.sort(a))

筛选： (array([3, 4, 5], dtype=int64),)
排序： [1 2 3 4 5 6]

5.矩阵运算

1.什么是矩阵，

• 按照长方阵列（m行*n列）排列的数值集合
• 
• dot使用

a = np.arange(15).reshape(3, 5)
b = np.arange(15, 30).reshape(3, 5)
print("a:",a)
print("b:",b)
# 转置
a = a.T
print("a转置后",a)
print(np.dot(a, b))

a: [[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]]
b: [[15 16 17 18 19]
 [20 21 22 23 24]
 [25 26 27 28 29]]
a转置后 [[ 0  5 10]
 [ 1  6 11]
 [ 2  7 12]
 [ 3  8 13]
 [ 4  9 14]]
[[350 365 380 395 410]
 [410 428 446 464 482]
 [470 491 512 533 554]
 [530 554 578 602 626]
 [590 617 644 671 698]]