一、生成矩形操作
1）numpy获取的数据是以 “，” 为分割的数据结构，来生成矩阵
注意：skip_header=1 去掉行首，即说明行
,Cao jin,,,python,--
,张二毛,,,IT,--
,三,,,python,--
,张大三,,,python,--
,二毛,,,运维,--
1.txt
import numpy
a = numpy.genfromtxt("1.txt",encoding='utf-8',delimiter=",",dtype=str)
print(type(a)) # 查看类型
print(a) # 查看获取到的文档
print(help(numpy.genfromtxt)) # 查看该函数的帮助
获取数据.py
获得的结果
<class 'numpy.ndarray'>
[['' 'Cao jin' '' '' 'python' '2015-11-01']
['' '张二毛' '' '' 'IT' '2013-11-01']
['' '三' '' '' 'python' '2015-11-01']
['' '张大三' '' '' 'python' '2015-11-01']
['' '二毛' '' '' '运维' '2013-11-01']]
2）单独取值的操作
import numpy
a = numpy.genfromtxt("1.txt",encoding='utf-8',delimiter=",",dtype=str,skip_header=) # skip_header= 去掉说明行
print(a)
print(a[,]) # 获取到第二行的，第6个值
2）列表生成矩阵
import numpy
verctor = numpy.array([,,,]) # 矩阵操作
print("==>verctor",verctor)
matrix = numpy.array([[,,],[,,],[,,]]) # 矩阵操作
print("==>matrix",matrix)
==>verctor [ ]
==>matrix [[ ]
[ ]
[ ]]
3）获取到行列数
import numpy
verctor = numpy.array([,,,]) # 特殊的行
print(verctor.shape) # (,)
matrix = numpy.array([[,,],[,,]])
print(matrix.shape) # (, ) 意思是2行，每行3个元素，即2行3列
print(matrix.ndim) # 2行3列，所以2个维度
print(matrix.size) # 个元素
print(matrix.dtype.name) # int32 类型
4）对生成的矩阵数必须统一，如果有一个不是相应的类型，都将发生改变
import numpy
verctor = numpy.array([,,,4.0])
print(verctor)
print(verctor.dtype)
本来大都是int型，只因为传入了一个float行，都变成了float行
[. . . .]
float64
5）矩阵灵活的切片操作
import numpy
vector = numpy.array([,,,])
print(vector[:]) # [ ] # 顾头不顾尾
matrix = numpy.array([[,,],[,,],[,,]])
print(matrix)
print(matrix[:,]) # [ ] 获取到每行的第3个元素，相当与获取到第三列
print(matrix[:,]) #[ ] # 获取到的是这个列表的第1到最后的元素
print(matrix[:,]) #[ ] # 获取到的是这个列表的第0到第1个元素
print(matrix[:,:]) # 获取到每行的前2列元素
二、矩阵的基本操作
1）判断矩阵里面的每一个值
import numpy
vector = numpy.array([,,,])
print(vector == ) # 判断里面的每一个值是否等于10
matrix = numpy.array([[,,],[,,],[,,]])
a = matrix == # 判断里面的每一个值是否等于10
print(a,type(a))
2）根据判断值，来进行获取值的操作
import numpy
vector = numpy.array([,,,])
equal_to_ten = (vector == )
print(equal_to_ten)
print(vector[equal_to_ten]) # 取出值为10的 matrix = numpy.array([[,,],[,,],[,,]])
second_column_25 = (matrix[:,] == ) # 先找到有15的那一行
print(second_column_25)
print(matrix[second_column_25])
a = matrix[second_column_25]
b = (a == ) # 获取到15的值
print(a[b])
3）&符号和 |
import numpy
vector = numpy.array([,,,])
equal_five_and_ten = (vector == ) & (vector == ) # 不可能存在
print(equal_five_and_ten) vector2 = numpy.array([,,,])
equal_five_or_ten = (vector2 == ) | (vector2 == )
print(equal_five_or_ten)
4）更改矩阵的值
import numpy
vector = numpy.array([,,,])
equal_five_or_ten = (vector == ) | (vector == )
vector[equal_five_or_ten] =
print(vector)
5）类型的转换
import numpy
vector = numpy.array(["","",""])
print(vector.dtype)
print(vector)
vector = vector.astype(float)
print(vector.dtype)
print(vector)
vector = vector.astype(int)
print(vector)
print(vector.dtype)
6）取最小值，最大值，每行的和，及每列的和
import numpy
matrix = numpy.array([[,,],[,,],[,,]])
print(matrix)
print(matrix.min())
print(matrix.max())
# 按照行操作axis= ，按照列操作axis=
print(matrix.min(axis=)) # 计算每一行的最小值
print(matrix.sum(axis=)) # 计算每一行的和
print(matrix.sum(axis=)) # 计算每一列的和
7）平分数列
import numpy as np
print(np.arange())
a = np.arange().reshape(,) # 等分成3行5列
print(a)
print(a.shape)
print(a.ndim) # 因为是3行5列，所以维度为2。。
print(a.size) # 计算有多少元素
print(a.dtype.name) # int32 类型
8）初始化数据操作
import numpy as np
a = np.zeros((,)) # 初始化操作，默认元素为0,且为float
print(a) b = np.ones((,,),dtype=np.int32)
print(b) c = np.arange(,,)
print(c) # [ ]
9）.random随机数
import numpy as np
a = np.random.random((,))
print(a)
# [[0.27278308 0.53345672 0.83729457]
# [0.4760841 0.18489101 0.16778119]]
10）在起始值随机取数
import numpy as np
from numpy import pi
a = np.linspace(,*pi,) # 在起始值之间平均的找到这些数
print(a) b = np.sin(np.linspace(,,))
print(b)
11）矩阵之间的加减乘除
import numpy as np
a = np.array([,,,])
b = np.arange()
print(a)
print(b)
c = a - b
print(c)
print(a*b)
c = c -
print(c)
print(b**)
print(a<)
12）矩阵的混合运算
import numpy as np
A = np.array([[,],[,]])
B = np.array([[,],[,]])
print(A)
print(B)
print("****************")
print(A*B)
print("dot dot dot dot")
print(A.dot(B)) # 或 print(np.dot(A,B))
# ==>*+ ==> *+ ===> *+ ===> *+
# [[ ]
# [ ]]
三、矩阵的基本函数
1）e次方计算，根号计算
import numpy as np
B = np.arange()
print(B)
print(np.exp(B)) # 返回的是e的多少次方，e = 2.71828
print(np.sqrt(B)) # 开根号
2）矩阵的复制操作
使用 “=” 复制，完全一样。id也一样。深复制
import numpy as np a = np.arange()
b = a # 在矩阵中，b和a 指向同一个内存地址，犹如创建了一个快捷方式
print(b is a)
print(b)
b.shape = ,
print(a.shape)
print(id(a))
print(id(b))
使用“a.view()” 复制，浅复制，共用数据。在修改数据的时候，相应的都会发生变化
import numpy as np a = np.arange()
c = a.view() # 浅复制。公用数据
print(a)
print(c)
print(c is a)
c.shape = ,
print(a)
print('#######')
c[,] = # 对某一个元素的修改，会影响到原来的元素
print(c)
print('#######')
print(a)
使用“a.copy()” 复制，完全将数据复制了一份。复制的数据和之前的数据已经脱离了关系。推荐使用
import numpy as np a = np.arange()
d = a.copy()
print(d is a)
d[] =
print(d)
print(a)
3）矩阵的常用方法
import numpy as np b = np.random.random((,))
print(b)
print('********')
a = np.floor(b*) # floor 向下的取整
print(a)
print('-----------')
print(a.ravel()) # ravel 把一个矩阵撑长
print('============')
a.shape = (,) # 变成了6行2列的矩阵
print(a)
print('$$$$$$$')
print(a.T) # 行列对换，变成了2行6列
矩阵之间的合并操作
import numpy as np a = np.floor(*np.random.random((,)))
b = np.floor(*np.random.random((,)))
print(a)
print('-----------')
print(b)
print('===========')
print(np.vstack((a,b))) # 同样的特征合并操作
print('***********')
print(np.hstack((a,b))) # 不同的特殊合并操作
切割矩阵，按行切，按列切
import numpy as np a = np.floor(*np.random.random((,)))
print(a)
print('-----------')
print(np.hsplit(a,)) # 平均按列切3刀，分成3份array
print(np.hsplit(a,(,))) # 在3和4 这个位置按列分别切一刀
b = np.floor(*np.random.random((,)))
print(b)
print(np.vsplit(b,)) # 平均按行切3刀，分成3份array
寻找最大值
import numpy as np
date = np.sin(np.arange()).reshape(,)
print(date)
print("==============")
ind = date.argmax(axis = ) # 按列寻找，寻找到最大数的 id 号
print(ind)
print("==============")
date_max = date[ind,range(date.shape[])] # 根据列，找到id号对应的最大值
print(date_max)
把一维矩阵复制成多份
import numpy as np
a = np.arange(,,)
print(a)
b = np.tile(a,(,)) # 把a 元素复制成2行2列
print(b)
排序，值的大小排序，值的索引值进行排序
import numpy as np
a = np.array([[,,],[,,]])
print(a)
b = np.sort(a,axis=) # 排序
print(b)
print("=========")
a = np.array([,,,])
j = np.argsort(a) # 根据索引值的大小进行排序
print(j)
四、总结
a = numpy.genfromtxt("1.txt",encoding='utf-8',delimiter=",",dtype=str) # 从文件解析陈矩阵
a = numpy.genfromtxt("1.txt",encoding='utf-8',delimiter=",",dtype=str,skip_header=) # skip_header= 去掉第一行，说明行
matrix = numpy.array([[,,],[,,],[,,]]) # 列表矩阵操作
matrix.shape # 获取到矩阵的行列数
print(matrix[:,]) # 切片操作
===============================
vector = numpy.array([,,,])
equal_to_ten = (vector == )
print(vector[equal_to_ten]) # 取值操作
vector.min() # 取最小值
vector = numpy.array(["","",""])
vector = vector.astype(float) # 类型转换
np.arange().reshape(,) # 等分成3行5列
print(a.shape)
np.arange(,,) # 初始化数据
floor 向下的取整
ravel 把一个矩阵撑长
a.shape = (,) # 变成了6行2列的矩阵
a.T # 行列对换，变成了2行6列
np.vstack((a,b)) # 同样的特征合并操作
np.hstack((a,b)) # 不同的特殊合并操作
np.hsplit(a,) # 平均按列切3刀，分成3份array
np.hsplit(a,(,)) # 在3和4 这个位置按列分别切一刀
np.vsplit(b,)) # 平均按行切3刀，分成3份array
b = a # 矩阵中，a 和 b 完全一样，共用内存地址
c = a.view() # 不推荐使用，浅复制。共用数据。只在修改数据的时候发生了变化
d = a.copy() # 推荐使用，复制了，原来的数据和现在的数据已经没有关系了
date.argmax(axis = ) # 按列寻找，寻找到最大数的 id 号
date[ind,range(date.shape[])] # 根据列，找到id号对应的最大值
np.tile(a,(,)) # 把a 元素复制成2行2列
np.sort(a,axis=) # 按行排序
np.sort(a,axis=) # 值的大小排序
np.argsort(a) # 根据索引值的大小进行排序