本文部分资料文件请前往https://www.jinyuttsrz.top/index.php/archives/89/下载
本文部分资源来自【黑马程序员】，【菜鸟教程】 学习更多内容：前往菜鸟教程

numpy是一个python中做科学计算的基础库，重在数值计算，也是大部分python科学计算库的基础库，多用于在大型，多维数组上执行数值计算。

NumPy 安装

pip3 install numpy 或使用第三方镜像站下载
pip3 install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

安装验证

import numpy as np
print(np.__version__)

若输出版本号则安装成功，如：2.2.6

1. 创建数组（矩阵）

使用numpy生成数组,得到ndarray的类型

import numpy as np

t1 = np.array([1,2,3])

print(t1)
print(type(t1))

输出内容：

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

2. 使用range，arange创建数组

t2 = np.array(range(10))
print(t2)
print(type(t2))

 
t3 = np.arange(4,10,2)  #用法与range一致，用于快速生成一堆数组
print(t3)
print(type(t3))

输出内容：

[0 1 2 3 4 5 6 7 8 9]
<class 'numpy.ndarray'>
[4 6 8]
<class 'numpy.ndarray'>

3. Numpy中的数据类型

print(t3.dtype)
输出内容:
int64

通过dtype可以指定相关的数据类型:

t4 = np.array(range(1,10),dtype=float)

print(t4)
print(t4.dtype)
 
输出内容:
[1. 2. 3. 4. 5. 6. 7. 8. 9.]
float64

numpy中的bool类型：

t5 = np.array([1,1,0],dtype=bool)

print(t5)
print(t5.dtype)
 
输出内容:
[ True  True False]
bool

使用astype调整数据类型

t6 = t4.astype("int8")

print(t6)
print(t6.dtype)
 
输出内容：
[1 2 3 4 5 6 7 8 9]
int8

4. Numpy中的小数

import random
t7 = np.array([random.random() for _ in range(10)])
print(t7)
print(t7.dtype)


t8 = np.round(t7, 2)
print(t8)
print(t8.dtype)

输出内容：

[0.44545863 0.00578244 0.15234127 0.57536716 0.42175181 0.73858965
 0.40943437 0.81574412 0.2461211  0.94405275]
float64
 
[0.45 0.01 0.15 0.58 0.42 0.74 0.41 0.82 0.25 0.94]
float64

5. 数组的形状

import numpy as np
t11 = np.arange(12)
print(t11)
print(t11.shape)

输出内容:

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])
(12,)      

#当这个数组为一维数组时，将仅输出一个数：组内数据数量

.

t12 = np.array([[1,2,3],[4,5,6]])
print（t12）
print(t12.shape)
 

输出内容：

array([[1, 2, 3],
       [4, 5, 6]])
(2, 3)      

当数组为二维数组时，将输出两个数：行的数量，列内数据数数

.

t13 = np.array([[[1,2,12],[3,4,11]],[[5,6,10],[7,8,9]]])
print（t13）
print(t13.shape)

输出内容：

array([[[ 1,  2, 12],
    [ 3,  4, 11]],

   [[ 5,  6, 10],
    [ 7,  8,  9]]])

(2, 2, 3)   

三维列表输出：块数量，行数量，列内数据数量

数组形状修改：reshape（存在返回值，不会直接对原数据进行修改，需要接收）

print（t12.reshape([3,2])）

输出内容：

array([[1, 2],
       [3, 4],
       [5, 6]])

当修改为无法生成的形状时，将报ValueError错误

生成数组时可以使用此方法修改数组的形状：

t14 = np.arange(24).reshape((2,3,4))
print（t14）

输出内容：

array([[[ 0,  1,  2,  3],
    [ 4,  5,  6,  7],
    [ 8,  9, 10, 11]],

   [[12, 13, 14, 15],
    [16, 17, 18, 19],
    [20, 21, 22, 23]]])

使用flatten可以快速展开数组为一维数组

print(t14.flatten())

输出内容：

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,17, 18, 19, 20, 21, 22, 23])

6. 数组的计算（广播原则）

Print(t14+2)

#其他计算同理，特殊点：可以/0

输出内容：

array([[[ 2,  3,  4,  5],
    [ 6,  7,  8,  9],
    [10, 11, 12, 13]],

   [[14, 15, 16, 17],
    [18, 19, 20, 21],
    [22, 23, 24, 25]]])

.

t14/0       #当对一个数组进行除0

输出内容：

Warning (from warnings module):
RuntimeWarning: divide by zero encountered in divide
 
Warning (from warnings module):
RuntimeWarning: invalid value encountered in divide
array([[[nan, inf, inf, inf],
    [inf, inf, inf, inf],
    [inf, inf, inf, inf]],

   [[inf, inf, inf, inf],
    [inf, inf, inf, inf],
    [inf, inf, inf, inf]]])

Inf代表无穷大 nan代表不是一个数字not a number

数组之间可以进行相加等处理

t14 = np.arange(24).reshape((2,3,4))
t15 = np.arange(100,124).reshape((2,3,4))
 
print(t14+15)
print(t14*t15)

输出内容：

array([[[100, 102, 104, 106],
    [108, 110, 112, 114],
    [116, 118, 120, 122]],

   [[124, 126, 128, 130],
    [132, 134, 136, 138],
    [140, 142, 144, 146]]])


array([[[   0,  101,  204,  309],
    [ 416,  525,  636,  749],
    [ 864,  981, 1100, 1221]],

   [[1344, 1469, 1596, 1725],
    [1856, 1989, 2124, 2261],
    [2400, 2541, 2684, 2829]]])

当数组形状满足一个维度一致时也可进行操作,不一致时会返回ValueError错误

t16=np.arange(0,4)
t17=np.arange(0,3).reshape(3,1)


print(t16)
print(t17)
print(t15*t16)
print(t15*t17)

输出内容：

array([0, 1, 2, 3])
array([[0],
   [1],
   [2]])


array([[[  0, 101, 204, 309],
    [  0, 105, 212, 321],
    [  0, 109, 220, 333]],

   [[  0, 113, 228, 345],
    [  0, 117, 236, 357],
    [  0, 121, 244, 369]]])


array([[[  0,   0,   0,   0],
    [104, 105, 106, 107],
    [216, 218, 220, 222]],

   [[  0,   0,   0,   0],
    [116, 117, 118, 119],
    [240, 242, 244, 246]]])

7. Numpy中的倒置

Transpose用于倒置数据，在对角线方向交换数据，为了能够更方便处理数据

t18 = np.arange(12).reshape(3,4)


print(t18)
print(t18.transpose)方法同：print(t18.T)

输出内容：

array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
 
array([[ 0,  4,  8],
   [ 1,  5,  9],
   [ 2,  6, 10],
   [ 3,  7, 11]])

8. 轴

9. Numpy数据读取

完成对数据的读取：读取文件

US_video_data_numbers.csv
GB_video_data_numbers.csv 
 
us_path = "./US_video_data_numbers.csv"
uk_path = "./GB_video_data_numbers.csv"

TUK = np.loadtxt(uk_path, delimiter=',', dtype="int")  

#可用unpack=True通过对角线旋转，行列对倒

TUS = np.loadtxt(us_path, delimiter=',', dtype="int")

print(TUK)
print(TUS)

输出内容：

10. Numpy索引和切片

取单行：

print(TUS[2])

取连续多行：

print(TUS[2:])

取不连续的多行：

print(TUS[[2,8,10]])

输出结果：

取列：

print(TUS[:,0])

取连续的多列：

print(TUS[:,2:])

输出结果：

取行列,第三行第四列：

t = TUS[2,3]
print(t)
print(type(t))

输出结果：

170708
<class 'numpy.int64'>

取多行多列：第三行到第五行，第二列到第四列的结果：

t = TUS[2:5,1:4]
print(t)

输出结果：

11. Numpy中数值的修改

t = np.arange(12).reshape(3,4)
t[t<5] = 1

满足t<5则赋值1（布尔判断）

12. Numpy中的三元运算符

np.where(t<=3,100,300)

np.where(条件，满足则修改为，不满足则修改为)

array([[100, 100, 100, 100],
   [100, 300, 300, 300],
   [300, 300, 300, 300]])

13. Numpy中的nan和inf

    

t[2,2] = np.nan

需要浮点数据才能赋值nan，否侧会报ValueError 异常
使用astype转换数据类型

t = t.astype(float)
t[2,2] = np.nan

输出结果：

14. Numpy中常用的统计函数

    

15. Numpy中的clip裁切

t.clip(小于此数的数字替换为此数，大于此数的数替换为此数，nan不操作)

16. Nampy中填充nan的方法代码

import numpy as np
    
def fill_ndarray(t1):

for i in range(t1.shape[1]):
    temp = t1[:, i]  #当前的列
    # count_nonzero方法可以统计当前数据中nan的个数

    nan_nu = np.count_nonzero(temp != temp)

    if nan_nu != 0:  #说明有nan
   #取不为nan的数据，取法为：nan互不相等

    temp_not = temp[temp == temp]    #当前列不为nan的数组

    # 选中nan位置，赋值其为均值

    temp[np.isnan(temp)] = temp_not.mean()
   #使用mean方法，进行填充

return t1


if __name__ == '__main__':

t1 = np.arange(12).reshape(3, 4).astype("float")

t1[1, 2:] = np.nan
#随机取两个数据改为nan进行模拟

print(t1)

print("*"*100)

t1 = fill_ndarray(t1)

print(t1)