流水账第四章

学习Numpy

import numpy as np
score = np.array([[80,80,76,56,56],
                 [53,65,54,78,97],
                 [76,44,24,97,56],
                 [21,64,34,74,34],
                 [12,42,12,42,35]])
a = score.shape  #形状：（5，5） 其中（）代表元组 里面几个数字代表几维度
b = score.ndim  #维度
c = score.size  #几个元素
d = score.dtype #类型 创建ndarray的时候，如果没有指定类型，整数时默认"int64",小数为"float64"
f = score.itemsize  #每个元素占用字节
print(a,b,c,d,f)

array_1 = np.array([1,2,3,4])  #一维
array_2 = np.array([[[1,2,3],
                     [4,5,6]],

                    [[1,2,3],
                     [4,5,6]]])  #三维 （三个中括号） 维度表示方法（嵌套两个二维元素，二维数字几行，几列）即（2，2，3）
print(array_2.shape)

#均匀分布

import matplotlib.pyplot as plt
x1 = np.random.uniform(-1,1,1000000)
plt.figure(figsize = (20,8), dpi = 80)
plt.hist(x1,1000)
plt.show()

#正态分布 

#正态分布
x2 = np.random.normal(loc = 0, scale = 1, size = 1000000)
plt.figure(figsize = (20,8), dpi = 80)
plt.hist(x2,1000)
plt.show()

 

 

import numpy as np
x = np.random.normal(0,1,(8,10))
print(x)

#布尔索引 统一操作
x[x>0.5]=1
print(x>0) #返回True

#判断
a = x[0:2, 0:5]>0#返回True/False 判断前2组的前5哥
b = np.all(x[0:2, 0:5]>0)  #全True才返回True
c = np.any(x[0:2, 0:5]>0)  #有一个True返回True
print(a,b,c)

#np.where
temp = x[:4,:4]             #取前四组的前4天
print("temp=",temp)
d = np.where(temp>0, 1, 0)  #将 大于0的置1，否则为0
print("d=",d)

#逻辑关系 且and/或or
f = np.logical_and(temp>0,temp<1)  #选取temp>0且<1的数据
g = np.where(f,1,0)                #将temp>0且<1置1，否则为0
print("g=",g)
#同理 np.logical_or

#统计运算
max_temp = temp.max(axis=1)  #axis=1每组行中的元素 axis=0为列中的元素 建议测试便知
#等价max_temp = np.max(temp, axis=1) ，以下同理
loc_temp = temp.argmax(axis=1) #显示每行最大元素的位置 0为起始
print("max_temp=",max_temp)
print("loc_temp=",loc_temp)

标签：流水账,plt,print,score,np,array,True,第四章
来源： https://blog.csdn.net/slowly_climb/article/details/118895699