{DAY 14} NumPy 学习笔记(下）

前言

现在到了练习NumPy的最後一天，现在要开始跟资料分析的流程接轨

所以我决定从网路上的开源资料找题库练习！

今天的练习涵盖两个部分：

1. 阵列的数学运算
2. NumPy题库练习

阵列的数学运算

1. 基础运算(加、减、乘、除、次方）

   #先创一个一维阵列
   a = np.array([1,2,3,4])
   a
   '''array([1, 2, 3, 4])'''
   

   # calaulations
   print("+ :", a+2) #a+=2
   print("- :", a-2)
   print("* :", a*2)
   print("/ :", a/2)
   print("** :",a**2)
   '''
   + : [3 4 5 6]
   - : [-1  0  1  2]
   * : [2 4 6 8]
   / : [0.5 1.  1.5 2. ]
   ** : [ 1  4  9 16]
   '''
   
   

2. 也可以使用在多个同样形状的矩阵

   b = np.array([1,55,1,55])
   
   print("+ :", a+b) #也等同於 a+=2
   print("- :", a-b)
   print("* :", a*b)
   print("/ :", a/b)
   
   '''
   + : [ 2 57  4 59]
   - : [  0 -53   2 -51]
   * : [  1 110   3 220]
   / : [1.         0.03636364 3.         0.07272727]
   '''
   

3. sin, cos : np.sin( ) , np.cos( )

   print(np.sin(a))
   print(np.cos(a))
   '''
   [ 0.84147098  0.90929743  0.14112001 -0.7568025 ]
   [ 0.54030231 -0.41614684 -0.9899925  -0.65364362]
   '''
   

4. 简单线性代数:

   • 外积: np.matmul(a,b) 或是 a.dot(b)
   • 矩阵乘法需要符合第一个栏数等於第二个矩阵列数的条件

   a = np.ones((2,3))
   print(a)
   
   print("------")
   
   b = np.full((3,2),2)
   print(b)
   
   print("------")
   
   # matrix multiply function(.matmul(matrix1, matrix2))
   print(np.matmul(a,b)) #也可以使用print(a.dot(b))
   
   '''
   [[1. 1. 1.]
    [1. 1. 1.]]
   ------
   [[2 2]
    [2 2]
    [2 2]]
   ------
   [[6. 6.]
    [6. 6.]]
   '''
   

5. 基础统计：

   • 平均数: np.mean( )
   • 最小值: np.min( )
   • 最大值: np.max( )
   • 总合：np.sum( )

   #先创一个一维阵列
   stats = np.array([[1,2,3],[4,5,6]])
   print(stats)
   '''
   array([[1, 2, 3],
          [4, 5, 6]])
   '''
   
   # 平均值，最大值，最小值
   print("min:",np.min(stats))#会取得整个矩阵的最小值
   '''1 '''
   # 若是想取得每个row的最小值
   print("row basis:",np.min(stats, axis=1)) 
   '''row basis: [1 4]'''
   
   # 同样的方法操作在最大值一次
   print("max:", np.max(stats)) #若不指定轴度，将会是整个矩阵的最大值
   print("column basis:", np.max(stats, axis=0)) #沿着column取最大值
   '''
   max: 6
   column basis: [4 5 6]
   '''
   #计算总和
   np.sum(stats,axis=1)
   '''array([ 6, 15])'''
   # sums up by column
   np.sum(stats, axis=0)
   '''array([5, 7, 9])'''
   

   沿着每个row计算：axis = 1
   沿着每个column计算：axis = 0

NumPy应用

今天的题库是利用这个网站上的题库

101 Numpy Exercises for Data Analysis

结语

因为之後的学习历程上都会需要使用到NumPy

现在把基础打好非常重要

NumPy还有很多运算功能跟语法

可以在NumPy的官网上查到

NumPy

之後要往Pandas的统计分析,Matplotlib作图前进！