python numpy

# numpy 帮助处理数值型数据
import random
import numpy as np
#使用numpy 生成数组
a = np.array([1,2,3])
print(type(a))  #<class ‘numpy.ndarray‘>
b = np.array(range(10))
c = np.arange(4,10,2)  #[4,10) 步长为2
print(c)
print(c.dtype)  # int64 numpy 对数组的固有类型
# numpy 中的数据类型
t4 = np.array(range(0,12),dtype=‘int8‘)
# numpy 中的bool 类型
t5 = np.array([11,0,1,0,10,10,10,0,0,0,1],dtype=bool)
# 修改数据类型
t6 = t5.astype(‘int64‘)
#%%
# numpy 中的小数
t7 = np.array([random.random() for i in range(10)])
print(t7)
t8 = np.round(t7,2)  # 保留小数值
print(t8)
z = "%.2f"%random.random()
print(z)

#%%-------------
#数组的形状
print(t4.shape)
t2 = np.array([[1,2,3],[4,5,6]])
print(t2.shape)
t3 = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])  # 3维
print(t3.shape)

#修改数组的形状
print(t4)
t14 = t4.reshape((3,4))  # 转变为三行四列
print(t14)
#%%
t5 = np.arange(24).reshape((2,3,4))  # 两块，每块三行，每行4列
print(t5)


#降维
t6 = t5.reshape((24,1)) #(24,)和（24，1)是不一样的
print(t6)
t6= t5.flatten()
print(t6) #转换成1维
#%%
#数组的计算
t5=t5.reshape(4,6)
print(t5*2)
t6=np.arange(100,124).reshape(4,6)
print(t6)
print(t5+t6)  #对应位置进行计算

t7 = np.arange(0,6)
print(t5-t7)  # 没行都减t7
t8 = np.arange(0,4).reshape(4,1)
print(t5-t8)


#%%
#轴 axis = 0 行 1 列     三维 :0 块 1行 2列
# numpy 读取数据
# np.loadtxt(fname,dtype=np.float,delimiter=None,skiprows=0,usecols=None,unpack=False)
#  fname:文件，字符串或产生器，可以是.gz或bz2压缩文件
#  delimier  分割字符串，默认为空格，改为逗号
# skiprows 跳过前X行
# usecols 读取指定的列，索引，元组类型
# unpack 表示转置 如果True 读入属性将分别写入不同数组变量， False， 读入数据值值写入一个数组变量，默认false