目錄

• 一、環境安裝
• • 1 - anaconda安裝
  • 2 - jupyter介紹
  • 3 - cell簡介
  • 4 - cell快捷鍵
• 二、numpy的三種創建方式
• • 1 - np.array創建numpy
  • 2 - plt.imread創建numpy
  • 3 - 使用np的routines函數創建
• 三、numpy常用屬性
• 四、numpy操作
• • 1 - numpy索引操作
  • 2 - numpy切片操作
  • 3 - reshape變形
  • 4 - 級聯操作
  • 5 - 聚合操作
  • 6 - 數學函數
  • 7 - 統計函數
• 五、numpy矩陣
• 六、jupyter筆記

一、環境安裝

1 - anaconda安裝

• anaconda簡介：anaconda是一個集成環境 —— 集成好了數據分析和機器學習中所需要的全部環境
• anaconda官網：www.anaconda.com
• anaconda下載：清華大學鏡像-anaconda，拖到最底下，選擇“Anaconda3-5.3.1-Windows-x86_64.exe”
  
• anaconda安裝：anaconda安裝目錄不可以有中文和特殊符號；一路Next，勾選“Add Anaconda…”和“Register Anaconda…”
  
• anaconda測試安裝是否成功：打開cmd窗口，錄入jupyter notebook指令，如果沒有顯示找不到命令且沒有報錯即可表示安裝成功

2 - jupyter介紹

• 什麼是jupyter：jupyter就是anaconda提供的一個基於浏覽器的可視化開發工具
• jupyter啟動：啟動終端，然後先定位到指定目錄（在哪個目錄啟動，到時候jupyter的工程就在哪個目錄下）；在終端中錄入：jupyter notebook，按下回車
  
• 新建python3：python3是anaconda中的源文件
  
• anaconda文件重名名
  
• 返回上一級可以看到多了一個 aaaa.ipynb的文件，ipynb指的是基於anaconda的一個文件

3 - cell簡介

• 什麼是cell
  
• cell有兩種模式：code模式、markdown模式
• cell模式的切換
  

4 - cell快捷鍵

• 添加cell：a=在當前cell上方添加一個cell，b=在當前cell下方添加一個cell
• 刪除cell：x
• cell模式修改：m=markdown模式，y=code模式
• cell執行：shift+enter
• tab：自動補全
• 打開幫助文檔：shift+tab

二、numpy的三種創建方式

• 數據分析三劍客
  • numpy
  • pandas(重點)
  • matplotlib
• 什麼是numpy：NumPy(Numerical Python) 是 Python 語言中做科學計算的基礎庫。重在於數值計算，也是大部分Python科學計算庫的基礎，多用於在大型、多維數組上執行的數值運算

1 - np.array創建numpy

• np.array()創建numpy

  • param1：object —— 數據源
  • param2：dttype —— 數組元素的類型，默認值初始數據源傳入的類型是什麼就是什麼
    

• 數組和列表的區別是什麼

  • 數組中存儲的數據元素類型必須是統一類型
  • 未指定dttype時，根據元素類型優先級來確定數組元素類型 —— 字符串 > 浮點型 > 整數
    

2 - plt.imread創建numpy

• 將外部的一張圖片讀取加載到numpy數組中，然後嘗試改變數組元素的數值，查看對原始圖片的影響
  • 這裡如果報錯，需要安裝pillow，cmd執行：pip install pillow
    

3 - 使用np的routines函數創建

• np的routines函數
  • zero()：填充0的數組
  • ones()：填充1的數組
  • linespace()
  • arange()
  • random系列
• np.ones
  • param1：shape —— 數組的維度 —— Shape of the new array, e.g., (2, 3) or 2
    
• np.linspace：創建一維的等差數列數組
  
• np.arange：創建一維等差數列
  
• np.random.randint：創建隨機數組
  

三、numpy常用屬性

• 屬性
  • shape：返回數組形狀
  • ndim：返回數組維度
  • size：返回數組元素個數
  • dtype：數組元素類型
  • type(arr)：數組的數據類型
    

四、numpy操作

1 - numpy索引操作

• numpy索引操作和列表同理
  

2 - numpy切片操作

• 切片：行列切片
  • 切出前兩行數據
  • 切出前兩列數據
  • 切出前兩行的前兩列的數據
    
• 切片：數組數據翻轉(倒置)
  
• 原始圖片
  
• 練習：將一張圖片上下左右進行翻轉操作
  
• 練習：將圖片進行指定區域的裁剪
  

3 - reshape變形

4 - 級聯操作

• 什麼是級聯操作：將多個numpy數組（維度必須相同）進行橫向或者縱向的拼接
• axis軸向的理解：0 —— 列；1 —— 行
  

5 - 聚合操作

• 常用聚合操作：沒有axis參數 —— 求所有；axis=0 —— 按列；axis=1 —— 按行
  • sum：求和
  • max：最大值
  • min：最小值
  • mean：平均值
    

6 - 數學函數

• numpy標准三角函數：sin()、cos()、tan()
  
• numpy.around(a, decimals)：函數返回指定數字的四捨五入值
  • 參數a：數組
  • 參數decimals：捨入的小數位數；默認值為0；如果為負，整數將四捨五入到小數點左側的位置
    

7 - 統計函數

• 常用統計函數
  • numpy.amin() 和 numpy.amax()，用於計算數組中的元素沿指定軸的最小、最大值
  • numpy.ptp():計算數組中元素最大值與最小值的差（最大值 - 最小值）
  • numpy.median() 函數用於計算數組 a 中元素的中位數（中值）
  • 標准差std():標准差是一組數據平均值分散程度的一種度量。
    • 公式：std = sqrt(mean((x - x.mean())**2))
    • 如果數組是 [1，2，3，4]，則其平均值為 2.5。 因此，差的平方是 [2.25,0.25,0.25,2.25]，並且其平均值的平方根除以 4，即 sqrt(5/4) ，結果為 1.1180339887498949。
  • 方差var()：統計中的方差（樣本方差）是每個樣本值與全體樣本值的平均數之差的平方值的平均數，即 mean((x - x.mean())** 2)。換句話說，標准差是方差的平方根

五、numpy矩陣

• 線性代數基於矩陣的推導：https://www.cnblogs.com/alantu2018/p/8528299.html
• numpy矩陣
  • NumPy 中包含了一個矩陣庫 numpy.matlib，該模塊中的函數返回的是一個矩陣，而不是 ndarray 對象。一個 的矩陣是一個由行（row）列（column）元素排列成的矩形陣列
  • numpy.matlib.identity() 函數返回給定大小的單位矩陣。單位矩陣是個方陣，從左上角到右下角的對角線（稱為主對角線）上的元素均為 1，除此以外全都為 0

• numpy矩陣相乘：numpy.dot(a, b, out=None)
  • a：ndarray數組
  • b：ndarray數組
• 矩陣的加法、減法、乘法
  
• 矩陣相乘：第一個矩陣第一行的每個數字（2和1），各自乘以第二個矩陣第一列對應位置的數字（1和1），然後將乘積相加（ 2 x 1 + 1 x 1），得到結果矩陣左上角的那個值3。也就是說，結果矩陣第m行與第n列交叉位置的那個值，等於第一個矩陣第m行與第二個矩陣第n列，對應位置的每個值的乘積之和

六、jupyter筆記

點擊下載jupyter筆記