Numpy
一，数据结构
数据类型： ndarray
import numpy
world_alchol = numpy.genfromtxt('world_alchol.txt',delimiter=',',dtype=str)
print(type(world_alchol))
print(world_alchol)
print(help(numpy.genfromtxt))
创建一维的数组：
vector = numpy.array([5,10,15,20])
创建二维的数组：
matrix = numpy.array([[5,10,15,20],[15,20,25,30]])
查看数据的结构：
vector.shape ------- (4,) 一行四列
matrix.shape ------- (2,4) 两行四列
在numpy.array中的数据类型是限定的，必须是一种数据结构；
数字，string，浮点数等等...
通过索引获取数组的值，行和列的开始都是0开始；
vector[2,] 的值是15；
matrix[1,2] 的值是25；
想取数组的某一列；
matrix[:,2] 的值是15 ，25
如果取两列的话；
matrix[:,0:2] 的值是：array([[ 5, 10],[15, 20]])
判断一个值是否在，返回值是bool类型；
vector == 10 ；返回：array([False, True, False, False])
matrix == 25；返回：array([[False, False, False, False], [False, False, True, False]])
把bool类型的值当成索引返回当前的值；
print(equal_to_ten) ----> [False True False False]
print(vector[equal_to_ten]) ----> [10] 当成索引返回数组中的值；
second_column_25 = (matrix[:,2] == 25
print(second_column_25) ----》 [False True] ； 有一行返回true ，说明这行有25的值；
print(matrix[second_column_25,:]) --》[[15 20 25 30]] 返回第二行数组； （second_column_25是行的索引）
二，矩阵常用操作；
b = np.arange(3)
print(b)
print(np.exp(b))
print(np.sqrt(b)) 根号
a = np.floor(10*np.random.random((3,4)))
print(a)
正常情况下向量a.shape查看数据的结构，但是矩阵可以用a.revel()把值给拉平了（变成列表）向量；
print(a.ravel())
a.shape也可以进行其他的组合,变化数组的结构；
a.shape = (6,2)
a.shape = (1,12)
a.T也可以进行转置（行和列变化）；
a.reshape(3,-1) 可以变成3行，n列； -1 代表不要计算取多少列的值，a.reshape(3,-1)可以直接计算；
矩阵拼接：
np.hstack(a,b) 可以进行横向数据拼接；np.vstack(a,b) 可以进行横向数据拼接；
a = np.floor(10*np.random.random((2,2))) print(a)
b = np.floor(10*np.random.random((2,2))) print(b)
print(np.hstack(a,b)) ； print(np.vstack(a,b))
矩阵切分：
np.hsplit(a,3) 把a矩阵切横向分成3份；但是也可以传入元组进行指定切分np.hsplit(a,(3,4)) 把切的元素单独分出 ;
a.np.floor(10*np.random.random((2,12))) print(a)
print(np.hsplit(a,3)) ; print(np.hsplit(a,(3,4)))
np.vsplit(a,3) 把矩阵a纵向切分成3份；
不同复制操作对比：
(1) a = np.arange(12) ; b = a; print(bi is a) ; b.shape = 3,4 ; print(a.shape) ; print(a);print(b);
说明a和b的值是相等的；
(2) c = a.view() ; print(c is a); c.shape = 2,6 ; c[0,4] = 1234; print(a); print(id(a));print(id(c));
c是a的浅复制；c和a的id是并不相等的；他们公用了一套值；
(3) 即让他的id 不同，值也不同；
d = a.copy() --- 深复制 ; d is a ; d[0,0]=999 ; print(d) ; print(a) ;
数据索引
data = np.sin(np.arange(20)).reshape(5,4) ; print(data) ;
ind = data.argmax(axis=0) -- axis按列算； 哪个列是最大的值；print(ind)返回的是索引值；
data_max = data[ind. range(data.shape[1])] ;
print(data_max) ; 输出列最大值列表；
列扩展数据：
a = np.arange(0, 40, 10) ; print(a) ; b = np.tile(a , (3,5)) ; print(b)对列进行扩展；
对数组排序；
a = np.arrar([[4, 3, 5],[1, 2, 1]]) ; print(a) ; b = np.sort(a, axis=1) ; print(b) ;
a.sort(axis=1) ;print(a) ; a = np.array([4,3,1,2]) ; j = np.argsort(a) 求索引 ; print(j) ; print(a[j])