numpy中如何创建各种各样的矩阵或数组。
简单的创建方法。并可以定义type
a=np.array([2,23,4]，dtype=np.int)
print(a.dtype)
如何定义一个二维的array,矩阵
a=np.array([[1,2,3],
[4,5,6]])
生成一个全0的三行四列数组。
a=np.zeros((3,4))
print(a)
生成一个全1的三行四列的矩阵。
a=np.ones((3,4),dtype=np.int16)
print(a)
也可以生成empty，其实是几乎接近于0.
也可以生成一定间隔的数组。
a=np.arange(10,20,2)
如何生成一个三行四列的数组。
a=np.arange(12).reshape((3,4))
生成一个线段
a=np.linspace(1,10,5)5段1到10的线段/
也可以更改它的shape
a=np.linspace(1,10,6).reshape((2,3))
列表转换成矩阵的方法，np.array（）
print('number of dim:',array.ndim)
print('shape:',array.shape)
print('size:',array.size)
数据整形吧行的索引和列的索引做一个互换。
dates=pd.date_range('20160301',periods=6)
创建二位数组
data=pd.DataFram(np.random.randn(6,4),index=dates,columns=list('ABCD')
用字典创建二位数组
d={'a':1,'b':pd.Timestamp('20130301'),'C':range(4),'D':np.arange(4)}
pd.DataFram（d)
怎么cha看数据
data.head()前5行
data.tail()后5行
data.tail(3)后3行
data.index行标签
data.columns列标签
data.values查看值
data.describe整体情况
data.T数据转置
对数居进行排序
根剧烈标签来排序
data.sort_index(axis=1)
排个降序
data.sort_index(axis=1,ascending=False)
行标签排序
data.sort_index(axis=0,ascending=False)
通过某一列的值进行排序
data.sort_values(by='A')
选中某个列
data['a']
data.a
选中几行
data[2:4]
通过标签进行选择
data['a','b']
通过标签函数进行选择
data.loc['a','b']
通过内置的标签选取索要的数据
data.iloc[2:4]
只选择出B和C 两列的数据
data.loc[:,['b','c']]
选取某个行区间内的某个列区间
data.loc['20160302':'20160305',['b','c']]
通过loc函数访问某个特定的值
data.loc['20160302','b']
data.at[pd.imestamp('20160302'),'b']
data.iloc[1]选出第一行的数据
data.loc[1:3]
也可以选择某列某行
data.iloc[1:3,2:4]
也可以选择某几列
data.iloc【：，1：3】
某个值
data.iloc[1,1]
data.iat[1,1]
查看运行效率
%timeit df.iloc[1,1]
使用布尔索引。
data[data>0]
如何分割array
横向的数列编程竖向的数列
A[:,np,newaxis]在列方向行家里一个维度
np.concatenate
计算数组中最小值的索引。
np.argmin （）
np.argmax（）
计算平均值
np.mean(A)
A.mean()
np.average(A）
求中位数
np.median()
逐步累加
np.cumsum()
相邻元素的差
np.diff()
也可以进行排序
np.sort
矩阵的转置
np.transpose()
A.T
矩阵的截断
np.clip(A,5,9)
numpy 基础运算
*乘法是对应位置元素相乘。
np.dot是矩阵乘法
axis =1列
axis=0