标签：AC acl 技术分享 ntile cat 创建 快速排序 需要 eric
Numpy
什么是Numpy：Numeric Python
Numpy模块是Python的一种开源的数值计算扩展。
1 一个强大的N维数组对象Array
2 比较成熟的（广播）函数库
3 用于整合（C/C++）和Fortran代码的工具包
4 实用的线性代数、傅里叶变换和随机数生成函数
5 numpy和稀疏矩阵运算包scipy配合使用更加强大
导入numpy库，并查看numpy版本
注意：numpy模块不是python自带的，需要自己安装的。pip install numpy
这是我要处理的图片 gtx.jpg
必须要先安装这个模块 Pillow ，才能支持除png之外的格式的图片的读取。因为没有安装Pillow模块，会有如下报错：
ValueError: Only know how to handle extensions: [‘png‘]; with Pillow installed matplotlib can handle
Pillow模块安装之后，就能正常读取图片内容了。
读取的数组，元素值范围0-255。
看来gtx 是numpy.ndarray类型的，如果需要对图片进行操作，是需要对numpy.ndarray的属性和方法熟悉的。下一步学习numpy.ndarray的属性和方法。
再定义一个数组gtx2,是由gtx转换而来的，变成如下图所示的样子了。
一、创建ndarray
1 使用np.array() 由python list创建
·numpy默认ndarray的所有元素类型是相同的
·如果传进来的列表中包含不同的类型，则统一为同一类型，优先级 str>float>int
numpy的3个属性：
1 shape 查看数组是几维的。
317 表示数组的高，行数
500 表示数组的宽，列数
3 表示颜色
任何一张二位的图片转化为3维数组，长宽最后一维表示颜色。
数组元素统一成同一种数据类型的元素
n1.ndim 得到数组的维度数
2 使用np的routines函数创建数组
包含以下常见创建方法：
1）np.ones(shape,dtype=None,order=‘C‘) one表示创建的数组元素全是1
2）np.zeros(shape,dtype=float,order=‘C‘) zero表示创建的数组元素全是0
3）np.full(shape,fill_value,dtype=None,order=‘C‘) full表示可以自定义元素值fill_value
4）np.eye(N,M=None,k=0,dtype=float) 对角线位置元素值为1，其他位置为0 满秩矩阵 N、M用来定义矩阵的高和宽的。
这就是一个一元十次方程简化成这样，在线性代数中叫做满秩。
5）np.linspace(start,stop,num=50,endpoint=True,retstep=False,dtype=None)
6）np.arange([start,]stop,[step,]dtype=None) 左闭右开区间
使用该方法创建ndarray时候，左闭右开。
7）np.random.randint(low,high=None,size=None,dtype=‘l‘)
8）np.random.randn(d0,d1...dn) 标准正态分布
9）np.random.normal(loc=0.0,scale=1.0,size=None)
scale值越大其波动越厉害，scale=0.0 就没有波动了。
10）np.random.random(size=None) 生成0到1的随机数，左闭右开
随机生成一张图片。png格式的像素值 0-1 jpg格式像素值0-255
=====================================
三、ndarray的基本操作
1、索引
一维与列表完全一致 多维时同理
2、切片
一维与列表完全一致，多维时同理
比如一个3维数组， n1[0:2,1:3,-2:-1] 最终切到要的元素。
3、变形 使用reshape函数，注意参数是一个tuple，如果参数是个负数，直接转换成一维数组ndarray,不论负数值是多少。比价省事的做法就是 -1。
4、级联 （将两个数组拼接在一起）
·1 np.concatenate() 级联需要注意的点：
·2 级联的参数是列表：一定要加中括号或小括号
·3 维度必须相同
·4 形状相符
·5 【重点】级联的方向默认是shape这个tuple的第一个值所代表的维度方向
·6 可通过axis参数改变级来联的方向
axis = 0表示按行
axis = 1表示按列
1. np.hstack 与 np.vstack
水平级联与垂直级联，处理自己，进行维度的变更。
5、切分
与级联类似，三个函数完成切分工作：
· np.split
· np.vsplit 按行切
· np.hsplit 按列切
split默认情况下是对行进行切分
Signature: np.split(ary, indices_or_sections, axis=0)
ary 是要切割数数据源
axis = 0 是对行进行切割 axis= 1 是对列进行切分
6、副本
所有赋值运算不会为ndarray的任何元素创建副本，对赋值后的对象的操作也对原来的对象生效。可以使用copy()函数创建副本。
==============================
四：ndarray的聚合操作
1、求和 np.sum
2、最大最小值：np.max / np.min
3、其他聚合操作
np.sum
np.prod
np.mean 平均值 axis 的值是维度
np.std 标准方程
np.var
np.min
np.max
np.argmin
np.argmax
np.median
np.percentile
操作文件：使用pandas打开文件president_heights.csv获取文件中的数据。
就把文件内容读取出来了。CSV格式比较经常遇到的，就是从Oracle数据库中导出的文件。
五、ndarray的矩阵操作
1.基本矩阵操作
1）算术运算符：
·加减乘除
2）矩阵积 np.dot()
2.广播机制
【重要】ndarray广播机制的两条规则
· 规则一:为缺失的维度补 1 （补一行或一列）
· 规则二：假定缺失元素用已有值填充
六、ndarray的排序，排序算法，面试经常问。
1 快速排序
np.sort()与ndarray.sort()都可以，但有区别：
· np.sort()不改变输入
· ndarray.sort()本地处理，不占用空间，但改变输入
2 部分排序
np.partition(a,k)
有时我们不是对全部数据感兴趣，只对最小或最大的一部分感兴趣
· 当k为正时，我们想要得到最小的k个数
· 当k为负时，我们想要得到最大的k个数
只返回需要的这部分数，但这部分数是不会排序的。切片，排序即可。
3 numpy模块
标签：AC acl 技术分享 ntile cat 创建 快速排序 需要 eric
原文地址：https://www.cnblogs.com/avention/p/9063332.html
