学习笔记目录

常量numpy.nannumpy.infnumpy.pinumpy.e 数据类型时间日期和时间增量datetime64 基础datetime64 和 timedelta64 运算timedelta64 的运算 数组的创建创建一个有序数组简单的运算

常量

numpy中的常量表达，在这里有较为常用的有四个。

numpy.nan

表示空值，两个np.nan是不一样的

import numpy as np np.nan # 两个np.nan是不相等的 print(np.nan == np.nan) # False print(np.nan != np.nan) # True

我们可以用np.isnan( )对nan进行判断操作，替换等

import numpy as np x = np.array([1, 2, 3, np.nan, 5]) print(x) y = np.isnan(x) # 判断 print(y) x[np.isnan(x)] = 4 # 替换 print(x) y = np.isnan(x) # 判断 print(y) ''' [ 1. 2. 3. nan 5.] [False False False True False] [1. 2. 3. 4. 5.] [False False False False False] '''

np.nan的数据类型是浮点数

numpy.inf

表示无穷大 简单的加和乘法算出来的答案也是inf，如果是inf乘于0的话答案会是nan

print(1 + float('inf')) # inf print(2 * float('inf')) # inf print(0 * float('inf')) # nan

numpy.pi

表示圆周率

np.pi

numpy.e

表示自然常数e

np.e

数据类型

无外乎就是bool、int、float、str等这几种类型

时间日期和时间增量

datetime64 基础

在numpy中，我们也可以将字符串转换成时间日期类型。

日期单位代码含义时间单位代码含义Y年h小时M月m分钟W周s秒D天ms毫秒

使用arange（）创建datetime64数组，用于生成日期范围

a = np.arange('2020-10-01', '2020-10-08',dtype = np.datetime64)

datetime64 和 timedelta64 运算

timedelta64表示两个datetime64之间的差

a = np.datetime64('2020-10-20') - np.datetime64('2020-10-10') b = np.datetime64('2020-10-20') - np.datetime64('202-10-10 10:00') c = np.datetime64('2020-10-20') - np.datetime64('2020-10-10 20:00', 'D')

这里面第三行的‘D’是强制指定使用单位

timedelta64 的运算

a = np.timedelta64(1, 'Y') b = np.timedelta64(6, 'M') c = np.timedelta64(1, 'W') d = np.timedelta64(1, 'D') e = np.timedelta64(10, 'D') print(a) # 1 years print(b) # 6 months print(a + b) # 18 months print(a - b) # 6 months print(2 * a) # 2 years print(a / b) # 2.0 print(c / d) # 7.0 print(c % e) # 7 days

数组的创建

用np.array( )来创建一个数组

a = np.array([[1, 2, 3], [4, 5, 6]])

这是一个二维数组，运行后输出的是一个矩阵，是一个两行三列矩阵。有一个特殊形式的矩阵叫行矩阵，就是只有一行的矩阵，跟上面的方法一样创建，创建一个一维数组。

a = np.array([[1, 2, 3]])

要是遇到那么很多很多行很多很多列的可以用xxx.ndim来查看是几维数组的

a.ndim

可以用xxx.shape来查询行列数，用xxx.size来查询一共有多少个元素

a.shape # 查询行列数 a.size # 查询一共有多少个元素

创建一个有序数组

a = np.arange(10, 20, 2)

第一个值就是起始值，第二个值是终止值，第三个就是步长

简单的运算

上面的第二段代码的例子是简单的相加减，就是对应元素相加减 乘法的话在这里面就有两种算法需要我们区别一下，例如第一种就是跟加减法一样，对应元素的相乘，第二种就是我们线代上面学习过的矩阵的乘法。 比如先举例第二种算法，矩阵的乘法。如这两个矩阵相乘

接下来说的这一种就是对应元素直接相乘，比较好理解