百度飞桨课堂小白逆袭大神第三天课程（整理）人工智能三岁学编程的博客-

三岁学编程，小白逆袭第三天的笔记
参考资料：https://aistudio.baidu.com/aistudio/projectdetail/428055

Numpy库

中文文档官网：
https://www.numpy.org.cn/

使用方法：
导入库import numpy as np

数组创建

使用array()函数转换成为多维数组，可以是一切序列型的对象（包括其他数组）

import numpy as np  #将列表转换为数组 array = np.array([[1,2,3], [4,5,6]]) print(array) [[1 2 3] [4 5 6]] #将列表转换为数组 array = np.array(((1,2,3), (4,5,6))) print(array) [[1 2 3] [4 5 6]] 

这里面不能够a = np.array(1,2,3,4)这种形式，他只调用了array()函数并没有传入一个序列型数据！！！

创建初始占位符的几种方法：
① zeros() 指定长度或形状的全部为 0 的数组
②ones() 创建指定长度形状的 内容为 1 的数组
③empty() 创建一个数组，内容随机

emptyarray = np.zeros((2,3)) print(emptyarray) [[0. 0. 0.] [0. 0. 0.]] #dtype = 'int64'代表了是整型 emptyarray = np.ones((3,4), dtype='int64') print(emptyarray) [[1 1 1 1] [1 1 1 1] [1 1 1 1]]  emptyarray = np.empty((3,4)) print(emptyarray) [[6.23042070e-307 1.42417221e-306 1.37961641e-306 1.27945651e-307] [1.24610383e-306 1.69118108e-306 8.06632139e-308 1.20160711e-306] [1.69119330e-306 1.29062229e-306 1.60217812e-306 1.37961370e-306]] 

arange()函数生成一个指定内容的数字数组
使用方法类似与range()
使用方法：np.arange(a, b, c)
a:第一个内容
b：最后一个是(b-1)
c：按照c的步长进行

array = np.arange( 10, 31, 5 ) print(array) [10 15 20 25 30] 

注：此处遵循左闭右开！！！

数组类型的查看

• 数组维度数组名.ndim
• 数组形状数组名.shape
• 数组个数数组名.size
• 数组元素类型数组名.dtype

array = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]]) print(array) #数组维度 print(array.ndim) #数组形状 print(array.shape) #数组元素个数 print(array.size) #数组元素类型 print(array.dtype) [[ 1 2 3] [ 4 5 6] [ 7 8 9] [10 11 12]]#数组内容 2#维度 (4, 3)#形状 12#个数 int32#类型 

修改数组（矩阵）的形状

用reshape()

array1 = np.arange(6) print(array1) [0 1 2 3 4 5] [[0 1 2] [3 4 5]] 

注意：文文老师千叮咛万嘱咐，在里面改变形状可以，但是数据的量不能改变，不然会溢出或无中生有。导致报错！

数组计算

数组计算会矢量化，计算都是元素级别，无需遍历即可运算

基本算法

• 加法两个数组相对应的位置进行加法计算
• 减法对应位置进行减法操作
• 乘法对应位置进行乘法操作
• 除法对应位置进行除法操作，结果是浮点型
• 幂每个位置分别进行幂操作

arr1 = np.array([[1,2,3],[4,5,6]]) arr2 = np.ones([2,3],dtype=np.int64) print(arr1 + arr2) print(arr1 - arr2) print(arr1 * arr2) print(arr1 / arr2) print(arr1 ** 2) [[2 3 4] [5 6 7]]#加法 [[0 1 2] [3 4 5]]#减法 [[1 2 3] [4 5 6]]#乘法 [[1. 2. 3.] [4. 5. 6.]]#除法（浮点型） [[ 1 4 9] [16 25 36]]#幂 

矩阵乘法

使用方法 np.dot(矩阵1，矩阵2)
两个矩阵的形状必须是相反的
如(23)的h和（32）的宽度和高度相反的，不然会报错
ValueError: shapes (2,3) and (2,3) not aligned: 3 (dim 1) != 2 (dim 0)
计算方式：第一行和第一列分别相乘的和，第二行和第二列相乘的和，以此类推，不理解看题

arr3 = np.array([[1,2,3],[4,5,6]]) arr4 = np.array([[5, 6], [3,4], [1,2]]) print(np.dot(arr3,arr4)) [[14 20] [41 56]] 

其他计算

sum() 求和
sum(矩阵名, axis=0)#axis=0求一列的和，=1求一行
max()#最大值
min()#最小值
mean()#平均值
argmax()#最大值下标
argmin()#最小值下标

矩阵转制、拍平

转制：矩阵名.transpose()
拍平：变成一维数组：矩阵名.flatten()

arr3_tran = arr3.transpose() print(arr3_tran) print(arr3.flatten()) [[1 4] [2 5] [3 6]] [1 2 3 4 5 6] 

切片与读取

和列表读取类似，最多带上循环

arr5 = np.arange(0,6).reshape([2,3]) print(arr5) print(arr5[1]) print(arr5[1][2]) print(arr5[1,2]) print(arr5[1,:]) print(arr5[:,1]) print(arr5[1,0:2]) [[0 1 2] [3 4 5]] [3 4 5] 5 5 [3 4 5] [1 4] [3 4] 

pandas库

pandas库，第三方库安装：pip install pandas
本人安装时超时了，可以下载.whl格式再进行安装
下载地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#traits

根据需要下载相应版本

导入库：import pandas as pd
参考地址：pandas中文网：https://www.pypandas.cn/

Series

Series是一种类似于一维数组的对象，它由一维数组（各种numpy数据类型）以及一组与之相关的数据标签（即索引）组成.
这里面的“键”可以重复

一个类似于键值对的样式

s = pd.Series(['a','b','c','d','e']) print(s) 0    a 1    b 2    c 3    d 4    e #索引值index可以重复 s = pd.Series(['a','b','c','d','e'],index=[100,200,100,400,500]) print(s) 100    a 200    b 100    c 400    d 500    e #字典转换为Series d = {'b': 1, 'a': 0, 'c': 2} pd.Series(d) b    1 a    0 c    2 

可以通过Series的values和index属性获取其数组表示形式和索引对象

print(s.values) print(s.index) ['a' 'b' 'c' 'd' 'e'] Int64Index([100, 200, 100, 400, 500], dtype='int64') 

可以通过索引的方式选取Series中的单个或一组值

print(s[100]) print(s[[400, 500]]) 100    a 100    c dtype: object 400    d 500    e dtype: object 

Series中最重要的一个功能是：它会在算术运算中自动对齐不同索引的数据

Series 和多维数组的主要区别在于， Series 之间的操作会自动基于标签对齐数据。因此，不用顾及执行计算操作的 Series 是否有相同的标签。

当数据缺失时会用NaN自动补齐

obj1 = pd.Series({"Ohio": 35000, "Oregon": 16000, "Texas": 71000, "Utah": 5000}) obj2 = pd.Series({"California": np.nan, "Ohio": 35000, "Oregon": 16000, "Texas": 71000}) print(obj1 + obj2) California         NaN Ohio           70000.0 Oregon         32000.0 Texas         142000.0 Utah               NaN dtype: float64 

DataFrame

DataFrame是一个表格型的数据结构，类似于Excel或sql表

它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）

DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）

用多维数组字典、列表字典生成 DataFrame

data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'], 'year': [2000, 2001, 2002, 2001, 2002], 'pop': [1.5, 1.7, 3.6, 2.4, 2.9]} frame = pd.DataFrame(data) print(frame)     state  year  pop 0    Ohio  2000 1.5 1    Ohio  2001 1.7 2    Ohio  2002 3.6 3  Nevada  2001 2.4 4  Nevada  2002 2.9 

#如果指定了列顺序，则DataFrame的列就会按照指定顺序进行排列 frame1 = pd.DataFrame(data, columns=['year', 'state', 'pop']) print(frame1)    year   state  pop 0 2000    Ohio  1.5 1 2001    Ohio  1.7 2 2002    Ohio  3.6 3 2001  Nevada  2.4 4 2002  Nevada  2.9 

如果遇到了没有数据一样会用NaN进行填充

PIL库

PIL库是一个具有强大图像处理能力的第三方库。
安装：cmd格式下pip install pil
使用方法： from PIL import *

Image

导入from PIL import Image

读取图片等

Image.open()读取图
图片名.show调用计算机软件读取图片
图片名.mode返回图片模式（RGB， RGBA）

图片操作

图片名.rotate()图片旋转（）里面填写的是度数默认逆时针旋转
图片名.ceop()图片裁剪括号里面是裁剪位置的左上与右下坐标
图片名.resize()图片缩放，括号里面为照片大缩放后的大小
图片名.transpose(Image.FLIP_TOP_BOTTOM)图片上下镜像
图片名.transpose(Image.FLIP_LEFT_RIGHT)图片左右镜像

Matplotlib库

安装：cmd下pip install Matplotlib
参考地址：Matplotlib中文网：https://www.matplotlib.org.cn
导入：import matplotlib.pyplot as plt
通过构建x 和y的关系生成图片

x = np.linspace(-1,1,50) #等差数列 y = 2*x + 1 #传入x,y,通过plot()绘制出折线图  plt.plot(x,y) #显示图形 plt.show() 

其他的去官网取经吧！