这里介绍python的一个库，numpy库，这个库是机器学习，数据分析最经常用到的库之一，也是利用python做数据必须用到的一个库，入门机器学习学的第一个python库就是它了。

先对其导入到python中，相关代码如下：

import numpy

1.首先利用这个库创建一个一维数组：

a=np.arange(10)

print(a)

输出结果如下：

[0 1 2 3 4 5 6 7 8 9]

2.创建一个布尔型的数组：

a=np.full((3,3),True,dtype=bool)

print(a)

结果如下：

[[ True True True]

[ True True True]

[ True True True]]

3.从一维数组从提取满足条件的元素，比方说提取出奇数的元素：

import numpy as np

a=np.arange(10)

print(a[a%2==1])

结果如下：

[1 3 5 7 9]

4.将数组中的所有奇数替换成-1而不影响原始的数组：

import numpy as np

a=np.arange(10)

print(a[a%2==1])

out=np.where(a%2==1,-1,a)

print(out)

print(a)

结果如下：

[1 3 5 7 9]

[ 0 -1 2 -1 4 -1 6 -1 8 -1]

[0 1 2 3 4 5 6 7 8 9]

5.将一行的数组转化为两行的数组：

import numpy as np

a=np.arange(10)

print(a)

b=a.reshape(2,-1)

print(b)

结果如下：

[0 1 2 3 4 5 6 7 8 9]

[[0 1 2 3 4]

[5 6 7 8 9]]

6.组合两个不同的数组，垂直堆叠数组：

import numpy as np

a=np.arange(10).reshape(2,-1)

print(a)

b=np.ones(10).reshape(2,-1)

print(b)

c=np.concatenate((a,b),axis=0)

print(c)

结果如下：

[[0 1 2 3 4]

[5 6 7 8 9]]

[[1. 1. 1. 1. 1.]

[1. 1. 1. 1. 1.]]

[[0. 1. 2. 3. 4.]

[5. 6. 7. 8. 9.]

[1. 1. 1. 1. 1.]

[1. 1. 1. 1. 1.]]

7.采用另外的一种方法水平堆叠两个不同的数组：

import numpy as np

a=np.arange(10).reshape(2,-1)

print(a)

b=np.ones(10).reshape(2,-1)

print(b)

c=np.hstack((a,b))

print(c)

#垂直堆叠的话将hstack改为vstack

结果如下：

[[0 1 2 3 4]

[5 6 7 8 9]]

[[1. 1. 1. 1. 1.]

[1. 1. 1. 1. 1.]]

[[0. 1. 2. 3. 4. 1. 1. 1. 1. 1.]

[5. 6. 7. 8. 9. 1. 1. 1. 1. 1.]]

8.如何获得两个数组之间的共同元素：

import numpy as np

a=np.array([0,1,2,3,4,5,6,7,8,9]).reshape(2,-1)

b=np.array([7,2,3,8,6,5,4,0,8,8]).reshape(2,-1)

c=np.intersect1d(a,b)

print(c)

结果：

[0 2 3 4 5 6 7 8]

9.如何交换二维数组中的两个列，比方说第一和第二列：

import numpy as np

a=np.array([0,1,2,3,4,5,6,7,8]).reshape(-1,3)

print(a)

b=a[:,[1,0,2]]

print(b)

结果：

[[0 1 2]

[3 4 5]

[6 7 8]]

[[1 0 2]

[4 3 5]

[7 6 8]]

10.创建一个随机数组：

import numpy as np

a=np.random.random(9).reshape(3,3)

print(a)

结果：

[[0.35743078 0.45562558 0.47565199]

[0.21876288 0.7162558 0.88601442]

[0.87192744 0.2853304 0.48398916]]

11.打印数组并且保留3位小数：

import numpy as np

a=np.random.random(9).reshape(3,3)

print(a)

np.set_printoptions(precision=3)

print(a)

结果：

[[0.61684015 0.01555676 0.59569796]

[0.74603776 0.04927135 0.98439895]

[0.38879249 0.71765352 0.24739962]]

[[0.617 0.016 0.596]

[0.746 0.049 0.984]

[0.389 0.718 0.247]]

12.求数组的平均值，中位数和标准差：

import numpy as np

a=np.random.random(9).reshape(3,3)

print(a)

mean,mid,std=np.mean(a),np.median(a),np.std(a)

print(mean,mid,std)

结果：

[[0.69353914 0.41381197 0.08503532]

[0.59348658 0.72611527 0.93285931]

[0.11307856 0.01634739 0.71822684]]

0.476944488122813 /t 0.593486582461256 0.3146044225752866

这里顺便提一下其他的函数，比方绝对值函数abs，平方函数square，四舍五入函数rint，方差var，求和平均值就不说了。。

13.多维数组的切片：

import numpy as np

a=np.arange(24).reshape((2,3,4))

print(a)

print()

#选取一个维度的

b=a[:,1,-3]

print(b)

print()

c=a[:,1:3,:]

print(c)

print()

#利用步长跳跃切片

d=a[:,:,::2]

print(d)

结果如下：

[[[ 0 1 2 3]

[ 4 5 6 7]

[ 8 9 10 11]]

[[12 13 14 15]

[16 17 18 19]

[20 21 22 23]]]

[ 5 17]

[[[ 4 5 6 7]

[ 8 9 10 11]]

[[16 17 18 19]

[20 21 22 23]]]

[[[ 0 2]

[ 4 6]

[ 8 10]]

[[12 14]

[16 18]

[20 22]]]

暂时第一篇博客就写到这，因为自己是菜鸡中的菜鸡，所以如果以上的代码或者结果有错误的话，也很正常，欢迎指正指导！