本章开始学习python中numpy的一些主要的用法 numpy:一个在Python中做科学计算的基础库，重在数值计算，也是大部分Python科学计算的基础库，多用于在大型，多维数组上执行数值运算。 t1 = np.array([1, 2, 3])
t2 = np.array(range(10))
t3 = np.arange(10) # 速度是最快的
2.numpy数组的类型：int float bool等类型 相关介绍：本节主要介绍了数组的创建，数组的修改reshape操作，数组的简单计算+-*/的操作，广播原则。 t5 = np.arange(24).reshape(2, 3, 4) # 2代表的是块，3行4列的意思
print(t5)
2.广播机制：如果两个数组的后缘维度，即从末尾开始算起的维度的轴长度相符或者其中一方的长度为1，即认为他们是广播兼容的。广播会在缺失和（或）长度为1的维度上进行计算。 print(t6 + 2) #数组全部加2，在原有的基础上进行自加2
print(t6 + t9)
print(t6 * t9) # 道理是一样子的 都是对应位置进行加减乘除的运算即可
# 必须要行或者是列要一致才可以，不然会进行报错。
相关介绍：我们一般不会使用numpy这个方法进行数据的读取，因为在后续的pandas里面会有更好的方法进行文件数据的读取。 np.loadtxt(frame.dtype = np.load,delimiter =None,skiprows = 0,uncols = None,unpack = False)
# frame:文件，字符串产生器
# dtype: 数据的类型
# delimiter:分割字符串，默认是任何空格，改为逗号
# skiprows：跳过x行，一般跳过第一行表头
# uncols：读取指定的列，索引，元祖类型
# unpack：Ture :转置的效果，行变成列，列变成行
GB_file_path = "./archive/GBvideos.csv"
2.加载本地的数据：一般情况下使用下面的参数即可。 t1 = np.loadtxt(GB_file_path, delimiter=",", dtype="int", unpack=True)
print(t3.transpose())
print(t3.T)
相关介绍：本节主要介绍了使用loadtxt加载本地的数据，取数组行列的操作，检索数组的操作，剪枝clip的操作，nan的操作。 # 传入文件的路径
us_file_path = "./archive/USvideos.csv"
# 加载本地的数据
t1 = np.loadtxt(us_file_path, delimiter=",", dtype="int")
# 取连续多行的操作：: 即可
print(t1[1:])
# 取不行连续的多行的操作:[[]] 里面两个[]才可以
print(t1[[0, 1, 2]])
print(t1[:, 1:]) # 取连续的多列
print(t2.clip(10, 15))
# 在t2里面把小于10的替换成10,大于15的替换成15
t2[3, 3] = np.nan
# 输出为：cannot convert float NaN to integer
相关介绍：本节主要介绍数组的拼接，数组的交换，创建一个全为0，1的数组，random随机取数的操作 1.数组的拼接：vstack竖直拼接，hstack水平拼接 np.vstack # 竖直拼接
np.hstack # 水平拼接
np.zeros() # 创建全为0的数组
np.ones() # 创建全为1的数组
np.eye() # 创建对角线全为1的数组
3.random随机取数的一些用法：用的最多的是randint的用法：在一定的数字的范围之内进行取整数。 np.random.randint(10, 20, (4, 4)) # 在10-20之间随机进行取数字，成为4行4列的数组
但是每次出现的数字都是随机的，并不是一样子，可以使用seed的操作：
# 随机种子:跟上次的数字是一样子的。
np.random.seed(10)
相关介绍：寻找重要的相关数据点即可，少数的点可以进行删除或者省略。 1.直方图：设置组距，寻找最大值，最小值，公式计算得到组数。 d = 50
# 最大值-最小值，再去除以组距然后取整
bin_nums = (t_us_comment.max() - t_us_comment.min()) // d
t_uk_like = t_uk[:, 1]
t_uk_comment = t_uk[:, -1]
plt.scatter(t_uk_like, t_uk_comment)