import numpy as np

import matplotlib.pyplot as plt

python_list = [1, 2, 3, 4, 5]

# 创建int数组对象

numpy_list = np.array(python_list)

print(type(numpy_list)) # <class 'numpy.ndarray'>

print(numpy_list) # [1 2 3 4 5]

# 重新转回python_list

print(type(numpy_list.tolist())) # <class 'list'>

# 创建float数组对象

numpy_float_list = np.array(python_list, dtype=float)

print(numpy_float_list) # [1. 2. 3. 4. 5.]

# 创建bool数组对象

numpy_bool_array = np.array([0, 1, -1, 0, 0], dtype=bool)

print(numpy_bool_array) # [False True True False False]

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

print(np_array.shape) # (5,) 一维5元素

print(np_array.dtype) # int32

three_by_four_array = np.array([[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11]])

print(three_by_four_array.shape) # (3, 4) 三行四列

# numpy的加减乘除 向下取整 取余 指数 运算

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

print(numpy_list + 2) # [3 4 5 6 7]

print(numpy_list - 1) # [0 1 2 3 4]

print(numpy_list * 2) # [ 2 4 6 8 10]

print(numpy_list / 2) # [0.5 1. 1.5 2. 2.5]

print(numpy_list // 2) # [0 1 1 2 2]

print(numpy_list % 2) # [1 0 1 0 1]

print(numpy_list ** 2) # [ 1 4 9 16 25]

# 切片 [0:2, 0:2]表示二维里的 0-1行 0-1列

two_dimension_array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

print(two_dimension_array[:3, :3]) # 二维里的三行三列，就是输出原数组

# numpy数组元素类型转换

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

# 1.int to float

print(numpy_list.astype(dtype=float)) # [1. 2. 3. 4. 5.]

# 2.int to str

print(numpy_list.astype(dtype=str)) # ['1' '2' '3' '4' '5']

# 3.int to bool

print(numpy_list.astype(dtype=bool)) # [ True True True True True]

# 二维数组

two_dimension_array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 一行一行输出

print(two_dimension_array[0]) # [1 2 3]

print(two_dimension_array[1]) # [4 5 6]

print(two_dimension_array[2]) # [7 8 9]

# 一列一列输出

print(two_dimension_array[:, 0]) # [1 4 7]

print(two_dimension_array[:, 1]) # [2 5 8]

print(two_dimension_array[:, 2]) # [3 6 9]

# 翻转行和列

print(two_dimension_array[::-1]) # 翻转行 [[7 8 9][4 5 6][1 2 3]]

print(two_dimension_array[:, ::-1]) # 翻转列 [[3 2 1][6 5 4][9 8 7]]

print(two_dimension_array[::-1, ::-1]) # 翻转行和列 [[9 8 7][6 5 4][3 2 1]]

# 填充二维数组元素值

two_dimension_array[1, 1] = 10

print(two_dimension_array) # [[ 1 2 3][ 4 10 6][ 7 8 9]]

# 自动填充数组，使用0填充一个2行3列数组，默认类型是float

two_three_array = np.zeros((2, 3))

print(two_three_array) # [[0. 0. 0.] [0. 0. 0.]]

# 1行三列数组，int类型

one_three_array = np.zeros((1, 3), dtype=int)

print(one_three_array) # [[0 0 0]]

# 另外还有 使用1自动填充的数组

np_ones = np.ones((1, 3), dtype=int)

print(np_ones) # [[1 1 1]]

# 数组转化变形

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

print(first_shape)

# 2行3列 -> 3行2列

reshape_array = first_shape.reshape(3, 2)

print(reshape_array) # [[1 2][3 4][5 6]]

# 将二维数组转化为一维数组 TODO 怎么ide不提示这个方法

array_flatten = reshape_array.flatten()

print(array_flatten) # [1 2 3 4 5 6]

# 合并两个数组

python_list_one = [1, 2, 3]

python_list_two = [4, 5, 6]

# python类型数组相加

print(python_list_one + python_list_two) # [1, 2, 3, 4, 5, 6]

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

np_list_two = np.array([4, 5, 6])

# numpy类型数组 直接相加

print(np_list_one + np_list_two) # [5 7 9]

# numpy类型数组合并一维数组,有两个括号

print(np.hstack((np_list_one, np_list_two))) # [1 2 3 4 5 6]

# numpy类型数组合并成二维数组

print(np.vstack((np_list_one, np_list_two))) # [[1 2 3][4 5 6]]

# numpy生成随机数

np_random = np.random.random() # 生成1个0-1随机数

print(np_random)

np_random = np.random.random(5) # 生成5个0-1随机数组

print(np_random)

np_random = np.random.randint(2, 10, size=4) # 生成2-10内4个随机数 [4 9 7 6]

print(np_random)

np_random = np.random.randint(2, 10, size=(2, 2)) # 生成2-10内 2*2二维数组随机数

print(np_random)

# 生成一个均值为 2，标准差为 1，形状为 (3, 4) 的随机数组

np_random = np.random.normal(2, 1, size=(3, 4))

print(np_random)

# 矩阵

matrix = np.matrix(np.ones((4, 4), dtype=int))

print(matrix) # 输出4*4矩阵

# numpy的range方法，跟python自身的差不多

odd_list = np.arange(1, 10, 2)

print(odd_list) # 输出奇数[1 3 5 7 9]

even_list = np.arange(2, 10, 2)

print(even_list) # 输出偶数[2 4 6 8]

# numpy.linspace(start, end, size) 指定范围内生成均匀间隔数组

np_array = np.linspace(1, 10, 3, dtype=int)

print(np_array) # [ 1 5 10]

# numpy.logspace(start, end, size) 指定范围生成均匀个数 对数数组，默认10为底

np_array = np.logspace(1, 3, 3)

print(np_array) # [ 10. 100. 1000.]

print(np.logspace(1, 5, 5, base=2)) # [ 2. 4. 8. 16. 32.] 2为底

# 统计分析函数

np_array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 1.最大数，最小数，平均数

print(np_array.max()) # 9

print(np_array.min()) # 1

print(np_array.mean()) # 5.0

print(np.median(np_array)) # 中位数 5.0

print(np_array.std()) # 标准差 2.581988897471611

print(np.amin(np_array, axis=0)) # axis = 0 计算每列的最小值 [1 2 3]

print(np.amin(np_array, axis=1)) # axis = 1 计算每行的最小值 [1 4 7]

# 创建重复序列 np.repeat(array, n) 重复 n-1 次

my_array = [1, 2, 3]

print(np.repeat(my_array, 2)) # 每个元素重复一次 [1 1 2 2 3 3]

print(np.tile(my_array, 2)) # 整个序列重复一次 [1 2 3 1 2 3]

# 计算矩阵乘法

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

b = np.array([[5, 6], [7, 8]])

print(np.dot(a, b))

# 绘制图形坐标轴

x = np.array([0, 1, 2, 3, 4])

# 相当于坐标函数

y = x * 2

plt.plot(x, y)

# x轴文字描述

plt.xlabel('x')

# y轴文字描述

plt.ylabel('y')

# 标题文字描述

plt.title('test')

# x轴刻度值

plt.xticks(np.arange(0, 6, step=1))

plt.show()