Numpy实践-含源码

笔记灵感源自阿里云天池（个人整理使用，侵权删）

第一章-数据类型及数组的创建

一、常量

import numpy as np

print(0 * np.nan)
print(np.nan == np.nan)
print(np.inf > np.nan)
print(np.nan - np.nan)
print(0.3 == 3 * 0.1)

1. 0 * np.nan

   • 结果：nan
   • 原因：任何数乘以0理论上应该是0，但是NaN（Not a Number，不是一个数）是一个特殊的浮点值，用来表示未定义或无法表示的结果。当NaN参与到任何数学运算中时，结果通常也是NaN。因此，0乘以NaN的结果是NaN。

2. np.nan == np.nan

   • 结果：False
   • 原因：根据IEEE浮点数标准，NaN不等于任何值，包括它自己。这意味着NaN == NaN总是返回False。

3. np.inf > np.nan

   • 结果：False
   • 原因：当比较操作涉及到NaN时，结果总是False。这是因为NaN表示的是一个不确定的值，而不确定的值不能与其他数值（包括正无穷大inf）进行有意义的比较。

4. np.nan - np.nan

   • 结果：nan
   • 原因：两个NaN之间的任何算术运算（如加法、减法、乘法、除法）都会产生NaN，因为它们都是不确定的值。

5. 0.3 == 3 * 0.1

   • 结果：False
   • 原因：虽然从数学上看0.3等于0.1乘以3，但由于浮点数的内部表示方式，浮点数运算可能会引入微小的舍入误差。在这种情况下，3 * 0.1可能不会精确地等于0.3，而是非常接近0.3的一个值，比如0.30000000000000004。因此，直接比较这两个值会返回False。

二、将numpy的datetime64对象转换为datetime的datetime对象

import numpy as np
import datetime

dt64 = np.datetime64('2020-02-25 22:10:10')
dt = dt64.astype(datetime.datetime)
print(dt, type(dt))
# 2020-02-25 22:10:10 <class 'datetime.datetime'>

三、给定一系列不连续的日期序列。填充缺失的日期，使其成为连续的日期序列。

import numpy as np

# 创建一个从2020-02-01到2020-02-10之间每隔2天的日期数组
dates = np.arange('2020-02-01', '2020-02-10', 2, np.datetime64)
print(dates)  # 输出: ['2020-02-01' '2020-02-03' '2020-02-05' '2020-02-07' '2020-02-09']

# 初始化一个空列表，用于存储填充后的日期
out = []

# 遍历原始日期数组及其相邻日期之间的差值
for date, d in zip(dates, np.diff(dates)):
    # 使用arange生成从当前日期到下一个日期之间的所有日期
    out.extend(np.arange(date, date + d))

# 将填充后的日期列表转换为NumPy数组
fillin = np.array(out)

# 将最后一个日期添加到填充后的日期数组中
output = np.hstack([fillin, dates[-1]])

print(output)
# 输出: ['2020-02-01' '2020-02-02' '2020-02-03' '2020-02-04' '2020-02-05'
#        '2020-02-06' '2020-02-07' '2020-02-08' '2020-02-09']

四、如何得到昨天，今天，明天的的日期

yesterday = np.datetime64('today', 'D') - np.timedelta64(1, 'D')
today     = np.datetime64('today', 'D')
tomorrow  = np.datetime64('today', 'D') + np.timedelta64(1, 'D')
print ("Yesterday is " + str(yesterday))
print ("Today is " + str(today))
print ("Tomorrow is "+ str(tomorrow))

五、数组的创建

其中一例      S[1:-1, 1:-1] = 0

假设 S 是一个二维NumPy数组。这个操作的意思是将 S 数组中除了边界元素之外的所有内部元素设置为0。

1. 切片操作 [1:-1, 1:-1]：

   • 1:-1 表示从索引1到倒数第二个元素（不包括最后一个元素）。这里 -1 是Python中的负索引，表示从末尾开始计数。
   • 因此，1:-1 包括了从第一个元素之后到倒数第二个元素之前的全部元素。

2. 多维切片 [1:-1, 1:-1]：

   • 在二维数组中，第一个 1:-1 控制行索引，第二个