Numpy

1. 数组创建

数组内容会转换为统一类型。

arr1 = np.array([1., 2, 3, 4])
>>>[1. 2. 3. 4.]#都是浮点型
arr2 = np.array([1, "a", 3, 4])
>>>['1' 'a' '3' '4']#都是字符串

1. 更换数组结构 ```python arr1.shape=(2,2)#在原对象上进行修改，不产生新对象

arr1.reshape(2,2)#产生新的对象

3. 广播
```python
arr15 = np.arange(15).reshape((5, 3))
>>>[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]
 [12 13 14]]
arr16 = np.array([1, 2, 3])
arr15 + arr16#numpy可以按照默认0维度进行广播
>>>[[ 1  3  5]
 [ 4  6  8]
 [ 7  9 11]
 [10 12 14]
 [13 15 17]]

1. np.multiply（）、np.dot（）和星号（*）三种乘法运算的区别 ```python

   np.multiply()函数

   对应位置相乘，输出与相乘数组/矩阵的大小一致

   arr_1 = np.array([[1, 2],

              [3, 4]])

   arr_2 = np.array([[5, 6],

              [7, 8]])

   np.multiply(arr_1, arr_2)

   > array([[ 5, 12],

   [21, 32]])

np.dot()函数

对于秩为1的数组，执行对应位置相乘，然后再相加，可以理解为向量点积

arr_3 = np.array([0, 1, 2]) arr_4 = np.array([3, 2, 1]) np.dot(arr_3, arr_4)

4

np.dot()函数

对于秩不为1的二维数组，执行矩阵乘法运算

arr_1 = np.array([[1, 2], [3, 4]]) arr_2 = np.array([[5, 6], [7, 8]])

np.dot(arr_1, arr_2)

array([[19, 22], [43, 50]])

星号（*）

对数组执行对应位置相乘

arr_1 * arr_2

array([[ 5, 12], [21, 32]]) ```

Pandas