Numpy——老师PPT

Numpy

优点：

ndarray

• shape：数组对象的形状，返回一个描述数组各个轴的长度的元组，元组的长度等于数组的维数。
  
  

ndarray的维度仅仅是告诉numpy如何读取而已
改变shape即可改变数组的形状。
使用reshape创建指定形状的新数组

• dtype
  
  创建数组时可以指定数据类型

• astype
  
  
  -从数列创建ndarray数组

# 通过开始值、终值和步长来创建等差数列
np.arange(0, 1, 0.1)  # 注意1不在数组中！
# 通过开始值、终值和元素个数创建等差数列
np.linspace(0, 1, 10)
np.linspace(0, 1, 10, endpoint=False)  # 可以通过endpoint参数指定是否包含终值，默认值为True，即包含终值
# 通过开始值、终值和元素个数创建等比数列
np.logspace(0, 2, 5)
# 可以通过base更改底数，默认为10;可以通过endpoint参数指定是否包含终值，默认值为True
np.logspace(0, 1, 12, base=2, endpoint=False)
1
2
3
4
5
6
7
8
9

a = np.random.normal(size=(3, 5))
print(a)
# 把小于0的都屏蔽掉
b = np.ma.masked_where(a < 0, a)
print(b)

1
2
3
4
5
6

通过代码来学习

print(np.array([1, 2, 3], dtype=float))  # 生成float型的数组
print(np.array([[1, 2, 3], [3, 5, 1]]))  # 二维数组
print(np.arange(0, 3, 1))  # 从start到end-1，步长为1，

print(np.linspace(0, 3, 4))  # 从0到3，共4个数，都是float
print(np.ones((2, 3)))  # 2行3列的1

print(np.repeat([1, 2], 2))  # 数组里面的每个数重复2次
print(np.tile([1, 2], 2))  # [1,2]重复两次，即[1,2,1,2]

print(np.random.random(3))  # 取3个0~1之间的随机数
print(np.random.randn(3))  # 取3个标准正态分布
print(np.random.normal(loc=0, scale=1, size=3))  # 取3个均值为0，标准差为1的正态分布
1
2
3
4
5
6
7
8
9
10
11
12
13

'''
2.索引变换
[]选定下标    按照[]内的数字来选定
：分隔        如果前后没有数则是全部数据
，不同维度    横轴，纵轴
···遍历剩下的维度
'''
a = np.arange(6).reshape(3, 2)  # 从0到6-1，2维的，形状是3行2列
print(a)  # 把原来的[0,1,2,3,4,5]改造成[[0,1],[2,3],[4,5]] 3行2列

print(a[:, 0])  # 纵轴，选取下标为0的所有列，即第一列
print(a[[0, 1], :])  # 横轴，选取下标为0的所有行，下标为1的所有行，即前两行
print(a[:, 1])  # 纵轴，选取下标为1的那一列
print(a[1, :])  # 横轴，选取下标为1的那一行
print(a[1, 1])  # 选取（1，1）这个元素

a = a.reshape(2, 3)  # 将原来3X2,改为2X3
print(a)
a = np.transpose(a)  # 置换数组轴,需要a = 转置结果，不然实现不了
print(a)
a = a.T  # 转置
print(a)
print(a.flatten())  # 平迭展开,返回一份拷贝，对拷贝所作的修改不会影响原始矩阵
print(a.ravel())  # 平迭展开 ，返回视图，会影响原始矩阵
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

'''
sort()直接返回排序后的数组
argsort()返回数组排序后的下标
msort()沿着第一个轴排序
axis=0按列排序
axis=1按行排序
'''
a = np.array([3, 2, 5, 4])  # 生成一个数组，元素是一个列表
print(a)
a = np.sort(a)  # 默认升序
print(a)
a.sort()  # 调用sort也可以，这里可以不用赋值
print(a)
b = np.array([[1, 4, 3], [4, 5, 1], [2, 3, 2]])
print(b)
b.sort(axis=0)  # 按列排序
print(b)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

'''
水平组合hstack——把所有参加组合的数组拼接起来，各数组行数应相等
垂直组合vstack——追加，列数应相等
深度组合dstack
列组合colume_stack
行组合row_stack
'''
a = np.arange(6).reshape(3, 2)  # 3行2列
print(a)
b = np.arange(9).reshape(3, 3)  # 3行3列
print(b)
# 水平组合，下面三种方式结果都一样
d = np.hstack((a, b))
d = np.concatenate((a, b), axis=1)  # 按行排序
d = np.append(a, b, axis=1)
print(d)
# 垂直组合，下面三种方式结果都一样
c = np.arange(6).reshape(2, 3)
print(c)
d = np.vstack((b, c))
d = np.concatenate((b, c), axis=0)
d = np.append(b, c, axis=0)
print(d)

d = np.append(a, c)  # shape不一样，放一行
print(d)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

ufunc——universal function

对数组的每个元素进行运算的函数

NumPy内置的许多ufunc函数都是用c语言实现的，速度很快

NumPy的数组对象支持加减乘除等操作，因为加减乘除操作在NumPy中使用ufunc实现，实际上是调用了ufunc

ufunc函数：自定义——使用frompyfunc(func, nin, nout)
其中func是python函数，nin是func的输入参数个数，nout是func的返回值个数

'''
使用savetxt，可以将ndarray对象输出为文本文件
但它只支持1维或2维ndarray
文件的扩展名可以自由设定，savetxt不会给你自动添加。一般设定为txt。
savetxt函数有很多参数，可以实现复杂的格式化输出
help(np.savetxt)
'''
a = np.random.normal(size=(3, 5))
np.savetxt('a.txt', a, fmt='%10.8f', delimiter=' ', header='a0 a1 a2 a3 a4', comments='#')
1
2
3
4
5
6
7
8
9

'''
使用loadtxt，从文本文件读取ndarray对象
loadtxt函数也有很多参数，可以从多种多样的文本文件读取数据，例如csv文件
help(np.loadtxt)
每个ndarray对象都有tofile方法，可以快速输出为文本文件或二进制文件
但是tofile方法的选项比较少
设定sep参数为非空的字符串，tofile会输出为文本文件
'''
# 随机生成ndarray
a = np.random.random((5, 5))
b = np.random.normal(size=(5, 5))
# 使用loadtxt，从文本文件读取ndarray对象
af = np.loadtxt('a.txt')
print(af)

a.tofile('a.txt', sep=',', format='%10.8f')
# 可以用fromfile读取，要注意设定正确的sep参数才行
# 读取的数组的维度信息并没有被保存，丢失了
af = np.fromfile('a.txt', sep=',')
print(af)
# 使用tofile保存二进制文件，这是tofile的默认方式
a.tofile('a.bin')
# 使用fromfile同样也能读二进制文件，数组的维度信息也丢失了
af = np.fromfile('a.bin')
print(af)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25