numpy数据库

numpy中的数组

0、导包

import numpy as np

1、创建数组

>>> # 创建数组，得到darray类型
>>> t1 = np.array([1, 2, 3])
>>> t2 = np.array(range(8))
>>> t3 = np.arange(1, 9, 2)

2、数组为  numpy.ndarray  类型

>>> print(t1)
[1 2 3]
>>> print(type(t1))     # 数组的类名
<class 'numpy.ndarray'>

3、数组中数据类型

>>> print(t1.dtype)     # 数据的类型
int32

4、指定数组中数据类型

>>># 指定数组的数据类型为float
>>> t4 = np.array(range(1,4),dtype=float)    # 指定数组的数据类型为float
>>> print(t4)
[1. 2. 3.]
>>> print(t4.dtype)
float64
>>>
>>>
>>># 指定数组的数据类型为int8
>>> t5 = np.array(range(1,4),dtype="i1")    # 指定数组的数据类型为int8
>>> print(t5)
[1 2 3]
>>> print(t5.dtype)
int8
>>>
>>>
>>># 指定数组的数据类型为bool
>>> t6 = np.array([1,1,0,1,0,1,2],dtype=bool)    # 指定数组的数据类型为bool
>>> print(t6)
[ True  True False  True False  True  True]
>>> print(t6.dtype)
bool

数据类型合集：

5、改变数组中数据类型

>>># 调整数据类型
>>> t7 = t6.astype("int8")        # 调整数据类型
>>> print(t7)
[1 1 0 1 0 1 1]
>>> print(t7.dtype)
int8

6、numpy  中的小数

>>> # numpy中的小数
>>> import random
>>> t8 = np.array([random.random() for i in range(10)])
>>> print(t8)
[0.09920204 0.93539751 0.54779053 0.35806529 0.61311635 0.90631822
 0.46175299 0.5640876  0.96294561 0.5474859 ]
>>> print(t8.dtype)
float64

7、设置小数位数  round()  函数

>>> # 对t8保留一定小数位
>>> t9 = np.round(t8,2)
>>> print(t9)
[0.1  0.94 0.55 0.36 0.61 0.91 0.46 0.56 0.96 0.55]

8、取小数位数的方法

>>> round(random.random(),3)    # round()函数，取小数位
0.583
>>> "%.3f"%random.random()      # 取小数位
'0.988'
>>> "%.3f"%random.random()      # 取小数位
'0.626'

综合代码

>>> import numpy as np
>>>
>>>
>>> # 创建数组，得到darray类型
>>> t1 = np.array([1, 2, 3])
>>> t2 = np.array(range(8))
>>> t3 = np.arange(1, 9, 2)
>>>
>>>
>>> print(t1)
[1 2 3]
>>> print(type(t1))     # 数组的类名
<class 'numpy.ndarray'>
>>> print(t1.dtype)     # 数据的类型
int32
>>>
>>>
>>> print(t2)
[0 1 2 3 4 5 6 7]
>>> print(t3)
[1 3 5 7]
>>>
>>># 指定数组的数据类型为float
>>> t4 = np.array(range(1,4),dtype=float)    # 指定数组的数据类型为float
>>> print(t4)
[1. 2. 3.]
>>> print(t4.dtype)
float64
>>>
>>># 指定数组的数据类型为int8
>>> t5 = np.array(range(1,4),dtype="i1")    # 指定数组的数据类型为int8
>>> print(t5)
[1 2 3]
>>> print(t5.dtype)
int8
>>>
>>># 指定数组的数据类型为bool
>>> t6 = np.array([1,1,0,1,0,1,2],dtype=bool)    # 指定数组的数据类型为bool
>>> print(t6)
[ True  True False  True False  True  True]
>>> print(t6.dtype)
bool
>>>
>>># 调整数据类型
>>> t7 = t6.astype("int8")        # 调整数据类型
>>> print(t7)
[1 1 0 1 0 1 1]
>>> print(t7.dtype)
int8
>>> 
>>> # numpy中的小数
>>> import random
>>> t8 = np.array([random.random() for i in range(10)])
>>> print(t8)
[0.09920204 0.93539751 0.54779053 0.35806529 0.61311635 0.90631822
 0.46175299 0.5640876  0.96294561 0.5474859 ]
>>> print(t8.dtype)
float64
>>>
>>> # 对t8保留一定小数位
>>> t9 = np.round(t8,2)
>>> print(t9)
[0.1  0.94 0.55 0.36 0.61 0.91 0.46 0.56 0.96 0.55]
>>> round(random.random(),3)    # round()函数，取小数位
0.583
>>> "%.3f"%random.random()      # 取小数位
'0.988'
>>> "%.3f"%random.random()      # 取小数位
'0.626'

numpy中的矩阵（多维数组）

1、shape()

>>> t1 = np.arange(4)
>>> t2 = np.array([2,4,6,8])
>>> t3 = np.array([[1,2,3],[4,5,6]])
>>> t4 = np.array([[[1,2,3,4],[5,6,7,8],[9,10,11,12]],[[13,14,15,16],[17,18,19,20],[21,22,23,24]]])
>>> t1.shape
(4,)
>>> t2.shape
(4,)
>>> t3.shape
(2, 3)
>>> t4.shape
(2, 3, 4)

2、reshape()

reshap()有返回值，不会改变原来的数组，返回改变后的数组。

>>> t5 = np.arange(24).reshape(2,3,4)
>>> print(t5)
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]
 
 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
>>> t6 = t5.reshape((24,))    #将数组变一维
>>> print(t6)
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
>>> t7 = t5.reshape((24,1))
>>> print(t7)
[[ 0]
 [ 1]
 [ 2]
 [ 3]
 [ 4]
 [ 5]
 [ 6]
 [ 7]
 [ 8]
 [ 9]
 [10]
 [11]
 [12]
 [13]
 [14]
 [15]
 [16]
 [17]
 [18]
 [19]
 [20]
 [21]
 [22]
 [23]]
>>> t7 = t5.reshape((1,24))
>>> print(t7)
[[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]]

3、flatten()

将数组变为一维，不需要传入参数

>>> t8 = t5.flatten()
>>> t8
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23])

4、矩阵运算    +    -    *   /

两个矩阵维度相同时，其加减乘除为对应位置元素运算后的新矩阵；对于两个维数不同的矩阵，其行数或列数有一个相同时，其进行运算时，会发生广播，仍然可以运算；行数和列数都不同时，运算发生错误。

广播：如果两个数组的后缘维度（trailing dimension，即从末尾开始算起的维度）的轴长度相符或其中一方的长度为1，则认为它们是广播兼容的。广播会在缺失和 (或)长度为1的维度上进行。