Numpy介绍

Numpy介绍

使用之前需要导入Numpy

import numpy as np
1

NumPy 的主要对象是同构多维数组。它是一个元素表（通常是数字），所有类型都相同，由非负整数元组索引。在 NumPy 中，维度称为轴。 例如，3D 空间中一个点的坐标[1, 2, 1]只有一个轴。该轴有 3 个元素，因此我们说它的长度为 3。在下图中的示例中，数组有 2 个轴。第一个轴的长度为 2，第二个轴的长度为 3。

NumPy 的数组类称为ndarray。它也被称为别名 array。请注意，numpy.array这与标准 Python 库类不同array.array，后者仅处理一维数组并提供较少的功能。ndarray对象更重要的属性是：

• ndarray.ndim 数组的轴数（维度）。
• ndarray.shape 数组的维度。这是一个整数元组，象征着每个维度中数组的大小。对于具有n行和m列的矩阵，shape将为(n,m)。因此，元组shape的长度是轴的数量，ndim。
• 数组大小数组的元素总数。这等于shape元素的乘积。
• ndarray.dtype 描述数组中元素类型的对象。可以使用标准 Python 类型创建或指定 dtype。此外，NumPy 提供了自己的类型。numpy.int32、numpy.int16 和 numpy.float64 是一些示例。
• ndarray.itemsize 数组每个元素的大小（以字节为单位）。例如，一个类型元素的数组float64有itemsize8 个（=64/8），而一个类型的元素complex32有itemsize4 个（=32/8）。它相当于ndarray.dtype.itemsize。
• ndarray.data 包含数组实际元素的缓冲区。通常，我们不需要使用此属性，因为我们将使用索引工具访问数组中的元素。

NumPy 数组创建

array创建

可以使用array函数从常规 Python 列表或元组创建数组

a = np.array([1,3,11])
a
1
2

array([ 1,  3, 11])
1

a.shape
1

(3,)
1

a.dtype
1

dtype('int32')
1

a = np.array([[1.1,2,3],[2,4,8]])
a
1
2

array([[1.1, 2. , 3. ],
       [2. , 4. , 8. ]])
1
2

a.shape
1

(2, 3)
1

a.dtype
1

dtype('float64')
1

zeros,ones创建

a = np.zeros((3,8))
a
1
2

array([[0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0.]])
1
2
3

a = np.ones((2,5))
a
1
2

array([[1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.]])
1
2

# 指定类型
a = np.ones((4,2),dtype=np.float64)
a.dtype
1
2
3

dtype('float64')
1

arange创建

np.arange(1,3)
1

array([1, 2])
1

np.arange(1,11,3)
1

array([ 1,  4,  7, 10])
1

np.array([np.arange(1,5,0.5),np.arange(1,9)])
1

array([[1. , 1.5, 2. , 2.5, 3. , 3.5, 4. , 4.5],
       [1. , 2. , 3. , 4. , 5. , 6. , 7. , 8. ]])
1
2

随机数创建

#生成一个 0 到 100 之间的随机整数：
np.random.randint(100)
1
2

67
1

# random 模块的 rand() 方法返回 0 到 1 之间的随机浮点数。
np.random.rand()
1
2

0.8036665376544574
1

np.random.rand(6,3)
1

array([[0.14565413, 0.67196986, 0.01603824],
       [0.05228213, 0.72782701, 0.47755347],
       [0.62613132, 0.08992243, 0.23964293],
       [0.23977211, 0.46031127, 0.22726328],
       [0.83314693, 0.79064596, 0.24260102],
       [0.73696135, 0.86420688, 0.86527412]])
1
2
3
4
5
6

#randint() 方法接受 size 参数，您可以在其中指定数组的形状。
np.random.randint(30,50,size = (6))
1
2

array([48, 47, 32, 33, 37, 48])
1

np.random.randint(44,51,size = (3,6))
1

array([[44, 47, 47, 46, 46, 48],
       [45, 44, 48, 49, 45, 50],
       [50, 46, 49, 49, 46, 50]])
1
2
3

#从数组生成随机数
np.random.choice([1,5,7])
1
2

7
1

np.random.choice([1,5,7,11,32],size = (2,3))
1

array([[ 5, 32,  1],
       [ 1, 11, 11]])
1
2

数组变形reshape

a = np.array([np.arange(1,5,0.5),np.arange(1,9)])
a
1
2

array([[1. , 1.5, 2. , 2.5, 3. , 3.5, 4. , 4.5],
       [1. , 2. , 3. , 4. , 5. , 6. , 7. , 8. ]])
1
2

a.reshape(4,4)
1

array([[1. , 1.5, 2. , 2.5],
       [3. , 3.5, 4. , 4.5],
       [1. , 2. , 3. , 4. ],
       [5. , 6. , 7. , 8. ]])
1
2
3
4

a.reshape(2,2,4)
1

array([[[1. , 1.5, 2. , 2.5],
        [3. , 3.5, 4. , 4.5]],

       [[1. , 2. , 3. , 4. ],
        [5. , 6. , 7. , 8. ]]])
1
2
3
4
5

运算

a = np.array([2,3,11])
a
1
2

array([ 2,  3, 11])
1

b = np.arange(1,4)
b
1
2

array([1, 2, 3])
1

a - b
1

array([1, 1, 8])
1

# 几次方
a ** 3
1
2

array([   8,   27, 1331], dtype=int32)
1

# sin
np.sin(a)
1
2

array([ 0.90929743,  0.14112001, -0.99999021])
1

# 大小比较
a <3
1
2

array([ True, False, False])
1

#  数组中按元素进行运算
a * b
1
2

array([ 2,  6, 33])
1

# 矩阵乘积
a = np.array([[2,3],[1,5]])
b = np.array([[1,2],[3,3]])
a
1
2
3
4

array([[2, 3],
       [1, 5]])
1
2

b
1

array([[1, 2],
       [3, 3]])
1
2

a @ b
1

array([[11, 13],
       [16, 17]])
1
2

a.dot(b)
1

array([[11, 13],
       [16, 17]])
1
2

#+=操作
a
1
2

array([[2, 3],
       [1, 5]])
1
2

a+=1
a
1
2

array([[4, 5],
       [3, 7]])
1
2

# 统计
a.max()
1
2

7
1

a.min()
1

3
1

a.sum()
1

19
1

np.sort(a)
1

array([[4, 5],
       [3, 7]])
1
2

np.exp(a)
1

array([[  54.59815003,  148.4131591 ],
       [  20.08553692, 1096.63315843]])
1
2

np.add(a,b)
1

array([[ 5,  7],
       [ 6, 10]])
1
2

NumPy 索引、切片和迭代

a = np.array([[1,2,3],[4,6,9]])
a
1
2

array([[1, 2, 3],
       [4, 6, 9]])
1
2

a[1]
1

array([4, 6, 9])
1

a[1][2]
1

9
1

a[1][1:3]
1

array([6, 9])
1

a[::-1]## reversed a
1

array([[4, 6, 9],
       [1, 2, 3]])
1
2

数组类型和类型之间的转换