numpy

一:基础简介#

1:介绍

Numpy是高性能科学计算和数据分析的基础包。它也是pandas等其他数据分析的工具的基础，基本所有数据分析的包都用过它。NumPy为Python带来了真正的多维数组功能，并且提供了丰富的函数库处理这些数组。它将常用的数学函数都支持向量化运算，使得这些数学函数能够直接对数组进行操作，将本来需要在Python级别进行的循环，放到C语言的运算中，明显地提高了程序的运算速度。

2:安装方式

pip install numpy

3:引用方式

import numpy as np  # 行业内默认起个别名 np

这是官方认证的导入方式，可能会有人说为什么不用from numpy import *,是因为在numpy当中有一些方法与Python中自带的一些方法，例如max、min等冲突，为了避免这些麻烦大家就约定俗成的都使用这种方法。

二:ndarray -多维数组对象#

1:ndarray使用方式

import numpy as np   # 导入numpy模块

np.array()   # 生成ndarray对象

2:ndarray使用优势

(1)如图所示 求商品总价格

方法一:通过for循环 循环出一个个元素

方法二:通过匿名函数 zip做出映射

PS：上述方法都是太麻烦

PS:

　　（1）此种方式就简单方便很多

3:ndarray是一个多维的数组列表

 PS:和列表的区别

  • 数组对象内的元素类型必须相同
  • 数组大小不可修改

4:常用属性

复制代码
l1= [ [1,2,3,4],[5,6,7,8]]
res1 = np.array(l1)
res1.T

array([[1, 5],  # 行列对换
       [2, 6],
       [3, 7],
       [4, 8]])
PS:其余比较简单 此处不写案例了

复制代码

5:数据类型

PS:

　　（1）整型： int32只能表示(-2**31，2**31-1),因为它只有32个位，只能表示2**32个数

　　（2）无符号整型： 只能用来存正数，不能用来存负数 补充：

　　（3）astype()方法可以修改数组的数据类型

 6:ndarray创建

复制代码
np.arange(10)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])   # 与python的range一样 顾头不顾尾


np.linspace(2,3,num=5,endpoint=False)   ### 在2 3之间平均分成五份 endpoint表示是否要包含尾部

array([2. , 2.2, 2.4, 2.6, 2.8])



np.zeros(10)  ### 表示生成多少个0
array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])


np.ones(10)   ### 表示生成多少个1
array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])


np.empty([2,3])   ### 随机生成一个数组
array([[4.25e-322, 0.00e+000, 0.00e+000],
       [0.00e+000, 0.00e+000, 0.00e+000]])

np.eye(5)   ### 建立矩阵
array([[1., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0.],
       [0., 0., 1., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.]])
使用方法
复制代码

7：索引和切片

（1）数组和数字之间的运算

import numpy as np
l1 = [[1,2,3,4],[5,6,7,8]]

res = np.array(l1)
res*2

array([[ 2,  4,  6,  8],
       [10, 12, 14, 16]])

（2）数组与数组求和

复制代码
l2 = [
    [1,2,3],
    [4,5,6]
]
a = np.array(l2)

# l3数组
l3 = [
    [7,8,9],
    [10,11,12]
]
b = np.array(l3)

a + b   # 对应位置相加(乘除也可以) 数组内部元素必须相等
复制代码

（3）索引取值

复制代码
import numpy as np
res = np.arange(10)
res.reshape(5,2)   # 生成一个数组 但是数组的行列成绩必须与arange中的数字相等

array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7],
       [8, 9]])

res.reshape(10) 多维变成一维数组

import numpy as np
arr = np.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],
       [24, 25, 26, 27, 28, 29]])
arr[3][2]   # 列表取值方法
arr[3,2]    # 数组取值方法 3表示行索引 2表示列索引
复制代码

（4）切片

arr = np.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],
       [24, 25, 26, 27, 28, 29]]
)
arr[2:4,2:4]    # 前面为行索引 后面为列索引

5:布尔型索引

（1）现在有这样一个需求：给一个数组，选出数组种所有大于5的数。

复制代码
li = [random.randint(1,10) for _ in range(30)]
a = np.array(li)
a[a>5]
执行结果：
array([10,  7,  7,  9,  7,  9, 10,  9,  6,  8,  7,  6])
----------------------------------------------
原理:
a>5会对a中的每一个元素进行判断，返回一个布尔数组
a > 5的运行结果：
array([False,  True, False,  True,  True, False,  True, False, False,
       False, False, False, False, False, False,  True, False,  True,
       False, False,  True,  True,  True,  True,  True, False, False,
       False, False,  True])
----------------------------------------------
布尔型索引：将同样大小的布尔数组传进索引，会返回一个有True对应位置的元素的数组
复制代码

 6:花式索引

（1）花式索引是NumPy用来描述使用整型数组（这里的数组，可以是NumPy的数组，也可以是python自带的list）作为索引的术语，其意义是根据索引数组的值作为目标数组的某个轴的下标来取值。对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应位置的元素；如果目标是二维数组，那么就是对应下标的行。

（2）总结起来就一句话 对于不连续的索引取值 可以使用该方法

复制代码
import numpy as np

l1= [ 1,2,3,4,5,6,7,8]
res1 = np.array(l1)
res1

res1[[1,3,5]]   # 花式索引取值

array([2, 4, 6])
复制代码

三:通用函数#

1:能对数组中所有元素同时进行运算的函数就是通用函数

2:能够接受一个数组的叫做一元函数，接受两个数组的叫二元函数，结果返回的也是一个数组

（1）一元函数

函数功能 
abs、fabs 分别是计算整数和浮点数的绝对值  
sqrt 计算各元素的平方根  
square 计算各元素的平方  
exp 计算各元素的指数e**x  
log 计算自然对数  
sign 计算各元素的正负号  
ceil 计算各元素的ceiling值  
floor 计算各元素floor值，即小于等于该值的最大整数  
rint 计算各元素的值四舍五入到最接近的整数，保留dtype  
modf 将数组的小数部分和整数部分以两个独立数组的形式返回，与Python的divmod方法类似  
isnan 计算各元素的正负号  
isinf 表示那些元素是无穷的布尔型数组  
cos，sin，tan 普通型和双曲型三角函数


 （2）二元函数

函数功能 
add 将数组中对应的元素相加  
subtract 从第一个数组中减去第二个数组中的元素  
multiply 数组元素相乘  
divide、floor_divide 除法或向下圆整除法（舍弃余数）  
power 对第一个数组中的元素A，根据第二个数组中的相应元素B计算A**B  
maximum，fmax 计算最大值，fmax忽略NAN  
miximum，fmix 计算最小值，fmin忽略NAN  
mod 元素的求模计算（除法的余数）


 3:数学统计方法

函数功能 
sum 求和  
cumsum 求前缀和  
mean 求平均数  
std 求标准差  
var 求方差  
min 求最小值  
max 求最大值  
argmin 求最小值索引  
argmax 求最大值索引

4:随机数

（1）:随机数生成函数在np.random的子包当中 

（2）:常用函数

函数功能 
rand 给定形状产生随机数组（0到1之间的数）  
randint 给定形状产生随机整数  
chocie 给定形状产生随机选择  
shuffle 与random.shuffle相同  
uniform 给定形状产生随机数组
posted @   SR丶  阅读(235)  评论(0)  编辑  收藏  举报
编辑推荐：
· AI与.NET技术实操系列：基于图像分类模型对图像进行分类
· go语言实现终端里的倒计时
· 如何编写易于单元测试的代码
· 10年+ .NET Coder 心语，封装的思维：从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热？
阅读排行：
· 25岁的心里话
· 闲置电脑爆改个人服务器（超详细） #公网映射 #Vmware虚拟网络编辑器
· 基于 Docker 搭建 FRP 内网穿透开源项目（很简单哒）
· 零经验选手，Compose 一天开发一款小游戏！
· 一起来玩mcp_server_sqlite，让AI帮你做增删改查！！
点击右上角即可分享
微信分享提示
CONTENTS
✕