numpy的基本使用

numpy概述

　　numpy介绍

　　　　# 一个开源的Python科学计算库
　　　　# 计算起来要比python简洁高效
　　　　# Numpy使用ndarray对象来处理多维数组
　　　　# NumPy提供了一个N维数组类型ndarray，它描述了相同类型的“items”的集合
　　　　# 生成numpy对象:np.array()

　　numpy的优势

　　　　# 内存块风格
    　　　　　# list -- 分离式存储,存储内容多样化
   　　　　　 # ndarray -- 一体式存储,存储类型必须一样

　　　　# ndarray支持并行化运算（向量化运算）

　　　　# ndarray底层是用C语言写的,效率更高,释放了GIL

numpy数据结构————ndarray

　　ndrray 是一种类似于多维数组的一体式存储数据类型，对ndarray的操作进行了相关的优化，专门用于对多维数组（多用于二维数组矩阵）进行高效率的数学运算。

　　ndarray的属性

　　　　# ndarray.shape

　　　　# ndarray.ndim

　　　　# ndarray.size

　　　　# ndarray.itemsize

　　　　# ndarray.dtype

numpy的基本操作

　　生成数组的方法

　　　　生成0和1的数组

　　　　　　ones = np.ones([4, 8])

　　　　　　zeros = np.zeros(ndarray.shape)

　　　　　　ones1 = np.ones_like(ndarray)

　　　　　　zeros1 = np.zeros_like(ndarray)

　　　　从现有数组进行生成

　　　　　　np.array(ndarray)

　　　　　　np.asarray(ndarray)

　　　　生成固定范围数组

　　　　　　# np.linspace(0, 100, 11)

　　　　　　# np.arrange(10, 50, 2)

　　　　　　# np.logspace(0, 2, 10)

 

　　　　正态分布

　　　　　　np.random.normal(loc, scale, size)

　　　　　　np.radndom.randn(d0, d1, d2, ...)

　　　　均匀分布

　　　　　　np.random.uniform(low, high, size)　

　　　　　　np.random.rand(d0, d1, d2, ...)

　　　　　　np.random.randint(low, high, size)

　　数组的切片、索引

　　　　ndarray[:][:][:]...　　先行后列

　　数组形状的修改

　　　　ndarray.reshape(array.shape)

　　　　ndarray.resize(array.shape)

　　　　ndarray.T

　　元素类型的修改

　　　　ndarray.dtype

　　　　ndarray.astype(np.dtype)

　　　　bytes = ndarray.tobytes()

　　数组去重

　　　　np.unique(ndarray)

ndarray运算

　　逻辑运算

　　　　ndarray > 60

　　　　ndarray[ndarray>60] = 1

　　　　　　　　相同shape的dtype=bool

　　通用判断函数

　　　　np.all(ndarray>num)

　　　　np.any(ndarray>num)

　　三元运算符

　　　　np.where(ndarray>num, 1, 0)

　　　　np.where(np.logicl_and(ndarray>num1, ndarray<num2), 1, 0)

　　　　np.where(np.logic_or(ndarray<num1, ndarray>num2), 1, 0)

　　统计运算

　　    # np.max(ndarray, axis)
    　　# np.min()
   　　 # np.median()
   　　 # np.mean()
   　　 # np.std()
    　　# np.var()
    　　# np.argmax(axis=) — 最大元素对应的下标
    　　# np.argmin(axis=) — 最小元素对应的下标

数组间的运算

　　数组与数之间的运算

　　　　ndarray + 1

　　　　ndarray / 2

　　数组与数组之间的运算

　　　　广播机制

　　　　arr1 = np.array([[1, 2, 3, 2, 1, 4], [5, 6, 1, 2, 3, 1]])
　　　　arr2 = np.array([[1], [3]])

　　　　arr1 + arr2

数学矩阵

　　　　a1 = np.array([[1, 2, 3], [4,5,6], [7,8,0]])
　　　　a2 = np.array([[1,2,1],[1,1,2],[2,1,1]])

　　　　np.matmul(a1, a2)　　

　　　　np.dot(a1, a2)

　　　　#注意：二者都是矩阵乘法。 np.matmul中禁止矩阵与标量的乘法。 在矢量乘矢量的內积运算中，np.matmul与np.dot没有区别。

　　

　　

　　　　　　

　

　　

　　　　

　　

¶