Numpy

0. NumPy介绍

　　NumPy是Python的一个高性能科学计算和数据分析基础库，提供了功能强大的多维数组对象ndarray。
　　引入numpy，并重命名为np，方便使用
　　import numpy as np

1. 创建数组

  • 1.1使用numpy内置的array函数创建数组

    • 创建一维数组
    arr1 = np.array([1,2,3])
print(type(arr1))
print(arr1)
    测试结果:

    <class 'numpy.ndarray'>

    [1 2 3]

    • 创建二维数组
    arr2 = np.array([[1,2,3],[4,5,6]])
print(arr2)
    测试结果:

    [[1 2 3]
    [4 5 6]]

  • 1.2使用arange函数创建数组

    • 使用arange函数创建包含0到9 十个数字的一维数组
    #注意：arange函数返回的数组默认第一个元素是0，结束元素是指定的数值前一个数字9
arr_1 = np.arange(10)
print(arr_1)
    测试结果:

    [0 1 2 3 4 5 6 7 8 9]

    • 通过arange函数设置“开始、结束、步长”三个参数创建包含1到10所有奇数的一维数组
    #从1开始，到10前一位结束，步长为2表示相邻两个元素的差值是2
arr_2 = np.arange(1,10,2)
print(arr_2)
    测试结果:

    [1 3 5 7 9]

  • 1.3全0、全1数组zeros,ones

    • 使用zeros函数创建一个包含10个全0数字的一维数组
    • 使用ones函数创建一个包含5个全1数字的一维数组
    • 创建3行4列全1二维数组
    z1 = np.zeros(10)
print(z1)
o1 = np.ones(5)
print(o1)
o2 = np.ones((3,4))
print(o2)
    测试结果:

    [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]

    [1. 1. 1. 1. 1.]

    [[1. 1. 1. 1.]
    [1. 1. 1. 1.]
    [1. 1. 1. 1.]]

  • 1.4通过genfromtxt函数从文件导入生成数组

test.txt文件
aa,bb,cc
11,22,33
- ```dtype```是数组类型，```delimiter```以什么分割
text = np.genfromtxt('text.txt',dtype=str,delimiter=',')
print(type(text))
print(text)
测试结果:

<class 'numpy.ndarray'>

[['aa' 'bb' 'cc']
['11' '22' '33']]

2. 数组的属性方法

  • 2.1 查看数组维度shape

    • 查看o2各维度的大小
    • 查看o2第1维的大小（行数）
    • 查看o2第2维的大小（列数）
    o2 = np.ones((3,4))
#运行结果是一个元组(3,4)表示第1维的大小是3（也是就是3行），第2维的大小是4（也就是4列）
print(o2.shape)
print(o2.shape[0])
print(o2.shape[1])
    测试结果:

    (3, 4)

    3

    4

  • 2.2元素类型及转换dtype,astype

    • 查看数组中元素类型
    • 类型转换函数
    print(o2.dtype)
#类型转换函数astype,数组元素由float64类型转换成int32类型，并返回一个新的数组o2_1，原数组o2元素类型不变
o2_1 = o2.astype(np.int32)
#o2数组类型不变
print(o2.dtype)
#o2_1数组中元素类型为int32
print(o2_1.dtype)
    测试结果:

    float64

    float64

    int32

#创建字符串类型数组,dtype('<U5')表示字符串不超过5位
arr_string = np.array(["12.78","23.15","34.5"])
print(arr_string.dtype)
#将字符串数组转换成浮点类型数组
arr_float = arr_string.astype(np.float64)
print(arr_float.dtype)
print(arr_float)
#float类型数组转换成整型数组，小数部分将会被截断
arr_int = arr_float.astype(np.int32)
print(arr_int.dtype)
print(arr_int)
#numpy自动识别元素类型
print(np.array([1, 2, 3]).dtype)
测试结果:

<U5

float64

[12.78 23.15 34.5 ]

int32

[12 23 34]

int32

3. 索引与切片

  • 3.1一维数组索引与切片

#创建一维数组
arr1d = np.arange(10)
print(arr1d)
#数组的索引从0开始，通过索引获取第三个元素
print(arr1d[2])
#切片,左闭右开区间，从索引3开始，直到索引7结束
print(arr1d[3:8])
#数组脚标由右往左是从-1开始，每向左一位脚标数字减1，获取最后一个元素，等价arr1d[9]
print(arr1d[-1])
#将标量赋值给切片，会广播到切片的整个选区
arr1d[3:5] = 10
print(arr1d)
测试结果:

[0 1 2 3 4 5 6 7 8 9]

2

[3 4 5 6 7]

9

[ 0 1 2 10 10 5 6 7 8 9]

  • 3.2二维数组索引与切片

#创建二维数组
arr2d = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
print(arr2d)
#第一维脚标（索引值）是0的元素是一个数组
print(arr2d[0])
#第一维脚标（索引值）是1，第二维脚标（索引值）是3的元素，可以理解为获取二维数组中第2行第4列的元素
print(arr2d[1, 3])
#截取到二维数组的第二个元素
print(arr2d[:2])
#只有冒号表示选取整个行轴的元素，竖轴从脚标1取到脚标3的前一位，可以理解为取所有行的第2列和第3列数据
print(arr2d[:, 1:3])
#沿着第行轴方向从脚标1开始取到最后，竖轴从脚标1开始取到3的前一位
print(arr2d[1:, 1:3])
测试结果:

[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]

[1 2 3 4]

8
[[1 2 3 4]
[5 6 7 8]]

[[ 2 3]
[ 6 7]
[10 11]]

[[ 6 7]
[10 11]]

4. 数组的运算

  • 4.1转置（行转列，列转行）

#reshape(shape)函数改变数组形状，shape是一个元组，表示数组的形状
#创建一个包含15个元素的一维数组，通过reshape函数调整数组形状为3行5列的二维数组
arr = np.arange(15).reshape((3,5))
print(arr)

#转置，数组转置可以使用transpose方法或者T属性，转置返回的是源数组的视图，不会进行任何复制操作
#将3行5列的二维数组arr转置为5行3列的二维数组
print(arr.transpose())

#使用T属性实现转置
print(arr.T)

#注意：转置过后是生成新数组
print(arr)
测试结果:

[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]]

[[ 0 5 10]
[ 1 6 11]
[ 2 7 12]
[ 3 8 13]
[ 4 9 14]]

[[ 0 5 10]
[ 1 6 11]
[ 2 7 12]
[ 3 8 13]
[ 4 9 14]]

[[ 0 1 2 3 4]
[ 5 6 7 8 9]
[10 11 12 13 14]]

  • 4.2数组与标量算术运算

arr1 = np.array([[1,2,3],[4,5,6]])
#对数组中每个元素求平方
print(arr1 ** 2)

#数组arr1中的每个元素加10
print(arr1 + 10)
测试结果:

[[ 1 4 9]
[16 25 36]]

[[11 12 13]
[14 15 16]]

  • 4.3算术运算

    • 注意：两个数组做算数法要求两个数组的结构要相同
#数组加法，两个数组对应位置的元素相加
arr1 = np.array([[1,2,3],[4,5,6]])
arr2 = np.ones((2,3))
print(arr1 + arr2 )

#数组减法，两个数组对应位置的元素相减
print(arr1 - arr2)

#数组乘法，两个数组对应位置的元素相乘
arr3 = np.array([[2,2,2],[2,2,2]])
print(arr1 * arr3)

#使用tile函数构造数组，上一个arr3构造具有相同元素的数组非常麻烦，使用tile函数非常简洁
#第1个参数表示需要复制的数组，第二个参数是对应的轴方向上复制的次数
#第2个参数(2,3)表示在第0轴(行)方向复制2次，第1轴（竖）方向复制3次，这样就构成了一个2行3列的二维数组
arr4 = np.tile([2],(2,3))
print(arr4)

#数组除法，两个数组对应位置的元素相除
print(arr1 / arr4)
测试结果:

[[2. 3. 4.]
[5. 6. 7.]]

[[0. 1. 2.]
[3. 4. 5.]]

[[ 2 4 6]
[ 8 10 12]]

[[2 2 2]
[2 2 2]]

[[0.5 1. 1.5]
[2. 2.5 3. ]]

5. 常用统计方法

  • 5.1使用sum函数对数组中全部或者某轴向的元素求和

    • 沿着第0轴方向求和arr1.sum(axis=0)
    • 简写arr1.sum(0)
    • 沿着第1轴方向求和arr1.sum(axis=1)
    • 简写arr1.sum(1)
arr1 = np.array([[1,2,3],[4,5,6]]) # 2行3列二维数组
#数组中全部元素求和
print(arr1.sum())

#沿着第0轴方向求和arr1.sum(axis=0)
#简写arr1.sum(0)
print(arr1.sum(0))
#沿着第1轴方向求和arr1.sum(axis=1)
#简写arr1.sum(1)
print(arr1.sum(1))
测试结果:

21

[5 7 9]

[ 6 15]

  • 5.2算术平均数mean函数

arr1 = np.array([[1,2,3],[4,5,6]]) # 2行3列二维数组
#求数组中全部元素的算术平均数
print(arr1.mean())

#沿第0轴方向求算术平均数
print(arr1.mean(0))

#沿第1轴方向求算术平均数
print(arr1.mean(1))
测试结果:

3.5

[2.5 3.5 4.5]

[2. 5.]

  • 5.3最大最小值mx,min函数

arr1 = np.array([[1,2,3],[4,5,6]]) # 2行3列二维数组
#全部元素最大值
print(arr1.max())

#全部元素最小值
print(arr1.min())

#沿第0轴方向最大值
print(arr1.max(0))

#沿第0轴方向最小值
print(arr1.min(0))

#沿第1轴方向最大值
print(arr1.max(1))

#沿第1轴方向最小值
print(arr1.min(1))
测试结果:

6

1

[4 5 6]

[1 2 3]

[3 6]

[1 4]

posted on 2019-07-19 17:24  农夫三拳有點疼  阅读(300)  评论(0)  编辑  收藏  举报

导航