numpy库零散笔记

创建数组

1. 用 ndarray

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

参数	描述
object	数组或嵌套的数列
dtype	数组元素的数据类型，可选
copy	对象是否需要复制，可选
order	创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
subok	默认返回一个与基类类型一致的数组
ndmin	指定生成数组的最小维度

例子
import numpy as np 
a = np.array([[1,  2],[3,  4]])  
print (a)
[[1  2]
 [3  4]]

2. 用 empty

numpy.empty(shape, dtype = float, order = 'C')

# 例子
import numpy as np 
x = np.empty([3,2], dtype = int) 
print (x)
[[       -1        -1]
 [123995024       510]
 [        0         0]]

3. 从已有的数组创建数组 asarray

numpy.asarray(a, dtype = None, order = None)

参数	描述
a	任意形式的输入参数，可以是—列表, 列表的元组, 元组, 元组的元组, 元组的列表，多维数组
dtype	数据类型，可选
order	可选，有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序

# 例子
import numpy as np 
x =  (1,2,3) 
a = np.asarray(x, dtype = float)  
print (a)
[1. 2. 3.]

4. 从从数值范围创建数组 arange

numpy.arange(start, stop, step, dtype)

参数	描述
start	起始值，默认为0
stop	终止值（不包含）
step	步长，默认为1
dtype	返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型

# 例子
import numpy as np
x = np.arange(10,20,2)  
print (x)
[10 12 14 16 18]

---

常用函数

1. 修改数组形状 numpy.reshape()

numpy.reshape(arr, newshape, order='C')

#例子
import numpy as np
a = np.arange(8)
print ('原始数组：')
print (a)
b = a.reshape(4,2)
print ('修改后的数组：')
print (b)

原始数组：
[0 1 2 3 4 5 6 7]
修改后的数组：
[[0 1]
 [2 3]
 [4 5]
 [6 7]]

2. 创建视图 ndarray.view()

该方法创建的新数组的维数变化不会改变原始数据的维数

# 例子
import numpy as np 
# 最开始 a 是个 3X2 的数组
a = np.arange(6).reshape(3,2)  
print ('数组 a：')
print (a)
print ('创建 a 的视图：')
b = a.view()  
print (b)
print ('两个数组的 id() 不同：')
print ('a 的 id()：')
print (id(a))
print ('b 的 id()：' )
print (id(b))
# 修改 b 的形状，并不会修改 a
b.shape =  2,3
print ('b 的形状：')
print (b)
print ('a 的形状：')
print (a)

数组 a：
[[0 1]
 [2 3]
 [4 5]]
创建 a 的视图：
[[0 1]
 [2 3]
 [4 5]]
两个数组的 id() 不同：
a 的 id()：
2931823285712
b 的 id()：
2931863294672
b 的形状：
[[0 1 2]
 [3 4 5]]
a 的形状：
[[0 1]
 [2 3]
 [4 5]]

3. numpy.random.rand()

生成指定维度的的[0,1)范围之间的随机数，输入参数为维度

#例子
a = np.random.rand(3, 2)
print(a)

[[0.44297341 0.10012937]
 [0.6295409  0.87319242]
 [0.9461878  0.01961317]]

4. np.random.randn()

生成指定维度的服从标准正态分布的随机数，输入参数为维度

#例子
a = np.random.randn(3, 2)
print(a)

[[-0.04983113  0.14470064]
 [ 0.94980153 -1.84530982]
 [-0.31134328 -0.24585296]]

5. numpy.random.normal()

用于生成符合正态分布（也称为高斯分布）的随机数
用法：random.normal(loc=0.0, scale=1.0, size=None)

• loc：指定均值（期望值）。
• scale：指定标准差。
• size：指定生成的随机数数量，可以是一个数，也可以是一个元组，默认为None，只输出一个值

6. numpy.zeros()

numpy.zeros(shape, dtype = float, order = 'C')

# 例子
# 默认为浮点数
x = np.zeros(5) 
print(x)

# 设置类型为整数
y = np.zeros((5,), dtype = int) 
print(y)

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

其他

1. 索引问题

# 例子
a = np.arange(10)
print(a)
print(a[:-1])

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