Numpy笔记

Numpy

ndarray对象是一种由同质元素组成的多维数组。它的特点是：

• 元素数量预先指定好
• 同质：几乎所有元素的类型和大小都相同

元素的类型通过ndarray.dtype获取

ndarray.ndim描述轴的数量，即秩的大小

ndarray.size描述数组长度

ndarray.shape描述数组的型，轴的数量和数组长度，它的返回值是一个元组类型，有两种形式：

• (size,)

  元组只有一个元素，表示数组轴数是1，数组长度是\(size\)

• (n,size)

  当\(n<=2\),表示数组的轴数是2；当\(n > 2\),表示数组的轴数是\(n\).数组长度是\(size\)

创建ndarray对象

1. numpy.array()
2. numpy.arange(start,end,step=1)
3. numpy.random.random(number) or numpy.random.random((row,col))
4. numpy.zeros((row,col))
5. numpy.ones((row,col))
6. numpy.linspace(start,end,分隔区间的数量)

基本操作

• 算数运算符

  当矩阵和一个标量进行四则运算，会通过广播机制对每个元素进行算术运算

• 矩阵乘法

  numpy.dot(A,B)

索引

索引操作获取的是数组的视图，对索引结果的修改，会影响原数组。

• 一维数组

  ndarray[index]或ndarray[[index_x,index_y,index_z,...]]

  可以索引一个元素或多个元素

• 多维数组

  ndarray[row,col]

  索引时指定元素的行和列

切片

切片操作获取的是数组的视图，对索引结果的修改，会影响原数组。

• 一维数组

  ndarray[start:end:step]

  start缺省值为0，end缺省值为数组的长度，step是可选的步长

• 多维数组

  多维数组切片，要指明切片的范围和切片操作

  • 单行

    ndarray[row,start:end:step]

  • 连续行

    ndarray[row_start:row_end,start:end:step]

  • 不连续行

    ndarray[[row_x,row_y,...],start:end:step]

数组拼接

• 横向拼接

  numpy.hstack((A,B))

• 纵向拼接

  numpy.vstack((A,B))

• numpy.column_stack or numpy.row_stack()可以用来处理一维数组的拼接

数组迭代

• 推荐方法：numpy.apply_along_axis(聚合函数,*,axis,ndarray)

  axis是一个boolean值，0表示按列迭代，1表示按行迭代。

  ndarray表示要处理的数组

• for ... in ...

结构化数组

结构体元素类型：

bytes	b1
int	i1,i2,i4,i8
unsigned ints	u1,u2,u4,u8
floats	f2,f4,f8
complex	c8,c16
fixed length string	a

numpy.array([...],...,dtype=('type,type1,...'))

或者

numpy.array([...],...,dtype=[('field',type),('field',type),...])

如果不指定字段标题，默认字段名为f<n>，利用字段名可以轻松的引用矩阵的某列

数据文件读取

numpy.save(filename,dataArray)会将数组序列化为.npy二进制文件，反序列化可以通过numpy.load(filename)

读取文本文件

numpy.genfromtxt(filename,delimiter=None,names=None)

它接受三个参数：

1. 存放数据的文件名
2. 分隔符
3. 是否含有标题

该函数包含两层隐式循环：

1. 第一层循环每次读取文件的一行
2. 将每行的多个值分开，再对这些值进行转化，依次插入所建数组的相应位置。
3. 对于缺失数据，返回nan