numpy基本使用(一)

一、简介

 NumPy(Numerical Python) 是用于科学计算及数据处理的Python扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

二、数据结构

 numpy基本数据结构类型为Ndarray对象，其为可存放同类型元素的多维数组。

• 创建ndarray语法如下
  numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

示例

使用前导入numpy包

import numpy as np

• 传入多维列表

a = np.array([[0,  1],  [2,  3]])  
print (a)
# 输出:[[0  1] 
#       [2  3]]

• 指定维度

a = np.array([1, 2, 3], ndmin =  2)  
print (a)
#输出: [[1 2 3]]

-包含的基本属性

属性	说明
ndarray.ndim	秩，即轴的数量或维度的数量
ndarray.shape	数组的维度，对于矩阵，n 行 m 列
ndarray.size	数组元素的总个数，相当于 .shape 中 n*m 的值
ndarray.dtype	ndarray 对象的元素类型
ndarray.itemsize	ndarray 对象中每个元素的大小，以字节为单位
ndarray.flags	ndarray 对象的内存信息
ndarray.real	ndarray元素的实部
ndarray.imag	ndarray 元素的虚部
ndarray.data	包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。

三、花式创建narray的9种方法

1. 创建指定shape的空narray
   numpy.empty(shape, dtype = float, order = 'C') # order可取"C"(行优先)和"F"(列优先)。

• 示例

x = np.empty([3,2], dtype = int)
print (x)

输出: [[ 6917529027641081856 5764616291768666155] [ 6917529027641081859 -5764598754299804209] [ 4497473538 844429428932120]]
2. 创建全0的narray
numpy.zeros(shape, dtype = float, order = 'C')

• 示例

x = np.zeros((5,), dtype = np.int) 
print(x)

输出: [0 0 0 0 0]
3. 创建全1的narray
numpy.ones(shape, dtype = float, order = 'C')

• 示例

x = np.ones(5) 
print(x)

输出: [1. 1. 1. 1.]

4. 从range创建narray
   numpy.arange(start = 0, stop, step = 1, dtype =None)

• 示例

x = np.arange(5)  
print (x)

输出: [0 1 2 3 4]
5.创建等差数列填充的narray
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
# endpoint 是否包含最后一个数
retstep 是否显示步长

• 示例1

a = np.linspace(1,10,10)
print(a)

输出: [1 2 3 4 5 6 7 8 9 10]

• 示例2

a = np.linspace(1,10,10, retstep=True)
print(a)

输出是一个元组： (array([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.]), 1.0)
6. 创建等比数列填充的narray
np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
base 参数意思是取对数的时候 log 的下标。

参数	描述
start	序列的起始值为：base ** start
stop	序列的终止值为：base ** stop。如果endpoint为true，该值包含于数列中
num	要生成的等步长的样本数量，默认为50
endpoint	该值为 true 时，数列中中包含stop值，反之不包含，默认是True。
base	对数 log 的底数。
dtype	ndarray 的数据类型

• 示例1

# 默认底数是 10
a = np.logspace(1.0,  2.0, num =  10)  
print (a)

输出: [ 10. 12.91549665 16.68100537 21.5443469 27.82559402 35.93813664 46.41588834 59.94842503 77.42636827 100. ]

• 示例2

a = np.logspace(0,9,10,base=2)
print (a)

输出： [ 1. 2. 4. 8. 16. 32. 64. 128. 256. 512.]
7. 从已有数组创建narray
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。

• 示例

x =  [1,2,3] 
a = np.asarray(x)  
print (a)

输出: [1 2 3]
8. 从buffer流创建narray
numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)

参数	描述
buffer	可以是任意对象，会以流的形式读入。
dtype	返回数组的数据类型，可选
count	读取的数据数量，默认为-1，读取所有数据。
offset	读取的起始位置，默认为0。

• 示例

s =  b'Hello World' 
a = np.frombuffer(s, dtype =  'S1')  
print (a)

输出: [b'H' b'e' b'l' b'l' b'o' b' ' b'W' b'o' b'r' b'l' b'd']
9. 从迭代对象创建narray
numpy.fromiter(iterable, dtype, count=-1)

参数	描述
iterable	可迭代对象
dtype	返回数组的数据类型
count	读取的数据数量，默认为-1，读取所有数据

• 示例

# 使用 range 函数创建列表对象  
list=range(5)
it=iter(list)
 
# 使用迭代器创建 ndarray 
x=np.fromiter(it, dtype=float)
print(x)

输出: [0. 1. 2. 3. 4.]

注：整理自菜鸟教程