numpy常用操作

numpy

numpy是一个开源的python科学计算库,使用ndarray对象处理任意维度的数组

1.ndarray相对原生python列表优势:

1.内存块存储优势:ndarray在存储元素是内存连续,而python原生list存储元素是选择元素外置的形式,查找时通过寻址方式找到下一个元素,在科学计算时,ndarray的速度快于list。

2.ndarray支持并行化运算(向量化运算)

3.numpy底层编写使用c语言,内部解除了GIL(全局解释锁)

2.ndarray的属性:

import numpy as np

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

a

array([[1, 2, 3],

      [4, 5, 6]])

ndarray.shape 数组维度的元组

a.shape

(2, 3)

ndarray.ndim数组维数

a.ndim

2

ndarray.size 数组众元素的数量

a.size

6

ndarray.itemsize 一个数组元素的长度(字节)

a.itemsize

4

ndarray.dtype  数组元素的类型

a.dtype

dtype('int32')

3.创建数组的时候指定 数组 类型

a = np.array([[1, 2, 3],[4, 5, 6]], dtype=np.float32)

a.dtype

dtype('float32')

4.astype方法显式地转换其dtype类型

a.astype(np.int64)

array([[1, 2, 3],

      [4, 5, 6]], dtype=int64)

5. 生成数组的方法

1 生成0和1的数组 

np.ones([3,4]) 

array([[1., 1., 1., 1.],

      [1., 1., 1., 1.],

      [1., 1., 1., 1.]])

np.zeros([3,4])

array([[0., 0., 0., 0., 0.],

      [0., 0., 0., 0., 0.]])

2.从现有数组生成

b = np.array(a)

c = np.copy(a)

d = np.asarray(a)

array([[1, 2, 3],

      [4, 5, 6]], dtype=int64)

当改变a中元素时,b,c中元素不改变,d中元素也随之改变

b,c相当于深拷贝,d相当于浅拷贝

3.生成固定范围的数组

np.linspace(start,stop,num,endpoint,retstep,dtype)

start 序列的起始值   stop 序列的终止值,

如果endpoint为true,该值包含于序列中

num 要生成的等间隔样例数量,默认为50

endpoint 序列中是否包含stop值,默认为ture

retstep 如果为true,返回样例,以及连续数字之间的步长

dtype 输出ndarray的数据类型

np.linspace(0,100,10)

array([ 0. , 11.11111111, 22.22222222, 33.33333333,

        44.44444444,  55.55555556,  66.66666667,  77.77777778,

        88.88888889, 100.        ])

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

np.arange(0,100,10)

array([ 0, 10, 20, 30, 40, 50, 60, 70, 80, 90])

4 生成随机数组 

均匀分布:

np.random.rand(d0d1...dn)

返回[0.0,1.0)内的一组均匀分布的数。

np.random.uniform(ow=0.0, high=1.0, size=None)

从一个均匀分布[low,high)中随机采样,注意定义域是左闭右开,即包含low,不包含high.

size: 输出样本数目,为int或元组(tuple)类型

返回值:ndarray类型,其形状和参数size中描述一致。

np.random.randint(lowhigh=Nonesize=Nonedtype='l')

从一个均匀分布中随机采样,生成一个整数或N维整数数组,取数范围:若high不为None时,取[low,high)之间随机整数,否则取值[0,low)之间随机整数。

正态分布:

np.ramdom.randn(d0, d1, …, dn)

功能:从标准正态分布中返回一个或多个样本值

np.random.normal(loc=0.0scale=1.0size=None)

loc:float   此概率分布的均值(对应着整个分布的中心centre)

scale:float 此概率分布的标准差(对应于分布的宽度,scale越大越矮胖,scale越小,越瘦高)

size:int or tuple of ints​ 输出的shape,默认为None,只输出一个值

np.random.standard_normal(size=None)

返回指定形状的标准正态分布的数组。

5.数组的索引、切片 先行后列

a[0][1] 或a[0,1]  单个

a[0][1:3] 或a[0,1:3] 多个

array([2, 3], dtype=int64)

6.形状修改

ndarray.reshape(shape[, order])

a.reshape([3,2])  只是将形状进行了修改,但并没有将行列进行转换

array([[ 1, 2],

      [  3,  4],

      [100,  6]], dtype=int64)

a.reshape([-1,3])  数组的形状被修改为:[-1,3], -1: 表示通过待计算,确定好了列,行通过计算,自动得到,但列也必须能和行相乘,等于元素总数。

array([[ 1, 2, 3],

      [  4, 100,  6]], dtype=int64)

ndarray.T 数组的转置

将数组的行、列进行互换

a.T

array([[ 1, 4],

      [  2, 100],

      [  3,  6]], dtype=int64)

ndarray.resize(new_shape[, refcheck]) ,直接修改原数组形状

a.resize([3,2])

a

array([[ 1, 2],

      [  3,  4],

      [100,  6]], dtype=int64)

7.ndarray对象转化为其它类型对象

a.tostring(),a.tobytes(),a.tolist()

type(a)

numpy.ndarray

b = a.tobytes()

type(b)

bytes

8.数组的去重,变为一维的ndarray对象

ndarray.unique()

a[0,0] = 2

a

np.unique(a)

array([ 2, 3, 4, 6, 100], dtype=int64)

9.ndarray运算

逻辑运算

a > 3

array([[False, False],

      [False,  True],

      [ True,  True]])

通用判断函数

np.all(),只要有一个false,返回false,全是True,就返回True

np.all(a>3)

False

np.any()只要有一个true,返回true,全是False,就返回False

np.any(a>3)

True

np.where 三元运算符

np.where(a>3,1111111111,0)

array([[ 0, 0],

      [        0, 1111111111],

      [1111111111, 1111111111]])

进行复合逻辑,联合np.logical_and和np.logical_or

np.where(np.logical_and(a>3,a<5),222,0),在数组a中,大于3并且小于5的换为222,其它0.

array([[ 0, 0],

      [  0, 222],

      [  0,  0]])

统计运算

np.min(a[, axis,  keepdims]

axis=0/1 按行,还是按列

keedims=true:保存矩阵的二维特性

a

array([[ 2, 2],

      [  3,  4],

      [100,  6]], dtype=int64)

np.min(a) 数组中最小元素

np.min(a,axis=0) 每列最小,跨行

array([2, 2], dtype=int64)

np.min(a,axis=1)  每行最小,跨列

array([2, 3, 6], dtype=int64)

 max  mean  median var std同理

返回最大值、最小值所在位置,若有axis,则返回一维ndarray对象,记录每行或者每列中最大值或者最小值的下标位置。

np.argmax()  

np.argmax(a,axis=0)  按每列,跨行

array([2, 2], dtype=int64)

np.argmax(a,axis=1) 按每行,跨列

array([0, 1, 0], dtype=int64)

np.argmin()同理

10.数组间的运算:

数组与数的运算

a*10

array([[ 20, 20],

      [  30,  40],

      [1000,  60]], dtype=int64)

数组与数组的运算

广播机制:只有在以下情况,两个数组才能够进行数组与数组的运算。

    维度相等:相同维度,元素数量一致。

    shape(其中相对应的一个地方为1)

a.shape

(3, 2)

b.shape

(3,1)

a+b

array([[ 3, 3],

      [  4,  5],

      [101,  7]], dtype=int64)

矩阵运算:

矩阵,英文matrix,矩阵 一定是 二维数组,二维数组 不一定是 矩阵

矩阵乘法 

形状要求

A(m, n) * B(n, l) = AB(m, l)

 运算规则

A(2, 3) * B(3, 2) = AB(2, 2)

二维数组转化为矩阵:

np.mat()

a_mat = np.mat(a)

b_mat= np.mat(b)

a_mat * b_mat

matrix([[ 4, 4, 4, 4],

        [  7,  7,  7,  7],

        [106, 106, 106, 106]], dtype=int64)

直接使用np.dot()/np.matmul(),进行二维数组矩阵乘法运算

np.dot(a,b)

array([[ 4, 4, 4, 4],

      [  7,  7,  7,  7],

      [106, 106, 106, 106]], dtype=int64)

使用@,也能使二维数组进行矩阵乘法运算

a @ b

array([[ 4, 4, 4, 4],

      [  7,  7,  7,  7],

      [106, 106, 106, 106]], dtype=int64)

11.合并与分割

水平拼接

np.hstack()

np.hstack((a,b))    a,b行数相等

array([[ 2, 2, 1, 1, 1, 1],

      [  3,  4,  1,  1,  1,  1],

      [100,  6,  1,  1,  1,  1]], dtype=int64)

   竖直拼接

 np.vstack()   a,b行数相等

np.concatenate((a1, a2), axis=)

 axis=1时候,按照数组的列方向拼接在一起, a,b行数相等

axis=0时候,按照数组的行方向拼接在一起 a,b列数相等

分割

np.split(ary, indices_or_sections, axis=0) 

ary:分割数组对象

indices_or_sections:整数:分为几分,列表:列表中的元素作为边界

axis=0/1:按行方向还是按列方向

np.split(a,2,axis=1)

[array([[ 2],

        [  3],

        [100]], dtype=int64), array([[2],

        [4],

        [6]], dtype=int64)]

x = np.arange(8.0)

array([0.,1.,2.,3.,4.,5.,6.,7.])

>>> np.split(x, [3,5,6,10])

[array([0.,1.,2.]), array([3.,4.]), array([5.]), array([6.,7.]), array([], dtype=float64)]


©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 201,552评论 5 474
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,666评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,519评论 0 334
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,180评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,205评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,344评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,781评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,449评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,635评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,467评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,515评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,217评论 3 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,775评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,851评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,084评论 1 258
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,637评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,204评论 2 341

推荐阅读更多精彩内容

  • np.newaxis增加array维度 a[:, np.newaxis] # 给a最外层中括号中的每一个元素加[]...
    D_Major阅读 565评论 0 0
  • Numpy的组成与功能 Numpy(Numeric Python)可以被理解为一个用python实现的科学计算包,...
    不做大哥好多年阅读 4,257评论 0 10
  • 一.NumPy的引入 标准安装的Python中用列表(list)保存一组值,可以用来当作数组使用,不过由于列...
    wlj1107阅读 999评论 0 2
  • 前言 numpy是支持 Python语言的数值计算扩充库,其拥有强大的高维度数组处理与矩阵运算能力。除此之外,nu...
    TensorFlow开发者阅读 3,186评论 0 35
  • 常用函数大全: 原文链接:https://www.cnblogs.com/TensorSense/p/679599...
    阳光果粒C阅读 1,215评论 2 9