numpy学习 第1篇：numpy基础
numpy是Python中的基础模块，类型ndarray定义了一个具有矢量算术运算的多维数组，无需编写循环，就能对整个数组进行批量运算。通常情况下，导入numpy，设置别名为np。
import numpy as np
一，创建多维数组
ndarray是N-Dimension-Array的简称，该对象是一个快速而灵活的大数据集容器，该容器中存储的元素的数据类型都是相同的。
创建矩阵的方法有array()、arange()、ones函数和zeros函数，array()是一个函数，用于创建ndarray类型的对象。
1，使用array()函数创建数组
使用array()函数创建数组，可以使用type()函数查看对象的类型：
a = np.array([1,2,3,4,5])
a2 = np.array([[1,2,3,4,5],[6,7,8,9,10]])
通过array()函数，使用列表创建的是一维数组，使用嵌套的列表创建的是多维数组。
2，使用arange()函数创建矩阵
通过arange()函数创建矩阵，arange类似于Python的内置函数range，但返回的是一个ndarray，而不是列表。
函数的参数分别是：start、end和step，
a = np.arange(10) #default start=0, end=10(exclude 10)，step=1 # [0 1 2 3 4 5 6 7 8 9] a1 = np.arange(5,10) # start=5, end=10（exclude=10），step=1 # [5 6 7 8 9] a2 = np.arange(5,20,2) # start=5, end=20（exclude 20），step=2 #[ 5 7 9 11 13 15 17 19]
3，使用ones()，zeros()和eye()函数创建数组
使用ones()创建元素都为1的数组，使用zeros()函数创建元素都是0的数组，参数是表示数组形状shape的元组，表示的是数组各个维度的元素数量。最简单的二维数组的shape元组是(row_num, column_num) ，它表示数组的行数量和列数量。
>>> a=np.ones(3); array([ 1., 1., 1.]) >>> b=np.ones((3,2)); array([[ 1., 1.], [ 1., 1.], [ 1., 1.]]) >>> c=np.zeros(3) array([ 0., 0., 0.]) >>> d=np.zeros((2,3)); array([[ 0., 0., 0.], [ 0., 0., 0.]])
eye()创建一个正方形的NxN的单位矩阵，对角线的元素值是1，其余元素值是0
4，数组可以转换为列表
tolost()函数用于把一个数组对象转化为list列表：
d.tolist()
二，数组的属性
数组对象的属性主要有：
- dtype：描述数组元素的类型
- shape：以tuple表示的数组形状
- ndim：数组的维度
- size：数组中元素的个数
1，dtype对象
dtype是一个特殊的对象，它表示数组元素的类型。
2，shape对象
以元组形式表示一个数组的维度
3，ndim对象
数组各个维度的元素数量
三，索引和切片
ndarray对象的元素可以通过索引或切片来访问和修改，索引基于0。
1，数组的索引
一维数组很简单，从表面上看，一维数组的索引跟Python列表的功能差不多。
arr = np.arange(10)
arr[index]
arr[start:end]
arr[start:end:step]
在一个二维数组中，各索引位置上的元素不再是标量，而是一维数组。
arr2d=np.array([[1,2,3],[4,5,6],[7,8,9]]) >>> arr2d[2] # array([7,8,9]) >>> arr2d[0][2] #3 >>> arr2d[0,2] #3
对于更高维度的数组，一个中括号表示一个维度，索引的使用依此类推。
2，数组的切片
数组切片是原始数组的视图，修改切片中的原始，会直接修改原始数据。数组的切片是Python基本切片的概念从一维到N维的扩展，通过中括号，start，stop和step参数提供给内置函数的slice函数来构造一个Python slice对象，此slice对象被传递给数组来提取数组的一部分。
获取切片的格式是[start:end:step]，如果省略start，使用start的默认值0；如果省略end，那么end的默认值是：维度长度-1；如果省略step，使用step的默认值1。通常情况下，数组的切片是[start:end]，这就意味着使用step的默认值1。
对于一维数组，数组切片上的任何修改都会直接修改原始数组：
arr = np.arange(10) arr_slice=arr[5:8] arr_slice[1]=111 #arr=array([0,1,2,3,4,5,111,7,8,9]) arr_slice[:]=222 #arr=array([0,1,2,3,4,222,222,222,8,9])
对于二维数组，一个中括号表示一个维度，依此类推。
四，随机数生成
numpy.random模块是对Python内置的random的升级，增加了一些用于搞笑生成多种概率分布的样本值的函数。
常用的numpy.random模块的函数：
- seed：确定随机数生成器的种子
- permutation：返回一个序列的随机排列
- shuffle：对一个序列就地进行随机排列
- rand：产生均匀分布的样本值
- randint：从给定的上下限范围内随机选取正数
- randn：产生标准正态分布
- binomial：产生二项分布的样本值
- normal：产生高斯正态分布的样本值
- beta：产生Beta分布的样本值
- chisquare：产生卡方分布的样本值
- gamma：产生伽马分布的样本值
- uniform：产生在[0,1]范围中均匀分布的样本值
例如，使用normal得到一个标准正态分布的4x4样本数组：
samples=np.random.normal(size=(4,4))
参考文档:
Numpy Quickstart tutorial
Python NumPy学习总结