Numpy 属性 方法 操作 速查表
Numpy 速查
- 1.Numpy 数据类型
- 2.创建数组方法
- numpy.array()
- numpy.asarray()
- numpy.arange()
- numpy.linspace()
- numpy.logspace()
- numpy.empty()
- numpy.zeros()
- numpy.ones()
- numpy.eye()
- numpy.frombuffer()
- numpy.fromiter()
- 3.改变数组的维度或者形状
- numpy.reshape()
- numpy.ravel()
- numpy.resize()
- numpy.ndarray.flatten()
- numpy.ndarray.shape
- numpy.ndarray.transpose() & numpy.ndarray.T
- numpy.swapaxes()
1.Numpy 数据类型
NumPy 数组包含同一类型的值，支持的数据类型比 Python 内置的类型更多，构建一个数组时，可以用一个字符串参数 dtype 来指定数据类型：
np.zeros(10, dtype='int16')
np.zeros(10, dtype=np.int16)
| 数据类型 | 描述 |
|---|---|
| bool_ | 布尔值（True 或者 False），用一个字节存储 |
| int_ | 默认的整型（类似于 C 语言中的 long，通常情况下是 int32 或 int64） |
| intc | 同 C 语言的 int 相同（通常是 int32 或 int64） |
| intp | 用作索引的整型（和 C 语言的 ssize_t 相同，通常情况下是 int32 或 int64） |
| int8 | 字节（byte，范围从 –128 到 127），可用 i1 缩写代替 |
| int16 | 整型（范围从 –32768 到 32767），可用 i2 缩写代替 |
| int32 | 整型（范围从 –2147483648 到 2147483647），可用 i4 缩写代替 |
| int64 | 整型（范围从 –9223372036854775808 到 9223372036854775807），可用 i8 缩写代替 |
| uint8 | 无符号整型（范围从 0 到 255） |
| uint16 | 无符号整型（范围从 0 到 65535） |
| uint32 | 无符号整型（范围从 0 到 4294967295） |
| uint64 | 无符号整型（范围从 0 到 18446744073709551615） |
| float_ | float64 的简化形式 |
| float16 | 半精度浮点型，包括：1 比特位符号，5 比特位指数，10 比特位尾数 |
| float32 | 单精度浮点型，包括：1 比特位符号，8 比特位指数，23 比特位尾数 |
| float64 | 双精度浮点型，包括：1 比特位符号，11 比特位指数，52 比特位尾数 |
| complex_ | complex128 的简化形式 |
| complex64 | 复数，表示双 32 位浮点数（实数部分和虚数部分） |
| complex128 | 复数，表示双 64 位浮点数（实数部分和虚数部分） |
2.创建数组方法
| 方法 | 描述 |
|---|---|
| numpy.array() | 将输入数据（列表、元组、Ndarray 等）转换为数组形式当数据源为 Ndarray 时，该方法仍然会 copy 出一个副本，占用新的内存 |
| numpy.asarray() | 将输入数据（列表、元组、Ndarray 等）转换为数组形式当数据源为 Ndarray 时，该方法不会 copy 出一个副本，不占用新的内存 |
| numpy.arange() | 创建一个一维数组，该数组由一个等差数列构成通过指定开始值、终值和步长创建等差数列，得到的结果数组不包含终值 |
| numpy.linspace() | 创建一个一维数组，该数组由一个等差数列构成通过指定开始值、终值和元素个数创建等差数列，可通过 endpoint 参数指定是否包含终值 |
| numpy.logspace() | 创建一个一维数组，该数组由一个等比数列构成 |
| numpy.empty() | 创建一个指定形状、数据类型且未初始化的数组 |
| numpy.zeros() | 创建一个指定大小的数组，数组元素以 0 来填充 |
| numpy.ones() | 创建一个指定大小的数组，数组元素以 1 来填充 |
| numpy.eye() | 创建一个对角矩阵数组，返回一个二维数组，对角线上值为 1，其余位置为 0 |
| numpy.frombuffer() | 将缓冲区解释为一维数组，接受 buffer 输入参数，以流的形式读入并转化成 Ndarray 对象 |
| numpy.fromiter() | 从可迭代对象中建立 Ndarray 对象，返回一个一维数组 |
| numpy.full((2,3),5) | 创建一个shape为（2,3）的所有值为5的矩阵，可自己指定shape和值 |
| numpy.ones_like(array1) | 创建形状为array1的全为1的矩阵 |
| numpy.zeros_like(array1) | 创建形状为array1的全为0的矩阵 |
| numpy.full_like(array1,6) | 创建形状为array1的全为6的矩阵 |
numpy.array()
调用 NumPy 的 array 方法即可创建一个 Ndarray 对象，即创建一个数组。
基本语法：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 |
numpy.asarray()
numpy.asarray() 方法将输入数据（列表、元组、Ndarray 等）转换为数组形式，与 numpy.array() 方法类似，但 asarray 参数比 array 少两个，另外最大的区别是当数据源为 Ndarray 时，array 方法仍然会 copy 出一个副本，占用新的内存，但 asarray 方法不会。
基本语法：numpy.asarray(a, dtype=None, order=None)
参数解释：
| 参数 | 描述 |
|---|---|
| a | 待转换对象，可以是列表，元组，列表元组，元组列表，多维数组等 |
| dtype | 可选项，指定数据类型 |
| order | 可选项，以行优先（C）或列优先（F）的顺序存储多维数据在内存中 |
numpy.arange()
numpy.arange() 方法用于创建一个一维数组，在指定的间隔内返回均匀间隔的数字并组成数组（Ndarray 对象），即该数组是一个等差数列构成的。arange() 类似 Python 的 range()，但是 arange() 的步长可以为小数，而 range() 的步长只能是整数。
基本语法：numpy.arange([start, ]stop, [step, ]dtype=None)
参数解释：
| 参数 | 描述 |
|---|---|
| start | 起始值，数字，可选项，默认起始值为 0，生成的元素包括起始值 |
| stop | 结束值，数字，生成的元素不包括结束值 |
| step | 步长，数字，可选项， 默认步长为 1，如果指定了 step，则必须给出 start |
| dtype | 输出数组的类型，如果未给出 dtype，则从其他输入参数推断数据类型 |
numpy.linspace()
numpy.linspace() 方法用于创建一个一维数组，在指定的间隔内返回均匀间隔的数字并组成数组（Ndarray 对象），即该数组是一个等差数列构成的。linspace() 方法类似于 arange()，两者除了参数有差别以外，还有以下的区别：
arange() 方法类似于内置函数 range()，通过指定开始值、终值和步长创建表示等差数列的一维数组，得到的结果数组不包含终值。
linspace() 通过指定开始值、终值和元素个数创建表示等差数列的一维数组，可以通过 endpoint 参数指定是否包含终值，默认值为True，即包含终值。
基本语法：numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)
参数解释：
| 参数 | 描述 |
|---|---|
| start | 序列的起始值 |
| stop | 序列的终止值，如果 endpoint 为 True，则该值将包含于数列中 |
| num | 可选项，int 类型，要生成的等步长的样本数量，即元素个数，默认为 50 |
| endpoint | 可选项，bool 类型，该值为 True 时，数列中将包含 stop 值，反之则不包含，默认为 True |
| retstep | 可选项，bool 类型，该值为 True 时，生成的数组中会显示间距，反之则不显示，默认为 False |
| dtype | 可选项，Ndarray 的数据类型 |
| axis | 可选项，int 类型，结果中的轴用于存储样本。仅当 start 或 stop 类似于数组时才相关默认情况下为 0，采样将沿着在开始处插入的新轴进行，使用 -1 来获得轴的末端 |
numpy.logspace()
numpy.logspace() 方法用于创建一个一维数组，该数组由一个等比数列构成。
基本语法：numpy.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None, axis=0)
参数解释：
| 参数 | 描述 |
|---|---|
| start | 序列的起始值 |
| stop | 序列的终止值，如果 endpoint 为 True，则该值将包含于数列中 |
| num | 可选项，int 类型，要生成的等步长的样本数量，即元素个数，默认为 50 |
| endpoint | 可选项，bool 类型，该值为 True 时，数列中将包含 stop 值，反之则不包含，默认为 True |
| base | 可选项，float 类型，对数 log 的底数，即取对数的时候 log 的下标 ，默认为 10.0 |
| dtype | 可选项，Ndarray 的数据类型 |
| axis | 可选项，int 类型，结果中的轴用于存储样本。仅当 start 或 stop 类似于数组时才相关默认情况下为 0，采样将沿着在开始处插入的新轴进行，使用 -1 来获得轴的末端 |
numpy.empty()
numpy.empty() 方法可用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组。
基本语法：numpy.empty(shape, dtype = float, order = ‘C’)
参数解释：
| 参数 | 描述 |
|---|---|
| shape | 数组形状 |
| dtype | 数据类型，可选 |
| order | 以行优先（C）或列优先（F）的顺序存储多维数据在内存中 |
numpy.zeros()
numpy.zeros() 方法用于创建指定大小的数组，数组元素以 0 来填充。
基本语法：numpy.zeros(shape, dtype = float, order = ‘C’)
参数解释：
| 参数 | 描述 |
|---|---|
| shape | 数组形状 |
| dtype | 数据类型，可选 |
| order | 以行优先（C）或列优先（F）的顺序存储多维数据在内存中 |
numpy.ones()
numpy.ones() 方法用于创建指定大小的数组，数组元素以 1 来填充。
基本语法：numpy.ones(shape, dtype = None, order = ‘C’)
参数解释：
| 参数 | 描述 |
|---|---|
| shape | 数组形状 |
| dtype | 数据类型，可选 |
| order | 以行优先（C）或列优先（F）的顺序存储多维数据在内存中 |
numpy.eye()
numpy.eye() 方法用于创建对角矩阵数组，返回一个二维数组，对角线上值为 1，其余位置为 0。
基本语法：numpy.eye(N, M=None, k=0, dtype=
参数解释：
| 参数 | 描述 |
|---|---|
| N | int 类型，目标数组的行数 |
| M | int 类型，可选项，目标数组的列数，如果未指定，则默认与行数（N）相同 |
| k | int 类型，可选项，对角线索引，0（默认值）为主对角线，正值为上对角线，负值为下对角线简单来说可以理解成将值为 1 的对角线向左右平移 k 个单位，默认值 0 即对角线为 1，k 为正值右移，负值左移 |
| dtype | 可选项，返回数组的数据类型 |
| order | 可选项，以行优先（C）或列优先（F）的顺序存储多维数据在内存中 |
numpy.frombuffer()
numpy.frombuffer() 方法将缓冲区解释为一维数组，接受 buffer 输入参数，以流的形式读入转化成 ndarray 对象。当 buffer 是字符串时，Python3 默认 str 是 Unicode 类型，所以要转成 bytestring，即在原 str 前加上 b。
基本语法：numpy.frombuffer(buffer, dtype=float, count=-1, offset=0)
参数解释：
| 参数 | 描述 |
|---|---|
| buffer | 可以是任意对象，会以流的形式读入 |
| dtype | 可选项，返回数组的数据类型 |
| count | 可选项，读取的数据数量，默认为 -1，即读取缓冲区中所有数据 |
| offset | 可选项，读取的起始位置，以字节为单位，默认为 0 |
numpy.fromiter()
numpy.fromiter() 方法可以从可迭代对象中建立 Ndarray 对象，返回一个一维数组。
基本语法：numpy.fromiter(iterable, dtype, count=-1)
参数解释：
| 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，即读取所有数据 |
3.改变数组的维度或者形状
numpy.reshape()
numpy.reshape() 方法用于重新调整数组的维数（重塑）。
基本语法：numpy.reshape(a, newshape, order=‘C’)
参数解释：
a：要重塑的数组
newshape：重塑后的形状，新形状应与原始形状兼容。如果是整数，则结果将是该长度的一维数组。一个形状维度可以是-1。在这种情况下，将根据数组的长度和剩余维度推断该值。举个例子，原数组 a 是一个 4 行 n 列的二维数组，现在要将其转换成只有 1 行的一维数组，由于不清楚原二维数组有多少列，也就不清楚一共有多少元素，所以可以使用 np.reshape(a, (1, -1)) 语句将其转化为一维数组，其中 -1 会让程序自动计算有多少列，此概念将在后面举例具体说明。
order：可选值为 C、F、A，使用索引顺序读取 a 的元素，并按照索引顺序将元素放到变换后的的数组中，默认参数为 C。
C 指的是用类 C 写的读/索引顺序的元素，最后一个维度变化最快，第一个维度变化最慢。横着读，横着写，优先读/写一行。
F 是指用 FORTRAN 类索引顺序读/写元素，最后一个维度变化最慢，第一个维度变化最快。竖着读，竖着写，优先读/写一列。注意，C 和 F 选项不考虑底层数组的内存布局，只引用索引的顺序。
A 选项所生成的数组的效果与原数组 a 的数据存储方式有关，如果数据是按照 FORTRAN 存储的话，它的生成效果与 F 相同，否则与 C 相同。
numpy.ravel()
numpy.ravel() 方法用于完成展平的操作。
基本语法：numpy.ravel(a, order=‘C’)
参数解释：
| 参数 | 描述 |
|---|---|
| a | 待转换的数组 |
| order | 值可以是 C F A K，含义与 reshape 方法中参数的一样，与 reshape 方法不同的是多了个值 K |
| K | 表示按顺序在内存中读取元素，但在跨距为负时会反转数据 |
numpy.resize()
numpy.resize() 方法会直接修改所操作的数组，返回具有指定形状的新数组，如果新数组大于原始数组，则新数组将填充 a 的重复副本。
基本语法：numpy.resize(a, new_shape)
参数解释：
| 参数 | 描述 |
|---|---|
| a | 待转换的数组 |
| new_shape | 新数组的大小形状 |
numpy.ndarray.flatten()
numpy.ndarray.flatten() 方法恰如其名，flatten 就是展平的意思，与 ravel 函数的功能相同，二者的不同之处在于：flatten 方法会请求分配新的内存来保存结果，而 ravel 方法只是返回数组的一个视图（view）。
基本语法：ndarray.flatten(order=‘C’)
其 order 参数的值可以是 C F A K，含义与 reshape 和 ravel 方法中参数的一样.
numpy.ndarray.shape
numpy.ndarray.shape 本来是 Ndarray 对象的一个属性，但可以通过直接用一个正整数元组对其赋值来设置数组的维度
numpy.ndarray.transpose() & numpy.ndarray.T
ndarray.transpose() 和 ndarray.T 方法的作用是对数组进行转置，即原来的行变成列，原来的列变成行。
numpy.swapaxes()
numpy.swapaxes() 方法用于对换数组的两个轴
基本语法：numpy.swapaxes(a, axis1, axis2)
参数解释：a 为原始数组，axis1、axis2 分别对应两个轴，类型为整数