numpy包的基本用法

numpy基础用法

基本属性

• 定义数组或矩阵：np.array(里面写参数)
• 矩阵维度：array.ndim
• 矩阵形状：array.shape
• 矩阵元素个数：array.size
• 矩阵元素数据类型：array.dtype

# encoding:utf-8
import numpy as np

#定义一个二维矩阵
array = np.array([[1,2,3],
                  [4,5,6],
                  [7,8,9]])
print(array)

print(array.ndim)#矩阵维度
print(array.shape)#矩阵形状
print(array.size)#矩阵元素个数
print(array.dtype)#矩阵元素数据类型

创建array

• 创建全0矩阵：np.zeros()
• 创建全1矩阵：np.ones()
• 创建随机矩阵(里面的值无意义)：np.empty()
• 创建指定范围的向量：np.arange()
• 改变矩阵形状：array.reshape()

# encoding:utf-8
import numpy as np

# 创建array
a = np.array([1,2,3],dtype=np.float)
print(a.dtype)
print("##########################")

# 创建全0矩阵
zero = np.zeros((4,3))
print(zero)
print("##########################")

# 创建全1矩阵
one = np.ones((3,4))
print(one)
print("##########################")

# 创建随机矩阵
empty = np.empty((3,2))
print(empty)
print("##########################")

# 创建指定范围的矩阵(向量)
e = np.arange(12)#0到11
f = np.arange(4,9)#4到8
g = np.arange(1,24,3)#1到23，间隔为3
print(e)
print(f)
print(g)
print("##########################")

# reshape(),改为指定形式的矩阵
h = np.arange(12).reshape((4,3))
print(h)

基本运算

• 矩阵间加减乘除、乘方、求余、取整都是对应元素间的运算
• 以上运算对矩阵和数字而言是数字与矩阵各个元素间的运算
• 大于号、小于号作用矩阵会返回布尔类型的矩阵，如array>3就是对array中每一个元素判断是否大于3
• 矩阵的转置：array.T或np.transpose(array)
• 矩阵乘法：np.dot(array1,array2)或array1.dot(array2)

# encoding:utf-8
import numpy as np

# 创建array
a = np.array([[1,2,3],
              [2,3,4]])
b = np.array([[2,1,3],
              [4,3,1]])

# + - * /  ** % //等运算符均是对应元素间运算
print(a + b)
print(a * b)
print(a + 2)
print(a * 2)
print("#################")

# > <等作用于矩阵
c = a > 2
print(c)
print("#################")

# 矩阵乘法(.T代表转置)
print(np.dot(a,b.T))
print(a.dot(b.T))
print("#################")

# 矩阵的转置
print(a.T)
print(np.transpose(a))

随机数的生成

• 生成0~1间的随机数：np.random.random()
• 生成标准正太分布随机数：np.random.nomal()
• 生成指定范围内的随机整数：np.random.randint()

# encoding:utf-8
import numpy as np

# 生成0~1之间的随机数
ran1 = np.random.random((2,3))
print(ran1)
print("####################")

# 生成标准正态分布的随机数
ran2 = np.random.normal(size=(2,3))
print(ran2)
print("####################")

# 生成指定范围内的随机整数
ran3 = np.random.randint(0,10,size=(2,3))
print(ran3)

基本操作

• 求和：np.sum(array)
• 按行求和：np.sum(array,axis=1)
• 按列求和：np.sum(array,axis=0)
• 求均值：np.mean(array)或array.mean()
• 求最大元素：np.max(array)
• 求最小元素：np.min(array)
• 求最大元素索引：np.argmax(array)
• 求最小元素索引：np.argmin(array)
• 求中位数：np.median(array)
• 开方：np.sqrt(array)
• 按行排序：np.sort(array)
• 控制上下界，将所有小于min的都变成min，大于max的都变成max：np.clip(array,min,max)

# encoding:utf-8
import numpy as np

ran = np.random.randint(0,10,size=(3,3))
print(ran)
print(np.sum(ran))#求和
print(np.sum(ran,axis=0))#对列求和
print(np.sum(ran,axis=1))#对行求和
print(np.mean(ran))#求平均值
print(ran.mean())#求平均值
print(np.max(ran))#求最大元素
print(np.min(ran))#求最小元素
print(np.argmax(ran))#求最大元素索引
print(np.argmin(ran))#求最小元素索引
print(np.median(ran))#求中位数
print(np.sqrt(ran))#开方
print(np.sort(ran))#按行排序
print(np.clip(ran,2,7))#控制上下界

索引

• ：用来表示区间，左闭右开

• ，用来区分行列，左行又列

• -表示从后往前数，比如-1是最后一个，-2是倒数第二个

  下面是一些例子：

# encoding:utf-8
import numpy as np

ran = np.random.randint(0,10,size=(5,4))
print(ran)
print("#########")
# 取第三列
print(ran[:,2])
print("#########")
# 取倒数第二行
print(ran[-2])
print("#########")
# 取倒数两列
print(ran[:,-2:])
print("#########")
# 取第二行到倒数第二行
print(ran[1:-1])

合并操作

• 垂直合并：np.vstack()
• 水平合并：np.hstack()
• 对于非一维数据可通过调节axis值用np.concatenate()来合并
• 升维：np.newaxis或者在外面多包一层[]
• 升至至少二维或三维：np.atleast_2d()、np.atleast_3d()

# encoding:utf-8
import numpy as np

a = np.array([1,2,3,4])
b = np.array([5,6,7,8])

# 垂直合并
print(np.vstack((a,b)))
# 水平合并
print(np.hstack((a,b)))
print("############")
# 另一种合并方式axis为0表示垂直合并，为1表示水平合并
print(np.concatenate(([a],[b]),axis=0))
print(np.concatenate(([a],[b]),axis=1))
print("############")

# 升维操作
c = a[np.newaxis,:]
print(a.shape)
print(c.shape)
# 升至至少二维或三维
d = np.atleast_2d(a)
e = np.atleast_3d(a)
print(d.shape)
print(e.shape)

分割操作

• 垂直分割：np.vsplit()
• 水平分割：np.hsplit()
• 自选方向分割：np.split()
• 以上三种必须可以均分，万能自选方向分割：np.array_split()

# encoding:utf-8
import numpy as np

a = np.arange(12).reshape((3,4))
print(a)

# 垂直方向的分割
b,c,d = np.split(a,3,axis=0)
print(b)
print(c)
print(d)
e,f,g = np.vsplit(a,3)
print(e)
print(f)
print(g)
print("##############")

# 水平方向的分割
b,c = np.split(a,2,axis=1)
print(b)
print(c)
print(d)
e,f = np.hsplit(a,2)
print(e)
print(f)
print(g)
print("##############")

# 不均等分割
b,c,d = np.array_split(a,3,axis=1)
print(b)
print(c)
print(d)

浅拷贝与深拷贝

• 浅拷贝：直接用等号赋值，共享内存，是引用类型
• 深拷贝：array.copy()，新开辟一块内存，复制内容

# encoding:utf-8
import numpy as np

a = np.arange(4)
print(a)

# 浅拷贝（引用类型，共享内存）
b = a
b[0] = 1
print(a)
print(b)

# 深拷贝（值类型，复制内存）
c = a.copy()
c[0] = 2
print(a)
print(c)