Numpy1--ndarray对象的创建
对象的创建
n维数组创建
nd.array(list,ndmin=n)
numpy的ndarray 与 python原生list的区别
- 全部变成了字符串型，所以当只涉及 int float str的时候，其转换方向如下：int -->float–>str
- 当ndarray中的元素包含序列数据，比如列表 元组时就不会转换
Numpy的矢量化功能
a = [[1, 2, 3], [5, 0, 8], [4, 5, 6]]
b = [[6, 2, 1], [2, 3, 1], [4, 5, 6]]
np.array(a)+np.array(b)
array([[ 7, 4, 4],
[ 7, 3, 9],
[ 8, 10, 12]])
优点
- 矢量化代码更简洁易读
- 更少的代码行通常意味着更少的错误
- 执行效率高，运行速度快
数据类型 dtype
Numpy 常见的基本数据类型如下：
| 数据类型 | 描述 |
|---|---|
| bool_ | 布尔（True或False），存储为一个字节 |
| int_ | 默认整数类型（通常为int64或int32） |
| intc | 与C int（通常为int32或int64）相同 |
| intp | 用于索引的整数（与C ssize_t相同；通常为int32或int64） |
| int8 | 字节（-128到127） |
| int16 | 整数（-32768到32767） |
| int32 | 整数（-2147483648至2147483647） |
| int64 | 整数（-9223372036854775808至9223372036854775807） |
| uint8 | 无符号整数（0到255） |
| uint16 | 无符号整数（0到65535） |
| uint32 | 无符号整数（0至4294967295） |
| uint64 | 无符号整数（0至18446744073709551615） |
| float_ | float64的简写。 |
| float16 | 半精度浮点：符号位，5位指数，10位尾数 |
| float32 | 单精度浮点：符号位，8位指数，23位尾数 |
| float64 | 双精度浮点：符号位，11位指数，52位尾数 |
| complex_ | complex128的简写。 |
| complex64 | 复数，由两个32位浮点（实数和虚数分量） |
| complex128 | 复数，由两个64位浮点（实数和虚数分量） |
查看数据类型ndarray.dtype
数据类型的转换ndarray.astype
- 转换数据会重新生成副本，保护原数据
常用数组
全0数组的创建
- np.nzeros(shape, dtype=float, order=‘C’)
全1数组
- np.ones(shape, dtype=float64, order=‘C’)
全为相同值的数组np.full()
- np.full(shape, fill_value, dtype=None, order=‘C’)
单位矩阵 (矩阵是二维数组)np.eye()
- np.eye(N, M=None, k=0, dtype=
, order=‘C’)
按照某一数组的形状新生成一个数组
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9 ]])
np.ones_like(a)
np.zeros_like(a)
np.full_like(a,9)
初始化数组np.empty
- np.empty(shape, dtype=float, order=‘C’)
对角矩阵np.diag()
np.diag(v, k=0)
np.diag(v, k=0)
v
- 如果是一个一维的序列，则返回以该序列为对角的二维数组
- 如果是一个二维的数组， 则返回该二维数组的对角
k, 偏移
a = np.diag([1, 2, 3, 4])
out: array([[1, 0, 0, 0],
[0, 2, 0, 0],
[0, 0, 3, 0],
[0, 0, 0, 4]])
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
b = np.diag(a) #返回该二维数组的对角
b
out: array([1, 5, 9])
设置空值np.nan
创建随机数组np.random(重点)
随机生成一些整数
np.random.randint(low, high, size)
随机生成满足标准正态分布的数
np.random.randn(d0, d2, d3, …) 什么都不写则返回一个满足标准正太分布的浮点数
随机生成[0, 1)之间的数
np.random.rand(d0, d1, d2,…)
返回满足指定均值和标准差的正太分布的数
np.random.normal(loc=0.0, scale=1.0, size=None)
loc:指定的均值
scale:指定的标准差
size:生成的数组的形状， 不写默认返回一个满足上述分布的数
设置随机数种子np.random.seed()
- 括号里面的写的数字代表一种随机方式
- 这个的目的就是让所有人以同样一种随机方式，生成的随机数一样，必须和随机代码放在一个代码框里才行
创建线性序列的数组np.arange()
np.arange(start, stop, sep)
指定在某个范围内生成指定数目的数
np.linspace(
start, #开始位置
stop, #终止位置
num=50, #生成的数的个数，默认50
endpoint=True, #终止位置需不需要取，默认是True,能取到
)
- 返回在指定范围内的均匀间隔的数字（组成的数组），也即返回一个等差数列，默认50个