python numpy

numpy数据类型（数组）的介绍

数组与列表的区别

列表	数组
数据类型可以不同	数据类型相同
python	numpy

数组支持矩阵运算

import numpy as np
def npSum():
    a1 = np.array([0,1,2,3,4])
    a2 = np.array([9,8,7,6,5])
    a3 = a1**2 + a2**2
    return a3
print(npSum())

数组对象的属性

属性	解释
a.ndim	数组a的秩，轴的数量或维度的数量
a.shape	数组a的尺度，对于矩阵，n行，m列
a.size	数组a元素的个数，相当于.shape中的n*m的值
a.dtype	数组a的元素类型
a.itemsize	数组a中每个元素的大小，以字节为单位

数组对象的元素类型 .dtype

元素类型	解释
bool	布尔类型，True或False
intc	与C语言中的int类型一致，一般是int32或int64
intp	用于索引的整数，与C语言中ssize_t一致，int32或int64
int8	字节长度的整数，取值：[‐128, 127]
int16	16 位长度的整数，取值：[‐32768, 32767]
int32	32 位长度的整数，取值：[‐231, 231‐1]
int64	64 位长度的整数，取值：[‐263, 263‐1]
uint8	8 位无符号整数，取值：[0, 255]
uint16	16 位无符号整数，取值：[0, 65535]
uint32	32 位无符号整数，取值：[0, 232‐1]
uint64	32 位无符号整数，取值：[0, 264‐1]
float16	16 位半精度浮点数：1 位符号位，5 位指数，10 位尾数
float32	32 位半精度浮点数：1 位符号位，8 位指数，23 位尾数
float64	64 位半精度浮点数：1 位符号位，11 位指数，52 位尾数

数组的简单操作

数组创建相关

• 数组的创建

# 列表/元组 转换为数组
x = np.array(list/tuple,dtype=np.float32)  
# np函数生成数组
np.arange(n)             # 元素从0到n-1
np.ones(shape)
np.zeros(shape)
np.full(shape,val)       # 每个元素值都是val
np.eye(n)                # n*n的单位矩阵
np.ones_like(a)          # 根据数组a的形状生成全1数组
np.zeros_like(a)
np.full_like(a,val)      # 根据数组a的性转生成全val数组
np.linspace(a,b,dt)      # 起a,止b,等间隔dt 生成数组
np.concatenate((a,b))    # 将a,b两个或多个数组合成一个新的数组

• 数组的转换

# 列表/元组 转换为数组
x = np.array(list/tuple,dtype=np.float32)  
ls = a.tolist()

• 数组属性的变换

a.reshape(shape)          # 不改变数组元素，返回一个shape形状的数组，原数组不变 
a.resize(shape)           # 与.reshape()功能一致，但修改原数组
a.swapaxes(ax1,ax2)       # 将数组n个维度中两个维度进行调换
a.flatten()               # 对数组进行降维，返回折叠后的一维数组，原数组不变
a.astype(new_type)        # 返回一个数组元素类型是new_type的数组（new_type可以是np.float等） ，原数组不变 

数组切片及简单运算

• 数组的切片
  • 一维数据

  a[2]                       # 单个元素
  a[1:4:2]                   # 多个元素  起始编号: 终止编号(不含): 步长 
  

  • 多维数据

  a[1,2,3]                   # 三维数组的 单个元素
  a[-1,-2,-3]                
  a[:,1,-3]                  # 选取一个维度用
  a[:,1:3,:]                 # 每个维度切片方法 与一维数组相同
  a[:,:,::2]                 # 每个维度可以使用 步长跳跃切片   ::2 同一维数的操作
  

• 数组的简单运算
  • 单个数组的运算

  np.abs(x)  np.fabs(x)                   # 计算数组x各元素的绝对值 
  np.sqrt(x)                              # 计算数组x各元素的平方根 
  np.square(x)                            # 计算数组x各元素的平方 
  np.log(x) np.log10(x)  np.log2(x)       # 计算数组x各元素的自然对数、10 底对数和2底对数 
  np.ceil(x) np.floor(x)                  # 计算数组x各元素的ceiling值或floor值
  np.rint(x)                              # 计算数组x各元素的四舍五入值
  np.modf(x)                              # 将数组x各元素的小数和整数部分以两个独立数组形式返回
  np.cos(x) np.cosh(x) np.sin(x)          # 计算数组x各元素的普通型和双曲型三角函数
  np.sinh(x) np.tan(x) np.tanh(x)
  np.exp(x)                               # 计算数组x各元素的指数值
  np.sign(x)                              # 计算数组x各元素的符号值，1(+), 0, ‐1(‐)
  

  • 两个数组间的运算

  + ‐* / **                              # 两个数组各元素进行对应运算
  np.maximum(x,y) np.fmax(x,y)           # 元素级 的最大值/最小值计算 
  np.minimum(x,y) np.fmin(x,y)
  np.mod(x,y)                            # 元素级的模运算
  np.copysign(x,y)                       # 将数组y中各元素值的符号赋值给数组x对应元素
  > < >= <= == !=                        # 算术比较，产生布尔型数组
  

数组的存取操作

数据的csv文件存取

np.savetxt(frame, array, fmt='%.18e', delimiter=None)
    •frame : 文件、字符串或产生器，可以是.gz或.bz2的压缩文件
    •array : 存入文件的数组
    •fmt: 写入文件的格式，例如：%d %.2f %.18e
    •delimiter : 分割字符串，默认是任何空格
np.loadtxt(frame, dtype=np.float, delimiter=None，unpack=False)
    •frame : 文件、字符串或产生器，可以是.gz或.bz2的压缩文件
    •dtype: 数据类型，可选
    •delimiter : 分割字符串，默认是任何空格
    •unpack : 如果True，读入属性将分别写入不同变量
局限性
    只能有效存取一维和二维数组

import numpy as np
a = np.arange(100).reshape(5,20)
np.savetxt('a.csv',a,fmt='%d',delimiter=',')

import numpy as np
b = np.loadtxt('a.csv',dtype=np.int,delimiter=',')

多维数据的存取dat

a.tofile(frame, sep='', format='%s')
    •frame : 文件、字符串
    •sep: 数据分割字符串，如果是空串，写入文件为二进制
    •format : 写入数据的格式
np.fromfile(frame, dtype=float, count=‐1, sep='')
    •frame : 文件、字符串
    •dtype: 读取的数据类型
    •count : 读入元素个数，‐1 表示读入整个文件
    •sep: 数据分割字符串，如果是空串，写入文件为二进制
注意：
    该方法需要读取时知道存入文件时数组的维度和元素类型 
    a.tofile()和np.fromfile()需要 配合使用 
    可以通过元数据文件来存储额外信息

import numpy as np
a = np.arange(100).reshape(5,10,2)
a.tofile('b1.dat',sep=',',format='%d')                          # 文本查看时，正常显示
c = np.fromfile('b1.dat',dtype=np.int,sep=',')
c = np.fromfile('b1.dat',dtype=np.int,sep=',').reshape(5,10,2)

import numpy as np
a = np.arange(100).reshape(5,10,2)
a.tofile('b2.dat',format='%d')                                  # 文本查看时，是乱码
c = np.fromfile('b2.dat',dtype=np.int)
c = np.fromfile('b2.dat',dtype=np.int).reshape(5,10,2)   # 重新导入工作区时，正常显示

numpy的便捷文件存取

np.save(fname, array) 或np.savez(fname, array)
    •fname: 文件名，以.npy为扩展名，压缩扩展名为.npz
    •array : 数组变量
np.load(fname)
	•fname: 文件名，以.npy为扩展名，压缩扩展名为.npz

import numpy as np
a = np.arange(100).reshape(5,10,2)
np.save('c.npy',a)                                       # 文本查看时，为乱码
b = np.load('c.npy')

numpy统计相关函数

numpy的随机函数

np.random.rand(d0,d1,..,dn)             根据d0‐dn创建随机数数组，浮点数，[0,1)，均匀分布 
np.random.randn(d0,d1,..,dn)            根据d0‐dn创建随机数数组，标准正态分布 
np.random.randint(low[,high,shape])     根据shape创建随机整数或整数数组，范围是[low, high) 
np.random.seed(s)                       随机数种子，s是给定的种子值
np.random.shuffle(a)                    根据数组a的第1轴进行随排列，改变数组x 
np.random.permutation(a)                根据数组a的第1轴产生一个新的乱序数组，不改变数组x 
np.random.choice(a[,size,replace,p])    从一维数组a中以概率p抽取元素，形成size形状新数组 replace表示是否可以重用元素，默认为False
np.random.uniform(low,high,size)        产生具有均匀分布的数组,low起始值,high结束值,size形状 
np.random.normal(loc,scale,size)        产生具有正态分布的数组,loc均值,scale标准差,size形状 
np.random.poisson(lam,size)             产生具有泊松分布的数组,lam随机事件发生率,size形状

numpy统计函数

np.sum(a, axis=None)                        根据给定轴axis计算数组a相关元素之和，axis整数或元组
np.mean(a, axis=None)                       根据给定轴axis计算数组a相关元素的期望，axis整数或元组
np.average(a,axis=None,weights=None)        根据给定轴axis计算数组a相关元素的加权平均值
np.std(a, axis=None)                        根据给定轴axis计算数组a相关元素的标准差
np.var(a, axis=None)                        根据给定轴axis计算数组a相关元素的方差
min(a)  max(a)                              计算数组a中元素的最小值、最大值
argmin(a)  argmax(a)                        计算数组a中元素最小值、最大值的降一维后下标
unravel_index(index, shape)                 根据shape将一维下标index转换成多维下标
ptp(a)                                      计算数组a中元素最大值与最小值的差
median(a)                                   计算数组a中元素的中位数（中值）

numpy梯度函数

np.gradient(f)                              计算数组f中元素的梯度，当f为多维时，返回每个维度梯度