numpy库相关知识
文章目录
-
- numpy库函数速查表
- numpy库入门
-
- 数据维度
- numpy介绍
- ndarray对象的属性
- ndarray数组的创建和变换
- ndarray数组的变换
- ndarray数组的操作
- ndarray数组的运算
- numpy的随机数函数
- numpy的统计函数
- numpy的梯度函数
numpy库函数速查表
numpy库入门
- 数据的维度：一维、二维、多维、高维
- ndarray类型 属性、创建和变换
- 数组的索引和切片
- 数组的运算：一元函数、二元函数
数据维度
一维数据
列表和数组的区别
列表：数据类型可以不同
数组：数据类型相同
二维数据
表格是典型的二维数据
多维数据
时间维度
高维数据
字典类型表示
通过键值对将数据组织起来的数据结构
numpy介绍
numpy的N维数组对象 ：ndarray
数组对象可以去掉元素间运算所需要的循环，使一维向量更像单个数据
np.array() 输出成[]形式 ，元素由空格分割
轴（axis）：保存数据的维度
秩（rank）：轴的数量
import numpy as np
# 生成一个ndarray数组
a = np.array([[0,1,2,3,4],[9,8,7,6,5]])
ndarray对象的属性
| 属性 | 说明 |
|---|---|
| .ndim | 秩，即轴的数量或维度的数量 |
| .shape | ndarray对象的尺度，对于矩阵，n行m列 |
| .size | ndarray对象元素的个数，相当于.shape中n*m的值 |
| .dtype | ndarray对象元素的类型 |
| .itemsize | ndarray对象中每个元素的大小，以字节为单位 |
ndarray数组的创建和变换
- 从python中的列表、元组等类型创建ndarray数组
x = np.array(list/tuple,dtype=np.float32)
- 使用numpy中函数创建ndarray数组，如：arange，ones，zeros等
| 函数 | 说明 |
|---|---|
| np.arange(n) | 类似range()函数，返回ndarray类型，元素从0到n-1 |
| np.ones(shape) | 根据shape生成一个全1数组，shape是元组类型 |
| np.zeros(shape) | 根据shape生成一个全0数组，shape是元组类型 |
| np.full(shape,val) | 根据shape生成一个数组，每个元素都是val |
| np.eye(n) | 创建一个正方的n*n单位矩阵，对角线为1，其余为0 |
| np.ones_like(a) | 根据数组a的形状生成一个全1数组 |
| np.zeros_like(a) | 根据数组a的形状生成一个全0数组 |
| np.full_like(a,val) | 根据数组a的形状生成一个数组，每个元素值都是val |
| np.linspace() | 根据起止数据等间距地填充数据，形成数组 |
| np.concatenate() | 将两个或多个数组合并成一个新的数组 |
- 从字节流（raw bytes）中创建ndarray数组
- 从文件中读取特定格式，创建ndarray数组
ndarray数组的变换
# 维度变换和元素类型变换
a = np.ones((2,3,4),dtype=np.int32)
# astype()方法会生成一个新的数组
new_a = a.astype(new_type)
# ndarray数组向列表转换
ls = a.tolist()
| 方法 | 说明 |
|---|---|
| .reshape(shape) | 不改变数组元素，返回一个shape形状的数组，原数组不变 |
| .resize(shape) | 与.reshape()的功能一致，但是修改原数组 |
| .swapaxes(ax1,ax2) | 将数组n个维度中两个维度进行调换 |
| .flatten() | 对数组进行降维，返回折叠后的一维数组，原数组不变 |
ndarray数组的操作
数组的索引和切片
一维数组的索引和切片与列表类似
a = np.array([9,8,7,6,5])
a[2]
a[1:4:2]
多维数组的索引
a = np.arange(24).reshape((2,3,4))
a[1,2,3]
23
多维数组的切片
a[:,1,-3] # 选取一个维度用 ：
a[:,1:3,:] # 每个维度的切片方法与一维数组相同
a[:,:,::2] # 每个维度使用步长跳跃切片
ndarray数组的运算
数组与标量之间的运算作用与数组的每一个元素
numpy一元函数
| 函数 | 说明 |
|---|---|
| np.abs(x） np.fabs(x) | 计算数组各元素的绝对值 |
| np.sqrt(x) | 计算数组各元素的平方根 |
| np.square(x) | 计算数组各元素的平方 |
| np.log(x) np.log10(x) np.log2(x) | 计算数组各元素的自然对数、10为底对数、2为底对数 |
| np.ceil(x) np.floor(x) | 计算数组各元素的ceiling值或floor值 |
| np.rint(x) | 计算数组各元素的四舍五入值 |
| np.modf(x) | 将数组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) np.sinh(x)np.tan(x) np.tanh(x) | 计算数组各元素的三角函数 |
| np.exp(x) | 计算数组各元素的指数值 |
| np.sign(x) | 计算数组各元素的符号值，1(+),0,-1(-) |
numpy二元函数
| 函数 | 说明 |
|---|---|
| + - * / ** | 两个数组各元素进行对应运算 |
| np.maximum(x,y) np.fmax()np.minimum(x,y) np.fmin() | 元素级的最大值/最小值计算 |
| 元素级的最大值/最小值计算 | 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 |
| > < >= <= == != | 算数比较，产生布尔型数组 |
数据的csv文件存取
cav文件 使用’’,"逗号分隔值
# 保存csv文件
np.savetxt(frame,array,fmt='%.18e',delimiter=None)
a = np.arange(100).reshape(5,20)
np.savetxt('a.csv',a,fmt='%d',delimiter=',')
# 读入csv文件
np.loadtxt(frame,dtype=np.float,delimiter=None,unpack=False)
b = np.loadtxt('a.csv',dtype = np.int,delimeter=',')
csv只能有效存储一维和二维数组
np.savetxt()和np.loadtxt() 只能有效存储一维和二维数组
多维数据的存取
a.tofile(frame,sep='',format='%s')
a = np.arange(100).reshape(5,10,2)
a.tofile('b.dat',sep=',',format='%d')
c = np.fromfile('b.dat',dtype=np.int,sep=',').reshape(5,10,2)
numpy的便捷文件存取
np.save(fname,array)
np.savez(fname,array)
np.load(fname)
numpy的随机数函数
| 函数 | 说明 |
|---|---|
| rand(d0,d1,…dn) | 根据d0-dn创建随机数数组，浮点数，[0,1),均匀分布 |
| randn(d0,d1,…dn) | 根据d0-dn创建随机数数组，标准正态分布 |
| randint(low[,high,shape) | 根据shape创建随机整数或整数数组，范围是[low,high) |
| seed(s) | 随机数种子，s是给定的种子值 |
| shuffle(a) | 根据数组a的第一轴进行随机排列，改变数组x |
| permutation(a) | 根据数组a的第一轴产生一个新的乱序数组，不改变数组x |
| 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 |
| 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 |
| 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 |
| 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 |
np.random的随机数函数
np.random.rand(3,4,5)
np.random.randn(3,4,5)
np.random.randint(100,200,(3,4))
np.random.seed(10)
numpy的统计函数
| 函数 | 说明 |
|---|---|
| sum(a,axis=None) | 根据给定轴axis计算数组a相关元素之和，axis为整数或元组 |
| mean(a,axis=None) | 根据给定轴axis计算数组a相关元素的期望，axis为整数或元组 |
| 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 |
| std(a,axis=None) | 根据给定轴axis计算数组a相关元素的标准差 |
| var(a,axis=None) | var(a,axis=None) |
| min(a) max(a) | 最小值、最大值 |
| argmin(a) argmax(a) | 最小值、最大值的降一维后的下标 |
| 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中元素最大值和最小值的差 |
| median(a) | 计算数组a中元素的中位数（中值） |
np.argmax(b)
0 # 扁平化后的下标
np.unravel_index(np.argmax(b),b.shape)
(0,0) # 重塑成多维下标
numpy的梯度函数
梯度：连续值之间的变化率，即斜率。
# 计算数组f中元素的梯度，当f为多维时，返回每个维度的梯度
np.gradient(f)