Numpy的使用（2）
常用的数组及其变形
1、常用数组的创建
1、1全0的数组
1、2全1数组
b = np.ones(5) #默认float64型
b
c = np.ones((2,3),dtype=np.int)
1、3随机数组
np.random.rand(2,3) #返回[0, 1)之间的数
array([[0.1886071 , 0.11778213, 0.75613725],
[0.55801559, 0.84307341, 0.03900024]])
np.random.randint(1, 10, (3, 6)) #起始值，终止值（不包含），形状
array([[1, 3, 9, 8, 2, 6],
[2, 6, 5, 3, 2, 7],
[3, 6, 9, 2, 2, 4]])
#生成一个三维数组
np.random.randint(1,5,(2,3,3))
array([[[4, 2, 1],
[2, 4, 4],
[1, 3, 3]],
[[4, 3, 4],
[2, 2, 2],
[2, 1, 3]]])
np.random.normal(2,1,(2,2))#生成均值为2,标准差1的(2,2)的正态分布
array([[3.17793788, 1.40527582],
[3.41286715, 2.30436796]])
np.random.normal(4, 2, (3,3))
array([[4.83284853, 2.89363485, 7.10305535],
[1.83308336, 0.95330586, 4.52366048],
[2.57295016, 7.14112992, 0.95837073]])
np.random.randn(4,2,3) #np.random.standard_normal的简写形式 标准正态分布
array([[[-1.75707328, 0.04405065, -0.71344579],
[ 0.40162545, -1.07854554, 0.24608147]],
[[ 0.8420804 , 0.83717103, -2.90153057],
[ 1.26795487, 0.0444246 , -0.46536408]],
[[-1.09068471, 0.93762461, -0.29004083],
[-0.36024306, -2.19659071, 0.51255556]],
[[-0.47880211, -0.27406868, 0.10676188],
[-0.07234616, -0.1863053 , -0.98849959]]])
np.random.standard_normal((4,2,3)
array([[[ 1.59106145, 1.2175568 , 0.11270557],
[ 0.67033589, -0.56639093, -0.11936274]],
[[ 0.63298831, 0.49064045, -0.67077725],
[-2.37431753, 1.4642621 , 0.11996945]],
[[-0.84237636, 1.01458359, 0.1398038 ],
[ 0.56170129, 0.56296184, -0.50162535]],
[[ 1.40019432, 0.62035531, 0.26629534],
[ 1.1667477 , 0.11741135, -0.30593312]]])
d = np.random.randn(2, 3)
d
array([[ 0.09004468, -1.39751121, -0.20283765],
[-0.93946504, 0.39819292, -1.57714855]])
# 设置随机数种子, 拆开发现不好使, 必须放在一起才好使
np.random.seed(1)
d = np.random.randn(2, 3)
d
array([[ 1.62434536, -0.61175641, -0.52817175],
[-1.07296862, 0.86540763, -2.3015387 ]])
1、4创建一个线性序列的数组
np.arange(16)
np.arange(0, 16, 2)
np.arange(0, 16, 4)
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15])
array([ 0, 2, 4, 6, 8, 10, 12, 14])
array([ 0, 4, 8, 12])
#从运行结果可以看出0-16的range，实际在取数的时候只能0到15，三个参数中的第三个参数是表示步长。
1、5全为相同值的数组
np.full((5,4),6)
#5行4列全部为6
array([[6, 6, 6, 6],
[6, 6, 6, 6],
[6, 6, 6, 6],
[6, 6, 6, 6],
[6, 6, 6, 6]])
np.full((3,2,4),[[1,2,3,4],[2,3,4,5]])
array([[[1, 2, 3, 4],
[2, 3, 4, 5]],
[[1, 2, 3, 4],
[2, 3, 4, 5]],
[[1, 2, 3, 4],
[2, 3, 4, 5]]])
1、6单位矩阵
np.eye(5) #默认float型，5行5列的单位矩阵
array([[1., 0., 0., 0., 0.],
[0., 1., 0., 0., 0.],
[0., 0., 1., 0., 0.],
[0., 0., 0., 1., 0.],
[0., 0., 0., 0., 1.]])
np.eye(3,6) #3行六列的单位矩阵
array([[1., 0., 0., 0., 0., 0.],
[0., 1., 0., 0., 0., 0.],
[0., 0., 1., 0., 0., 0.]])
np.eye(5,k=-1,dtype='int') #k代表平移量，正数代表对角线向右上角平移负数代表对角线向左下角平移
array([[0, 0, 0, 0, 0],
[1, 0, 0, 0, 0],
[0, 1, 0, 0, 0],
[0, 0, 1, 0, 0],
[0, 0, 0, 1, 0]])
1、7 创建对角矩阵
np.diag([1,2,3,4,5],k=2) #对角 Diagonal
array([[0, 0, 1, 0, 0, 0, 0],
[0, 0, 0, 2, 0, 0, 0],
[0, 0, 0, 0, 3, 0, 0],
[0, 0, 0, 0, 0, 4, 0],
[0, 0, 0, 0, 0, 0, 5],
[0, 0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0, 0]])
np.diag([5,2,5,4.2])
array([[5. , 0. , 0. , 0. ],
[0. , 2. , 0. , 0. ],
[0. , 0. , 5. , 0. ],
[0. , 0. , 0. , 4.2]])
np.diag([1,2,3,'a'],2) #最后一个参数表示偏移量，正数向右上角偏移，负数向最下角偏移
array([['', '', '1', '', '', ''],
['', '', '', '2', '', ''],
['', '', '', '', '3', ''],
['', '', '', '', '', 'a'],
['', '', '', '', '', ''],
['', '', '', '', '', '']], dtype=')
np.diag([1,2,3,'a'],-2)
array([['', '', '', '', '', ''],
['', '', '', '', '', ''],
['1', '', '', '', '', ''],
['', '2', '', '', '', ''],
['', '', '3', '', '', ''],
['', '', '', 'a', '', '']], dtype=')
np.diag(np.array([1, 2, 3, 4]))
array([[1, 0, 0, 0],
[0, 2, 0, 0],
[0, 0, 3, 0],
[0, 0, 0, 4]])
1、8按照某一数组的形状生成ndarray
e = [[2,1,3],[4,3,2]]
np.array(e)
array([[2, 1, 3],
[4, 3, 2]])
np.ones_like(e)
np.zeros_like(e)
np.full_like(e,5)
array([[1, 1, 1],
[1, 1, 1]])
array([[0, 0, 0],
[0, 0, 0]])
array([[5, 5, 5],
[5, 5, 5]])
1、9创建一个初始化的数组
np.empty(6) #为什么这里会有数字显示呢？ 为了占位
array([1.62434536, 0.61175641, 0.52817175, 1.07296862, 0.86540763,
2.3015387 ])
f = np.empty((2,3))
f
array([[1.62434536, 0.61175641, 0.52817175],
[1.07296862, 0.86540763, 2.3015387 ]])
f.fill(5.5)
f
array([[5.5, 5.5, 5.5],
[5.5, 5.5, 5.5]])
np.random.randint(5, 15, (3, 6))
np.random.randn(3,4)
array([[ 0.90085595, -0.68372786, -0.12289023, -0.93576943],
[-0.26788808, 0.53035547, -0.69166075, -0.39675353],
[-0.6871727 , -0.84520564, -0.67124613, -0.0126646 ]])
np.random.normal(10,5,(7,3))
np.arange(12,22,2)
np.linspace(12,22,num=100,endpoint=False)
2、数组的变形
| 函数 | 意义 |
|---|---|
| ndarray.reshape | 返回调整shape后的数组（不改变原数组） |
| ndarray.resize | 返回调整shape后的数组（改变原数组） |
| ndarray.flatten | 对数组进行降维，返回折叠后的一维数组 |
| ndarray.ravel | 降维成一维 |
| ndarray.swapaxes | 返回调换两个维度后的数组 |
m = np.random.randint(1, 100,(2, 3, 4))
m
array([[[41, 79, 46, 88],
[17, 29, 46, 68],
[67, 79, 47, 1]],
[[30, 64, 76, 36],
[54, 94, 34, 3],
[85, 84, 49, 55]]])
m.shape
(2, 3, 4)
m.reshape(1,3,8)
array([[[41, 79, 46, 88, 17, 29, 46, 68],
[67, 79, 47, 1, 30, 64, 76, 36],
[54, 94, 34, 3, 85, 84, 49, 55]]])
m.reshape(6,4)
array([[41, 79, 46, 88],
[17, 29, 46, 68],
[67, 79, 47, 1],
[30, 64, 76, 36],
[54, 94, 34, 3],
[85, 84, 49, 55]])
m.reshape(24)
m #没有改变原数组
array([41, 79, 46, 88, 17, 29, 46, 68, 67, 79, 47, 1, 30, 64, 76, 36, 54,
94, 34, 3, 85, 84, 49, 55])
array([[[41, 79, 46, 88],
[17, 29, 46, 68],
[67, 79, 47, 1]],
[[30, 64, 76, 36],
[54, 94, 34, 3],
[85, 84, 49, 55]]])
m.reshape(1,-1) #-1用来站位 1在行的位置，即把数据变成一行
array([[41, 79, 46, 88, 17, 29, 46, 68, 67, 79, 47, 1, 30, 64, 76, 36,
54, 94, 34, 3, 85, 84, 49, 55]])
m.flatten()
array([41, 79, 46, 88, 17, 29, 46, 68, 67, 79, 47, 1, 30, 64, 76, 36, 54,
94, 34, 3, 85, 84, 49, 55])
m.ravel() #与flatten作用相似
array([41, 79, 46, 88, 17, 29, 46, 68, 67, 79, 47, 1, 30, 64, 76, 36, 54,
94, 34, 3, 85, 84, 49, 55])
m=m.reshape(3,4,2)
n = m.swapaxes(0,1) #将两个维度调换,不改变原数组
n
array([[[41, 79],
[67, 79],
[54, 94]],
[[46, 88],
[47, 1],
[34, 3]],
[[17, 29],
[30, 64],
[85, 84]],
[[46, 68],
[76, 36],
[49, 55]]])
3、转置
Numpy 的转置可以按照你的需要对数组的轴进行转换。
a = np.arange(15).reshape((3, 5))
print(a)
b = np.arange(7)
print(b.shape)
print(b.ndim)
print(b)
c=np.array(np.arange(24).reshape((3,2,4)))
c.shape
np.array(np.arange(24).reshape((3,2,4))).T.shape