Numpy概述(学习笔记)

一、Numpy概述

Numpy是Numerical Python的简称，特别是针对数组进行操作（创建，计算等）
可以通过浏览该网站查询更多相关知识：https://numpy.org/

1. 引入

import numpy

2. 查看版本

numpy.__version__ # 查看电脑的numpy版本

如果想要更新Numpy至最新版本，我使用的方法是在Anaconda里面找到相应的要更新的模块，

3.创建别名

import numpy as np

创建别名的好处，使得在使用的时候更加快速的引用它

例：
注：补充知识(%%time %time %timeit)

%%time 将会给出cell(一个单元格里面所运行的内容)的代码运行一次所花费的时间。
%time 将会给出当前行的代码运行一次所花费的时间。
%timeit 使用Python的timeit模块，它将会执行一个语句100，000次(默认情况下)，然后给出运行最快3次的平均值。

ls=range(100000)
ls

补充知识：
"_"是一个循环标志，类似于普通变量，只是不取值，只循环，这个"_"其实就是一个占位符，和用普通变量i但是不使用i是一样的效果。

%%time
ls=list(range(100000))
for _ in range(10):
    mylist=[x * 2 for x in ls] # 列表解析式

将上面的代码使用numpy:

import numpy as np 
arr=np.arange(100000)
arr

%%time
arr=np.arange(100000)
for _ in range(10):
    myarr=arr*2 # 列表解析式

由上述两端代码运行的时间可知：numpy进行数组的创建计算的效率高于list

二、创建数组

数组类型：一维数组，二维数组，多维数组
创建方法

1. np.array() list或者tuple
2. np.arange() np.inspace()
3. np.ones() np.zeors() np.eye() np.random.random()

1.一维数组

把列表和元组转换成为数组：

l1=[1,2,3,4,5,6]
l2=(6,5,4,3,2,1)
arrl1=np.array(l1)
arrl2=np.array(l2)
print(arrl1)
print(arrl2)

很清楚的看到区别，使用了 np.array() 之后，数据之间的逗号会消失。
以下是以浮点型为例子探讨数组的一些属性。
当数组定义好之后，本身带有的一些常用属性：

属性	解释
arr.ndim	返回的是数组的维度，返回的只有一个数，该数即表示数组的维度。
type(arr)	返回数据类型。
arr.shape	表示各位维度大小的元组。返回的是一个元组。
len(arr)	返回数组长度。
arr.size	返回元素个数。
arr.itemsize	返回元素的大小，元素的大小是根据数据的类型来定义的。
arr.strides	返回元素的跨度,跨度指两个元素之间要跨过的字节数。
arr.dtype	一个用于说明数组数据类型的对象,返回的是该数组的数据类型。

l3=[1.1,3.0,5.1,9.7,4.5]
arr=np.array(l3)
print('数据类型:',type(arr))
print('轴(维度):',arr.ndim)
print('数组长度:',len(arr))
print('元素个数:',arr.size)
print('形状:',arr.shape) #元组后面必须要加逗号
print('元素的大小:',arr.itemsize)
print('元素类型:',arr.dtype)
print('跨度:',arr.strides)

如果是整形的数组：

数组也可以是字符串类型或者混合类型:

2.np.arange()

np.arange():元素的间隔是固定的
函数返回一个有终点和起点的固定步长的排列，如[1,2,3,4,5]，起点是1，终点是5，步长为1。
参数个数情况： np.arange()函数分为一个参数，两个参数，三个参数三种情况

1. 一个参数时，参数值为终点，起点取默认值0，步长取默认值1。
2. 两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。
3. 三个参数时，第一个参数为起点，第二个参数为终点，第三个参数为步长，其中步长支持小数。

np.arange(8)

print(np.arange(2,8,2))
np.arange(2,8,2)

3.np.linspace()

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

1. start，开始的数字
2. stop，结束的数字
3. num，返回的数量
4. endpoint，一个bool型变量
5. retstep，一个bool型，True的话输出之间公差
6. dtype，数据类型，类型有很多例如：np.bool…，可以自己指定

将2~8之间进行50等分：

np.linspace(2,8)

len(np.linspace(2,8))

np.linspace(2,8,4)

这就类似于微信的抢红包，每份金额都是相等的。

三、二维数组

l3=[[1,3,5],[6,1,9.1]]
arr=np.array(l3)
print('数据类型:',type(arr))
print('轴(维度):',arr.ndim)
print('数组长度:',len(arr))
print('元素个数:',arr.size)
print('形状:',arr.shape)
print('元素的大小:',arr.itemsize)
print('元素类型:',arr.dtype)
print('跨度:',arr.strides)

l4=[[1,3,5],[6,1,9]]
arr=np.array(l4)
print('数据类型:',type(arr))
print('轴(维度):',arr.ndim)
print('数组长度:',len(arr))
print('元素个数:',arr.size)
print('形状:',arr.shape)
print('元素的大小:',arr.itemsize)
print('元素类型:',arr.dtype)
print('跨度:',arr.strides)

对比：l3和l4区别在于l3的元素含有float类型，而l4都是int类型
分析：

print('元素个数:',arr.size) # 是把所有元素都统计在内部
# 结果：
元素个数: 6

print('形状:',arr.shape)
#结果：
形状: (2, 3) # 表示两行三列 

1.二维数组的跨度

print('跨度:',arr.strides) # 数组是两行三列，

此外，还可以构造全0和全1的数组：

2. 全0数组

np.zeros(10)

3. 全1数组

np.ones((2,4))

4. 对角线二维数组

np.eye(3,3)

5. 随机二维数组

np.random.random((3,3))

6.利用arange创建二维数组

arr=np.array((np.arange(1,10),np.arange(1,10)))

四、多维数组

1.三维数组

利用arange创建三维数组

arr=np.array((((np.arange(1,10),np.arange(1,10),np.arange(1,10))),((np.arange(1,10),np.arange(1,10),np.arange(1,10)))))

print('数据类型:',type(arr))
print('轴(维度):',arr.ndim)
print('数组长度:',len(arr))
print('元素个数:',arr.size)
print('形状:',arr.shape)
print('元素的大小:',arr.itemsize)
print('元素类型:',arr.dtype)
print('跨度:',arr.strides)

2.reshape

reshape属性能够将改变数组的维度，比如将一维数组转变成三维数组

arr=np.arange(1,25).reshape(3,2,4)
print('轴(维度):',arr.ndim)
arr