StarsWhisper

【学习记录】【Python】【numpy】自学简要记录（未完）

自学记录，不专业

1.很基础的操作

010.建立一个数组以及查看它的一些属性

看就完了，奥里给

import numpy as np

lst=[i for i in range(6)]

#---------------------------------------------------
input('\n\n1.创建两个数组，类型为numpy.ndarray\n')
array1=np.array(lst)
array2=np.array([[[1,2,3],[4,5,6]],[[0,0,1],[1,1,2]]],dtype=np.int8)#dtype参数规定数组中数据的数据类型

print(type(array1),type(array2))

#----------------------------------------------------
input('\n\n2.查看数组的维度和形状\n')
print('维度：',array1.ndim,array2.ndim)
print('形状：',array1.shape,array2.shape)



#-----------------------------------------------------
input('\n\n3.改变数组形状\n')
array1_re=array1.reshape(2,3)
print('改变后：',array1_re)
print('改变前：',array1)


#-----------------------------------------------------
input('\n\n4.查看数组数据类型\n')
print(array1.dtype,array2.dtype)


#-----------------------------------------------------
input('\n\n5.查看数组的大小(貌似就是元素个数)\n')
print(array1.size,array2.size)

011.最简单的提取信息

提取第几行第几列

import numpy as np

array=np.array([i for i in range(18)]).reshape(3,6)#reshape的作用是把np.array中创建的一维数组变形
print('原数组array：\n',array)


#----------------------------------------------
input('\n\n1.取原数组的0-1行，1-3列\n')
array1=array[0:2,1:4]
print(array1)

#----------------------------------------------
input('\n\n2.取原素组1-末行的首-4列\n')
array2=array[1:,:4]
print(array2)


#----------------------------------------------
input('\n\n3.取原数组首-末行的2-末列\n')
array3=array[:,2:]
print(array3)

012.最简单的矩阵运算

加减乘转置

import numpy as np

array1=np.array([i for i in range(18)]).reshape(3,6)
array2=np.array([i*3 for i in range(18)]).reshape(3,6)
print('原数组：\n',array1,'\n\n',array2,sep='')


#-----------------------------------------------
input('\n\n两数组相加\n')
print(array1+array2)


#-----------------------------------------------
input('\n\n两数组相减\n')
print(array1-array2)


#-----------------------------------------------
input('\n\n两数组相乘，注意不是矩阵乘法，只是把对应位置的数相乘\n')
print(array1*array2)


#-----------------------------------------------
input('\n\narray1+2\n')
print(array1+2)

#-----------------------------------------------
input('\n\narray1转置\n')
print(array1.T)

矩阵乘法
numpy.matmul(a,b)
numpy.dot(a,b)

01a.精度

元素为float16类型的数组和元素为float64类型的数组记录同样的值，扩大10000倍后不一样
通过 set_printoptions(precision=?) 来设置精度

import numpy as np

array_float16=np.array([[2.2,4.4],[6.6,8.8]],dtype=np.float16)
array_float64=np.array([[2.2,4.4],[6.6,8.8]],dtype=np.float64)


#------------------------------------------------------------------------
input('\n\n1.精度不同，值会存在误差\n')
print('原数组：\n',array_float16,'\n\n',array_float64,sep='')

input('\n如果把里面的元素都扩大10000倍\n\n')
print('扩大后：\n',array_float16*10000,'\n\n',array_float64*10000,sep='')


#------------------------------------------------------------------------
input('\n\n2.通过 set_printoptions(precision=?) 来设置精度\n\n')
np.set_printoptions(precision=6)
print(array_float64/3)

01b.数组元素默认的数据类型

int:默认int32
float：默认float64

import numpy as np

array1=np.array([1,2])
array2=np.array([1.0,2.0])

print(array1.dtype,array2.dtype)

1.5快速创建数组1

zeros 创建指定形状和类型的全 0 数组
zeros_like 创建另一个数组的形状和类型创建全 0 数组
ones 创建指定形状和类型的全 1 数组
ones_like 创建另一个数组的形状和类型创建全 1 数组
empty 创建指定形状和类型的空数组，不对数据进行初始化
empt_like 根据另一个数组的形状和类型创建空数组，不对数据尽兴初始化
full 创建指定形状和类型的数组，全部填上指定的值
full_like 根据另一个数组的形状和类型创建空数组，全部填上指定的值

import numpy as np

array=np.arange(48).reshape(4,4,3)
spt=np.dsplit(array,3)

input('\n\nnp.zeors,参数给数组形状')
zero1=np.zeros((4,4,1),dtype=np.int8)
print(zero1)

input('\n\nnp.zeros_like参数给一个数组，创建一个相同形状的数组')
zero2=np.zeros_like(spt[0],dtype=np.int8)
print(zero2)

import numpy as np

array=np.arange(48).reshape(4,4,3)
spt=np.dsplit(array,3)

input('\n\nnp.ones,参数给数组形状')
one1=np.ones((4,4,1),dtype=np.int8)
print(one1)

input('\n\nnp.ones_like参数给一个数组，创建一个相同形状的数组')
one2=np.ones_like(spt[0],dtype=np.int8)
print(one2)

import numpy as np

array=np.arange(48).reshape(4,4,3)
spt=np.dsplit(array,3)

input('这两种方法不对数据进行初始化')

input('\n\nnp.empty,参数给数组形状')
empty1=np.empty((4,4,1),dtype=np.int8)
print(empty1)

input('\n\nnp.empty_like参数给一个数组，创建一个相同形状的数组')
empty2=np.empty_like(spt[0],dtype=np.int8)
print(empty2)

import numpy as np

array=np.arange(48).reshape(4,4,3)
spt=np.dsplit(array,3)

input('以下两种方法建立某种形状且值全为给定值的数组')

input('\n\nnp.full,参数给数组形状')
ful=np.full((4,4,1),25,dtype=np.int8)
print(ful)

input('\n\nnp.full_like参数给一个数组，创建一个相同形状的数组')
fulll=np.full_like(spt[0],12,dtype=np.int8)
print(fulll)

1.6快速创建数组2

快速创建固定步长等差递变数组

arange（开始，结束，步长）创建等差递变数组

import numpy as np

input('numpy.arange(),下面的三个参数分别为开始，结束，步长')
arr=np.arange(-15,23,0.25)
print(arr)

快速创建有固定元素个数的等差递变数组

linspace(开始，结束，元素个数)

import numpy as np

print(np.linspace(-20,72,104))

2.比较基础的东西

020.基础索引、切片

import numpy as np

array=np.array([i for i in range(125)]).reshape(5,5,5)
print('原数组:\n',array,sep='')


#-----------------------------------------------------
input('\n\n获取第2块，第3行，第4列的元素,以下两种方法等效：\n')
print(array[2][3][4])
print(array[2,3,4])

#-----------------------------------------------------
input('\n\n指定步长的索引：获取第0、3块，第0、2、4行，第3列（基于python列表基础）\n')
print(array[::3,::2,3])

#-----------------------------------------------------
input('\n\n中括号表示在该维度上取特定的元素：eg1:获取第0、3、4块,后4行,所有列\n')
print('eg1:\n',array[[0,3,4],1:],sep='')
input('\n\n然而当我们箱获得第0,1,2,4块，第0,2,3,4行，只得到了一块四行的数据\n')
print('eg2:\n',array[[0,1,2,4],[0,2,3,4]],sep='')

021.索引 numpy.ix_()

import numpy as np

array=np.array([i for i in range(125)]).reshape(5,5,5)


#-----------------------------------------------------
input('\n\n解决上面(020)的问题，随心所欲取块行列\n')
#用np.ix_()包裹[0,1,2,4],[0,2,3,4]
print(array[np.ix_([0,1,2,4],[0,2,3,4])])

#-----------------------------------------------------
input('\n\n顺便看一下np.ix_([0,1,2,4],[0,2,3,4])是什么\n')
print(np.ix_([0,1,2,4],[0,2,3,4]))

#-----------------------------------------------------
input('\n\n把[0,1,2,4],[0,2,3,4]中的[0,1,2,4]换成[[0,1,2,4]]再转置效果也能达到这个效果\n')
tmp=np.array([[0,1,2,4]]).T
print(array[tmp,[0,2,3,4]])

022.组合

import numpy as np

lst1=[0,1,2,3,4]
lst2=[4,5,6,7,8]
lst3=[9,8,7,5,6]


array1=np.array([lst1,lst2,lst3])
print(array1)

input( 'next ')
arr1=np.array(lst1)
arr2=np.array(lst2)
arr3=np.array(lst3)
array2=np.array([arr1,arr2,arr3])

print(array2)

023.bool索引

import numpy as np

array=np.arange(100)#相当于np.array([i for i in range(100)])


#-------------------------------------
input('\n\nbool索引\n')
array_bool=array%3==0
print(array_bool)

#-------------------------------------
input('\n\n保留3的倍数\n')
array_mod3=array[array_bool]
print(array_mod3)

3.数组存入文件、从文件中导入数组

030.导入txt文件、数组储存为txt文件

import numpy as np

#--------------------------------------------------
input('\n\n读取txt文件\n')
array1=np.genfromtxt('abc.txt',dtype=np.str)
print(array1)

#delimiter  分隔符
array2=np.genfromtxt('abc.txt',dtype=np.int16,delimiter=' &QAQ& ')
print(array2)


#--------------------------------------------------
input('\n\n读取txt文件,用numpy.loadtxt貌似和numpy.genfromtxt差不多\n')
print('但貌似genfromtxt功能强一些，下方改为dtype=np.int16会报错，而genfromtxt不会')
array3=np.loadtxt('abc.txt',dtype=np.str,delimiter=' &QAQ& ')
print(array3)


#--------------------------------------------------
input('\n\n保存数组为txt\n')
array1[0,0]=0
np.savetxt('abc_2.txt',array1,fmt='%s',delimiter=' &QAQ& ')
#参数依次为 保存为txt文件的名字 要保存的数组的名字 元素储存格式 分隔符
print('保存完成')

031.二进制储存、导入一个数组

import numpy as np

array1=np.arange(48).reshape(6,8)
array2=array1.reshape(8,6)

print('二进制读写')

#--------------------------------------------------
input('\n\n储存一个数组，array1\n')
np.save('abc-b.sadfsd',array1)
print('储存完成')
print('你会发现储存后文件的后缀名永远是npy(如果不是，会自动补上)')


#--------------------------------------------------
input('\n\n读取一个数组，格式npy\n')
array9=np.load('abc-b.sadfsd.npy')
print(array9)

032.对于多个数组

import numpy as np

array1=np.arange(48).reshape(6,8)
array2=array1.reshape(8,6)

#--------------------------------------------------
input('\n\n储存多个数组,用numpy.savez()\n')
np.savez('abc-b.sadfsd',giao=array1,cxkjntm=array2)
#giao 和 cxknjntm是数组的key值(类似字典)，下面会说
print('储存完成')
print('你会发现储存后文件的后缀名永远是npz(如果不是，会自动补上)')


#---------------------------------------------------
input('\n\n读取一个或多个数组（读取一个npz文件）\n')
array_home=np.load('abc-b.sadfsd.npz')
print(array_home)
print('发现这样读出了一个地址')

#---------------------------------------------------
input('\n\n分别输出之前存入的array1 array2\n')
print(array_home['giao'])
print(array_home['cxkjntm'])

4.数组的合并与拆分

040.列合并1 np.c_[]

import numpy as np

array1=np.arange(16).reshape(4,4)
array2=np.array([111,222,333,444])

print('注意array2是个一个四行一列向量，是个列向量：array2.shape:',array2.shape)
input()

input('列合并,注意np.c_[]中的括号是方括号')
combie1=np.c_[array1,array2]
combie2=np.c_[array2,array1]

print(combie1,"\n\n",combie2)

041.列合并2 np.column_stack()

注意参数是元组形式

import numpy as np

arr1=np.arange(4)
arr2=np.arange(4,8)
arr3=np.arange(8,12)

input('列叠加若干个一维列向量\n\n')
combie1=np.column_stack((arr1,arr2,arr3))
print(combie1)

input('按列合并数组')
mid1=np.column_stack((arr1,arr2))
combie2=np.column_stack((mid1,arr3))
combie3=np.column_stack((combie2,combie2))

print(combie3)

042.行合并1 np.r_[]

import numpy as np

array1=np.arange(16).reshape(4,4)
array2=np.array([111,222,333,444])

print('注意array2是个一个四行一列向量，是个列向量：array2.shape:',array2.shape)
print('如果使用行合并np.r_[]需要先把array2转化称行向量')
input()

input('行合并,注意np.r_[]中的括号是方括号')
combie1=np.r_[array1,array2.reshape(1,4)]
combie2=np.r_[array2.reshape(1,4),array1]

print(combie1,"\n\n",combie2)

043.行合并2 np.row_stack()