NumPy数值计算基础(数组的创建方法,生成随机数)
Numpy 简介
Numpy 是用于数据科学计算的基础，不但能够完成科学计算任务，还能被用作高效地多维数据容器。用于存储和处理大型矩阵。
Python提供了一个 array 模块，和list 不同，它直接保存数值，但是由于Python的 array 模块不支持多维，也没有各种运算函数。
Numpy 弥补了这一遗憾。Numpy 提供了一种存储单一数据类型的多维数组——ndarray(下文统称数组)
1、数组属性：
ndarray（数组）是存储单一数据类型的多维数组。
| 属性 | 说明 |
| ndim | 返回 int。表示数组的维数 |
| shape | 返回 tuple。表示数组的尺寸，对于 n 行 m 列的矩阵，形状为(n,m) |
| size | 返回 int。表示数组的元素总数，等于数组形状的乘积 |
| dtype | 返回 data-type。描述数组中元素的类型 |
| itemsize | 返回 int。表示数组的每个元素的大小（以字节为单位） |
2、数组创建(创建一维或多维数组)
numpy.array(object,dtype=None,copy=True,order=‘K’,subok=False,ndmin=0)
| 参数名称 | 说明 |
| object | 接收 array。表示想要创建的数组。无默认 |
| dtype | 接收 data-type。表示数组所需的数据类型。如果未给定，则选择 保存对象所需的最小类型。默认为 None |
| ndmin | 接收 int。指定生成数组应该具有的最小维数。默认为 None |
数组的创建
(1)一维数组的创建
import numpy as np
arr1 = np.array([1,2,3,4])
print(arr1)
# 结果: [1 2 3 4]
print(type(arr1))
# 结果:
(2)二维数组的创建
import numpy as np
arr2 = np.array([[1,2,3,4],[4,5,6,6],[7,8,9,10]])
print(arr2)
# 结果:
# [[ 1 2 3 4]
# [ 4 5 6 6]
# [ 7 8 9 10]]
print(type(arr2))
# 结果:
(3)数组的属性
import numpy as np
arr = np.array([[1,2,3,4],[4,5,6,6],[7,8,9,10]])
print('数组结构:',arr.shape)
print('数组元素个数:',arr.size)
print('数组元素类型:',arr.dtype)
print('数组维度:',arr.ndim)
print('数组元素大小:',arr.itemsize)
# 结果:
# 数组结构: (3, 4) # 3行4列
# 数组元素个数: 12
# 数组元素类型: int32
# 数组维度: 2 # 二维数组
# 数组元素大小: 4
(4)重设数据结构
import numpy as np
arr = np.array([[1,2,3,4],[4,5,6,6],[7,8,9,10]]) # 原本3行4列
print(arr)
# 结果:
# [[ 1 2 3 4]
# [ 4 5 6 6]
# [ 7 8 9 10]]
arr.shape = 4,3 # 重设为4行3列
print('重设arr2数据结构后:',arr)
# 重设arr2数据结构后:
# [[ 1 2 3]
# [ 4 4 5]
# [ 6 6 7]
# [ 8 9 10]]
numpy中自动生成数组的函数
(1)arange()函数的表达式
格式: arange(起始值,结束值,步长) 注意: 不包含结束值
import numpy as np
print(np.arange(1,10,1))
# 结果: [1 2 3 4 5 6 7 8 9]range与arange的区别:
range( )函数只能创建int型list,如果步长不是整数,是小数,则会出现错误
arange()可以使用float型数据
import numpy as np
arr = np.arange(0,1,0.1) # arange()可以使用float型数据
print(arr)
# 结果: [ 0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9]
arr2 = list(range(1,10,1))
print(arr2)
# 结果: [1, 2, 3, 4, 5, 6, 7, 8, 9]
arr3 = list(range(1,10,0.1)) # 如果步长是float类型,则会报错
print(arr3)
# 结果: ypeError: 'float' object cannot be interpreted as an integer
(2)等差数列: linspace(起始值,结束值,元素个数)
import numpy as np
arr = np.linspace(1,10,10)
print(arr)
# 结果: [ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
(3)等比数列: logspace(起始值10^a,结束值10^b,元素个数),底数默认为10
import numpy as np
arr = np.logspace(1,2,5)
print(arr)
# 结果: [ 10. 17.7827941 31.6227766 56.23413252 100. ]
(4)全0数组
import numpy as np
arr = np.zeros((2,3)) # 2行3列
print(arr)
# 结果:
# [[ 0. 0. 0.]
# [ 0. 0. 0.]]
(5)全1数组
import numpy as np
arr = np.ones((2,3)) # 2行3列
print(arr)
# 结果:
# [[ 1. 1. 1.]
# [ 1. 1. 1.]]
(6)单位数组
import numpy as np
arr = np.eye(3) # 3行3列
print(arr)
# 结果:
# [[ 1. 0. 0.]
# [ 0. 1. 0.]
# [ 0. 0. 1.]]
(7)对角数组: diag,一定是方阵
import numpy as np
arr = np.diag([1,2,3,4])
print(arr)
# 结果:
# [[1 0 0 0]
# [0 2 0 0]
# [0 0 3 0]
# [0 0 0 4]]
生成随机数
(1)0~1的一维数组: np.random.random
import numpy as np
arr = np.random.random(10) # 随机取10个
print(arr)
# 结果:
# [ 0.51801865 0.5746457 0.29800094 0.81485959 0.54768688 0.40696099
# 0.94247636 0.74356589 0.95578567 0.79127131]
(2)均匀分布: np.random.rand
以给定的形状创建一个数组，并在数组中加入在[0,1)之间均匀分布的随机样本
import numpy as np
arr = np.random.rand(4,3)
print(arr)
# 结果:
# [[ 0.80227604 0.88811862 0.41145791]
# [ 0.7945255 0.47529523 0.67895032]
# [ 0.34225024 0.82894344 0.03426757]
# [ 0.793489 0.00724797 0.58662593]]
arr2 = np.random.rand(2)
print(arr2)
# 结果: [ 0.23103931 0.66302526]
(3)正态分布: np.random.randn
通过本函数可以返回一个或一组服从标准正态分布的随机样本值,标准正态分布是以0为均数、以1为标准差的正态分布，记为N(0，1)
import numpy as np
arr = np.random.randn(4,3)
print(arr)
# 结果例如:
# [[ 0.04315637 -0.45477833 -0.27857073]
# [-1.91932412 0.7338659 0.2525201 ]
# [ 0.18677151 0.84322074 1.65225377]
# [ 0.28711352 -0.79008218 0.72578138]]
arr2 = np.random.randn(3)
print(arr2)
# 结果例如: [-0.78690609 0.56418809 -1.64700147]
(4)随机整数: np.random.randint(最小值,最大值,size=[行,列])
import numpy as np
arr = np.random.randint(2,10,size=[2,5])
print(arr)
# 结果:
# [[6 8 5 9 7]
# [8 2 7 8 5]]