Python之numpy函数
活动地址：CSDN21天学习挑战赛
学习的最大理由是想摆脱平庸，早一天就多一份人生的精彩；迟一天就多一天平庸的困扰。
学习日记
目录
学习日记
一、numpy概述
1、numpy简介
2、numpy安装
二、 Ndarray 对象
1、概述
2、ndarray特点
3、内部结构
三、数据类型对象 (dtype)
四、NumPy 创建数组
五、数组属性
1、ndarray.shape
2、ndarray.ndim（返回数组的维数）
3、numpy.itemsize（返回数组中每个元素的字节单位长度）
4、numpy.arange（返回ndarray对象，包含给定范围内的等间隔值）
5、numpy.linspace
六、创建数组
1、通过列表创建一维数组
2、通过列表创建二维数组
3、创建全为0的二维数组
4、创建全为1的三维数组
5、full函数创建任意大小的数组并填充任意数字
6、创建一维等差数组
7、创建二维等差数组
8、创建单位矩阵（二维数组）
9、创建二维随机数组
10、创建二维随机整数数组（数值小于 6）
七、数组运算
1、和
2、mean
3、argsort
4、矩阵乘法
5、矩阵求逆
一、numpy概述
1、numpy简介
NumPy是一个功能强大的Python库，主要用于对多维数组执行计算。NumPy提供了大量的库函数和操作，可以帮助程序员轻松地进行数值计算。这类数值计算广泛用于机器学习模型、图像处理、数学任务等方面。
2、numpy安装
pip install numpy
二、 Ndarray 对象
1、概述
NumPy 中定义的最重要的对象是称为
ndarray的 N 维数组类型。 它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。
ndarray中的每个元素在内存中使用相同大小的块。ndarray中的每个元素是数据类型对象的对象（称为dtype）。从ndarray对象提取的任何元素（通过切片）由一个数组标量类型的 Python 对象表示。 下图显示了ndarray，数据类型对象（dtype）和数组标量类型之间的关系。
2、ndarray特点
ndarray 对象是用于存放同类型元素的多维数组。
ndarray 中的每个元素在内存中都有相同存储大小的区域。
3、内部结构
#基本的Ndarray 是使用 NumPy 中的数组函数创建的。 numpy.array
创建一个 ndarray 只需调用 NumPy 的 array 函数即可
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
三、数据类型对象 (dtype)
dtype可由语法构造
numpy.dtype(object, align, copy)
-
Object：被转换为数据类型的对象。 -
Align：如果为true，则向字段添加间隔，使其类似 C 的结构体。 -
Copy? 生成dtype对象的新副本，如果为flase，结果是内建数据类型对象的引用。# 使用数组标量类型 import numpy as np dt = np.dtype(np.int32) print dt结果
int32
四、NumPy 创建数组
numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组
numpy.empty(shape, dtype = float, order = 'C')numpy.zeros 创建指定大小的数组，数组元素以 0 来填充
numpy.zeros(shape, dtype = float, order = 'C')numpy.ones 创建指定形状的数组，数组元素以 1 来填充
numpy.ones(shape, dtype = None, order = 'C')
五、数组属性
1、ndarray.shape
import numpy as np a = np.array([[1,2,3],[4,5,6]]) print a.shape结果
(2, 3)
# 调整数组大小 import numpy as np a = np.array([[1,2,3],[4,5,6]]) a.shape = (3,2) print a结果
[[1, 2] [3, 4] [5, 6]]
2、ndarray.ndim（返回数组的维数）
# 等间隔数字的数组 import numpy as np a = np.arange(24) print a结果
[0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
# 一维数组 import numpy as np a = np.arange(24) a.ndim # 现在调整其大小 b = a.reshape(2,4,3) print b # b 现在拥有三个维度结果
[[[ 0, 1, 2] [ 3, 4, 5] [ 6, 7, 8] [ 9, 10, 11]] [[12, 13, 14] [15, 16, 17] [18, 19, 20] [21, 22, 23]]]
3、numpy.itemsize（返回数组中每个元素的字节单位长度）
# 数组的 dtype 为 int8（一个字节） import numpy as np x = np.array([1,2,3,4,5], dtype = np.int8) print x.itemsize结果
1
4、numpy.arange（返回ndarray对象，包含给定范围内的等间隔值）
numpy.arange(start, stop, step, dtype)
import numpy as np x = np.arange(5) print x结果
[0 1 2 3 4]
import numpy as np # 设置 dtype x = np.arange(5, dtype = float) print x结果
[0. 1. 2. 3. 4.]
# 设置了起始值和终止值参数 import numpy as np x = np.arange(10,20,2) print x结果
[10 12 14 16 18]
5、numpy.linspace
指定了范围之间的均匀间隔数量，而不是步长
numpy.linspace(start, stop, num, endpoint, retstep, dtype)
六、创建数组
1、通过列表创建一维数组
np.array([1, 2, 3])array([1, 2, 3])
2、通过列表创建二维数组
np.array([(1, 2, 3), (4, 5, 6)])array([[1, 2, 3], [4, 5, 6]])
3、创建全为0的二维数组
np.zeros((3, 4))array([[0., 0., 0., 0.],
[0., 0., 0., 0.],
[0., 0., 0., 0.]])
4、创建全为1的三维数组
np.ones((2, 3, 4))array([[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]],
[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]]])
5、full函数创建任意大小的数组并填充任意数字
np.full((3, 4), 2)array([[2, 2, 2, 2],
[2, 2, 2, 2],
[2, 2, 2, 2]])
6、创建一维等差数组
np.arange(5)array([0, 1, 2, 3, 4])
7、创建二维等差数组
np.arange(6).reshape(2, 3)array([[0, 1, 2],
[3, 4, 5]])
8、创建单位矩阵（二维数组）
np.eye(3)array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])
9、创建二维随机数组
np.random.rand(2, 3)10、创建二维随机整数数组（数值小于 6）
np.random.randint(6, size = (2, 3))
七、数组运算
a = np.array([10, 20, 30, 40, 50])
b = np.arange(1, 6)
1、和
a = np.array([[1, 2],
[3, 4]])
np.sum(a)
np.sum(a, axis=0) # axis=0 表示对每一列求和
np.sum(a, axis=1) # axis=0 表示对每一行求和
2、mean
np.mean(a) # 求取平均值3、argsort
a = np.array([[3, 6, 4, 11], [5, 10, 1, 3]]) a.argsort() # 将元素按照行从小到大排序，返回对应位置元素的下标结果
array([[0, 2, 1, 3], [2, 3, 0, 1]], dtype=int64)
4、矩阵乘法
np.mat(A) * np.mat(B)
5、矩阵求逆
np.linalg.inv(A)