一维数据由对等关系的有序或无序数据构成,采用线性方式组织
二维数据
二维数据由多个一维数据构成,是一维数据的组合形式
表格是典型的二维数据
多维数据
多维数据由一维和二维数据在新维度上扩展行程
高维数据
高维数据仅利用最基本的二元关系展示数据间的复杂结构
NumPy:是一个python科学计算基础库
import numpy as np
# 计算A^2 + b^3, 其中 A和B是一堆数组
def pySum():
a = [1,2,3,4,5]
b = [9,8,7,6,5]
c = []
for i in range(len(a)):
c.append(a[i]**2 + b[i]**3)
return c
print(pySum())
Numpy的方法
import numpy as np
def npSum():
a = np.array([1,2,3,4,5])
b = np.array([9,8,7,6,5])
c = a**2 + b**3
return c
print(npSum())
ndarray是一个多维数组对象,由两部分构成:
属性 | 说明 |
---|---|
.ndim | 秩,即轴的数量或维度的数量 |
.shape | ndarray对象的尺度,对于矩阵,n行m列 |
.size | ndarray对象元素的个数,相当于.shape中n*m的值 |
.dtype | ndarray对象的元素类型 |
.itemsize | ndarray对象中每个元素的大小,以字节为单位 |
数据类型 | 说明 |
---|---|
bool | 布尔类型,True或False |
intc | 与C语言中的int类型一致,一般是int32 或 int64 |
intp | 用于索引的整数,与C语言中ssize_t一致,int32或 int64 |
int8 | 字节长度的整数,取值[-128,127] |
int16 | 16位长度的整数,取值[-32768,32767] |
int32 | 32位长度的整数,取值[-2^31, 2^31-1] |
int64 | 64为长度的整数,取值[-263,263-1] |
数据类型 | 说明 |
---|---|
uint8 | 8位无符号的整数,取值[0,255] |
uint16 | 16位无符号的整数,取值[0,65535] |
uint32 | 32位无符号的整数,取值[0,2^32-1] |
uint64 | 64位无符号的整数,取值[0,2^64-1] |
float16 | 16为半精度浮点数:1位符号位,5位指数,10位尾数 |
float32 | 32位半精度浮点数:1位符号位,8位指数,23位尾数 |
float63 | 64位半精度浮点数:1位符号位,11位指数,52位尾数 |
complex64 | 复数类型。实部和虚部都是32位浮点数 |
complex129 | 复数类型,实部和虚部都是64位浮点数 |
创建语法:
import numpy as np
x = np.array(list/type) # list表示python的列表,type表示python的元组
x = np.arrayprint(list/type,dtype=np.float32)
## 当np.array()不指定dtype时,NumPy将根据数据情况关联一个dtype类型
例子
import numpy as np
# 从列表类型创建
x = np.array([0,1,2,3,4])
print(x)
print(x.dtype())
# 从元组类型创建
x = np.array((1,2,3,4))
print(x)
# 从列表和元组混合类型创建
x = np.array(([1,2],[2,3],[4,5]))
print(x)
函数 | 说明 |
---|---|
np.arange(n) | 类似range()函数,返回ndarray类型,元素从0到n-1 |
np.ones(shape) | 根据shape生成一个全1数组,shape是元组类型 |
np.zeros(shape) | 根据shape生成一个全0数组,shape是元组类型 |
np.full(shape,val) | 根据shape生成一个数组,每个元素值都是val |
np.eye(n) | 创建一个正方的n*n单位矩阵,对角线为1,其余为0 |
np.ones_like(a) | 根据数组a的形状生成一个全1数组 |
np.zeros_like(a) | 根据数组a的形状生成一个全0数组 |
np.full_like(a,val) | 根据数组a的形状生成一个数组,每个元素值都是val |
例子
import numpy as np
x = np.arange(10)
print(x)
x = np.ones((3,6))
print(x)
x = np.zeros((3,6), dtype=np.int32)
print(x)
x = np.eye(5)
print(x)
x = np.ones((2,3,4))
print(x)
print(x.shape)
# 2,3,4; 在最外层的元素中有2个元素,每个元素有3个维度,每个维度下又有4个元素
# 可以大致理解为,3个维度就是3行,4个元素就是4列,最外层2个元素就是2个表,总体算下来就是由2*3*4=24个元素
属性 | 说明 |
---|---|
np.linspace() | 根据起止数据等间距地填充数据,形成数组 |
np.concatenate() | 将两个或多个数组合并成一个新的数组 |
import numpy as np
a = np.linspace(1,10,4)
print(a)
# 第一个参数:起始元素的值
# 第二个参数:终止元素的值
# 第三个参数:需要生成的元素个数
# 不限定数据类型,生成的是浮点数类型
b = np.linspace(1,10,4,endpoint=False)
print(b)
# endponit:表示的是最后一个元素10 4 是否是生成的4个元素中的1个
# False:表示不是4个元素中的1和
c = np.concatenate((a,b))
print(c)
方法 | 说明 |
---|---|
.reshape(shape) | 不改变数组元素,返回一个shape形状的数组,原数组不变 |
.resize(shape) | 与.reshape()功能一致,但修改原数组 |
.swapaxes(ax1,ax2) | 将数组n个维度中的两个维度进行调换 |
.flatten() | 对数组进行降维,返回折叠后的一维数组,原数组不变 |
import numpy as np
a = np.ones((2,3,4),dtype=np.int32)
b = a.reshape((3,8))
print(b)
print(a) # 数组a没变
print('#' * 20)
c = a.resize((3,8))
print(c)
# print(a) # 此时的数组a已经改变
d = a.flatten()
print(d) # 此时b为一维数组
print(a) # a数组没变
.astype(new_type)
import numpy as np
a = np.ones((2.3,4),dtype=np.int)
print(a)
print(a.dtype)
b = a.astype(np.float)
print(b)
print(b.dtype)
tolist
函数进行import numpy as np
a = np.full((2,3,4,),25,dtype=np.int32)
print(a)
print(type(a))
b = a.tolist()
print(b)
print(type(b))
与Python的列表类似
import numpy as np
a = np.array([9,8,7,6,5])
# 索引
print(a[2])
# 切片;起始编号:终止编号(不含):步长;3个个元素冒号分割
print(a[1:4:2])
import numpy as np
a = np.arange(24).reshape((2,3,4))
print(a)
# 索引 第一个参数,第二个参数,第三个参数,分别表示为:第一个维度,第二个维度,第三个维度。都是从0开始进行索引
print(a[1,2,3])
print(a[0,1,2])
print([-1,-2,-3])
import numpy as np
a = np.arange(24).reshape((2,3,4))
print(a[:,1,-3])
print(a[:,1:3,:])
print(a[:,:,::2])
对ndarray中的数据执行元素级运算的函数
函数 | 说明 |
---|---|
np.abs(x) np.fabs(x) | 计算数组各元素的绝对值 |
np.sqrt(x) | 计算数组各元素的平方根 |
np.square(x) | 计算数组各元素的平方 |
np.log(x) np.log10(x) np.log2(x) | 计算数组和元素的自然对数,10底对数和2底对数 |
np.ceil(x) np.floor(x) | 计算数组各元素的ceiling值或flooe值 |
np.rint(x) | 计算数组各元素的四舍五入值 |
np.modf(x) | 将数组各元素的小数和整数部分以两个独立数组形式返回 |
np.cos(x) np.cosh(x)np.sin(x) np.sinh(x)np.tan(x) np.tanh(x) | 计算数组各元素的普通型和双曲型三角函数 |
np.exp(x) | 计算数组各元素的指数值 |
np.sign(x) | 计算数组各元素的符号值 1(+),0,-1(+) |
import numpy as np
a = np.arange(24).reshape((2,3,4))
b = np.square()
print(a) # 此时的a还是原数组
print(b) # b是数组a经过运算得到的结果
c = np.sqrt(a)
d = np.modf(a)
print(c)
print(d)
函数 | 说明 |
---|
< >= <= == != | 算术比较,产生布尔型数组
import numpy as np
a = np.arange(24).reshape((2,3,4))
b = np.sprt(a)
print(a)
print(b)
c = np.maximum(a,b)
print(c)
d = a > b
print(d)
数组与标量之间的运算作用于数组的每一个元素
# 例子:计算a与元素平均值的商
import numpy as np
a = np.arange(24).reshape((2,3,4))
print(a)
x = a.mean() # 获取数组a的平均值,平均值是数组a中所有元素的算术平均值
print(x)
x = a / a.mean() # 数组与标量值逐一运算,之后形成新的数组x
print(x)