numpy库中常用函数速查

Numpy是科学计算库,是一个强大的N维数组对象ndarray，其整合C/C++.fortran代码的工具 ，更是Scipy、Pandas等的基础

.ndim ：维度
.shape ：各维度的尺度 （2，5）
.size ：元素的个数 10
.dtype ：元素的类型 dtype(‘int32’)
.itemsize ：每个元素的大小，以字节为单位 ，每个元素占4个字节
ndarray数组的创建
np.arange(n) ; 元素从0到n-1的ndarray类型
np.ones(shape): 生成全1
np.zeros((shape)， ddtype = np.int32) ： 生成int32型的全0
np.full(shape, val): 生成全为val
np.eye(n) : 生成单位矩阵

np.ones_like(a) : 按数组a的形状生成全1的数组
np.zeros_like(a): 同理
np.full_like (a, val) : 同理

np.linspace（1,10,4）： 根据起止数据等间距地生成数组
np.linspace（1,10,4, endpoint = False）：endpoint 表示10是否作为生成的元素
np.concatenate():

数组的维度变换
.reshape(shape) : 不改变当前数组，依shape生成
.resize(shape) : 改变当前数组，依shape生成
.swapaxes(ax1, ax2) : 将两个维度调换
.flatten() : 对数组进行降维，返回折叠后的一位数组

数组的类型变换
数据类型的转换 ：a.astype(new_type) : eg, a.astype (np.float)
数组向列表的转换： a.tolist()
数组的索引和切片

一维数组切片
a = np.array ([9, 8, 7, 6, 5, ])
a[1:4:2] –> array([8, 6]) ： a[起始编号：终止编号（不含）： 步长]

多维数组索引
a = np.arange(24).reshape((2, 3, 4))
a[1, 2, 3] 表示 3个维度上的编号， 各个维度的编号用逗号分隔

多维数组切片
a [：，：，：：2 ] 缺省时，表示从第0个元素开始，到最后一个元素
数组的运算
np.abs(a) np.fabs(a) : 取各元素的绝对值
np.sqrt(a) : 计算各元素的平方根
np.dot(a,b):矩阵的乘法和向量的点积
np.square(a): 计算各元素的平方
np.log(a) np.log10(a) np.log2(a) : 计算各元素的自然对数、10、2为底的对数
np.ceil(a) np.floor(a) : 计算各元素的ceiling 值， floor值（ceiling向上取整，floor向下取整）
np.rint(a) : 各元素 四舍五入
np.modf(a) : 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.exp(a) : 计算各元素的指数值
np.sign(a) : 计算各元素的符号值 1（+），0，-1（-）
.
np.maximum(a, b) np.fmax() : 比较（或者计算）元素级的最大值
np.minimum(a, b) np.fmin() : 取最小值
np.mod(a, b) : 元素级的模运算
np.copysign(a, b) : 将b中各元素的符号赋值给数组a的对应元素

数据的CSV文件存取
CSV (Comma-Separated Value,逗号分隔值) 只能存储一维和二维数组

np.savetxt(frame, array, fmt=’% .18e’, delimiter = None): frame是文件、字符串等，可以是.gz .bz2的压缩文件； array 表示存入的数组； fmt 表示元素的格式 eg： %d % .2f % .18e ; delimiter： 分割字符串，默认是空格
eg： np.savetxt(‘a.csv’, a, fmt=%d, delimiter = ‘,’ )

np.loadtxt(frame, dtype=np.float, delimiter = None, unpack = False) : frame是文件、字符串等，可以是.gz .bz2的压缩文件； dtype：数据类型，读取的数据以此类型存储； delimiter: 分割字符串，默认是空格; unpack: 如果为True， 读入属性将分别写入不同变量。
多维数据的存取
a.tofile(frame, sep=’’, format=’%s’ ) : frame: 文件、字符串； sep: 数据分割字符串，如果是空串，写入文件为二进制 ； format:： 写入数据的格式
eg: a = np.arange(100).reshape(5, 10, 2)
a.tofile(“b.dat”, sep=”,”, format=’%d’)

np.fromfile(frame, dtype = float, count=-1, sep=’’)： frame： 文件、字符串 ； dtype： 读取的数据以此类型存储； count：读入元素个数， -1表示读入整个文件； sep: 数据分割字符串，如果是空串，写入文件为二进制

PS: a.tofile() 和np.fromfile（）要配合使用，要知道数据的类型和维度。

np.save(frame, array) : frame: 文件名，以.npy为扩展名，压缩扩展名为.npz ； array为数组变量
np.load(fname) : frame: 文件名，以.npy为扩展名，压缩扩展名为

np.save() 和np.load() 使用时，不用自己考虑数据类型和维度。

numpy随机数函数
numpy 的random子库

rand(d0, d1, …,dn) : 各元素是[0, 1）的浮点数，服从均匀分布
randn(d0, d1, …,dn)：标准正态分布
randint(low， high,（ shape）): 依shape创建随机整数或整数数组，范围是[ low, high）
seed(s) ： 随机数种子

shuffle(a) : 根据数组a的第一轴进行随机排列，改变数组a
permutation(a) : 根据数组a的第一轴进行随机排列， 但是不改变原数组，将生成新数组
choice(a[, size, replace, p]) : 从一维数组a中以概率p抽取元素， 形成size形状新数组，replace表示是否可以重用元素，默认为False。
eg：
replace = False时，选取过的元素将不会再选取

uniform(low, high, size) : 产生均匀分布的数组，起始值为low，high为结束值，size为形状
normal(loc, scale, size) : 产生正态分布的数组， loc为均值，scale为标准差，size为形状
poisson(lam, size) : 产生泊松分布的数组， lam随机事件发生概率，size为形状
eg: a = np.random.uniform(0, 10, (3, 4)) a = np.random.normal(10, 5, (3, 4))

numpy的统计函数
sum(a, axis = None) : 依给定轴axis计算数组a相关元素之和，axis为整数或者元组
mean(a, axis = None) : 同理，计算平均值
average(a, axis =None, weights=None) : 依给定轴axis计算数组a相关元素的加权平均值
std（a, axis = None） ：同理，计算标准差
var（a, axis = None）: 计算方差
eg： np.mean(a, axis =1) ： 对数组a的第二维度的数据进行求平均
a = np.arange(15).reshape(3, 5)
np.average(a, axis =0, weights =[10, 5, 1]) : 对a第一各维度加权求平均，weights中为权重，注意要和a的第一维匹配

min(a) max(a) : 计算数组a的最小值和最大值
argmin(a) argmax(a) : 计算数组a的最小、最大值的下标（注：是一维的下标）
unravel_index(index, shape) : 根据shape将一维下标index转成多维下标
ptp(a) : 计算数组a最大值和最小值的差
median(a) : 计算数组a中元素的中位数（中值）
eg：a = [[15, 14, 13],
[12, 11, 10] ]
np.argmax(a) –> 0
np.unravel_index( np.argmax(a), a.shape) –> (0,0)

numpy的梯度函数
np.gradient(a) ： 计算数组a中元素的梯度，f为多维时，返回每个维度的梯度
离散梯度： xy坐标轴连续三个x轴坐标对应的y轴值：a, b, c 其中b的梯度是（c-a）/2
而c的梯度是： (c-b)/1

当为二维数组时，np.gradient(a) 得出两个数组，第一个数组对应最外层维度的梯度，第二个数组对应第二层维度的梯度。

图像的表示和变换
PIL， python image library 库
from PIL import Image
Image是PIL库中代表一个图像的类（对象）

im = np.array(Image.open(“.jpg”))

im = Image.fromarray(b.astype(‘uint8’)) # 生成
im.save(“路径.jpg”) # 保存

im = np.array(Image.open(“.jpg”).convert(‘L’)) # convert(‘L’)表示转为灰度图

mat( )
numpy函数库中存在两种不同的数据类型（矩阵matrix和数组array），都可以用于处理行列表示的数字元素。虽然他们看起来很相似，但是在这两个数据类型上执行相同的数学运算可以得到不同的结果，其中numpy函数库中matrix与MATLAB中matrices等价。

调用mat( )函数可以将数组转化为矩阵。例如

random.rand(3,3)#构造一个3*3的随机数组
1
1

mat(random.rand(3,3))#将33的随机数组转化为一个33的矩阵
1
1

shape( )
shape函数是numpy.core.fromnumeric中的函数，它的功能是读取矩阵的长度，比如shape[0]就是读取矩阵第一维度的长度。它的输入参数可以使一个整数表示维度，也可以是一个矩阵。例子如下：

matDemo=mat(random.rand(3,5))
matDemo.shape[0]#获取矩阵第一维的长度,输入参数是一个整数表示维度
matDemo.shape[1]#获取矩阵第二维的长度，
shape(matDemo) #获取矩阵的各个维度的大小，输入参数是一个矩阵
shape(matDemo)[i]#这样写也可以获取矩阵的第i个维度的大小
1
2
3
4
5
1
2
3
4
5

random.uniform( )函数
功能：uniform(x,y) 方法将随机生成下一个实数，它在[x,y]范围内。
参数说明：
x – 随机数的最小值界。
y – 随机数的最大值界。
返回值：返回一个浮点数。
用法如下：

from numpy import * #或者直接 import random也可以
random.uniform(x,y)
1
2
1
2

注意：uniform()是不能直接访问的，需要导入 random 模块，然后通过 random 静态对象调用该方法。

means( )方法
means( )方法为求平均值的方法
numpy.mean(a, axis=None, dtype=None, out=None, skipna=False, keepdims=False)

axis=None时计算数组中的所有值的平均值
axis=0时以列为单位计算数组的每列的所有值的平均值
axis=1时计算数组的每行为单位的所有事的平均值
dtype为指定数组中元素的类型，默认为float64

tile( )方法
tile函数位于python模块 numpy.lib.shape_base中，他的功能是重复某个数组。比如tile(A,reps)，功能是将数组A重复n次，构成一个新的数组，
在tile(A，reps)中
A的类型众多，几乎所有类型都可以：array, list, tuple, dict, matrix以及基本数据类型int, string, float以及bool类型。
reps的类型也很多，可以是tuple，list, dict, array, int,bool.但不可以是float, string, matrix类型。
先来看一些例子，然后我们就可以清楚的感受到这个函数到底是干什么的了。

第一类情况：reps为一个整数，A为一个int、tuple、dict等

第二类情况：reps为一个简单的list，A为一个int、tuple、dict等

总结
从上面可以看出，假定A的维度为d,reps的长度为len

A=[[1,2],[2,3]]的维度为2
reps=[2,3]长度为2
reps=2 长度为1

(1)当d小于len时，tile(A,reps)就是将A中所有元素作为单元，变成一个reps.n1*reps.n2 *…. *reps.nd的新数组，其中reps.n2为reps中的第2个数

为便于说明，举一个例子

假设A为一个二维数组a=array([[1,2],[2,3]]),
reps为一个tuple:reps=[2,3];
tile(A,reps)的含义就是将A中所有元素作为单元，变成一个2*3的新数组。

(2)当d>=len时，将reps长度补足为d，即在reps前面加上d-len个1。tile(A,reps)就是将A中所有元素作为单元，变成一个1*1…reps.n1 reps.n2 …reps.nd

例如a=array([[1,2],[2,3]])
tile(a,2)与tile(a,(1,2))是一样的。

argsort( )方法
python中的排序问题
numpy包中的argsort函数是对一个数组进行升序排列。

a=[0,1,3,2]
s=argsort(a)

截图如下：

结果返回的就是a中所有元素排序后各个元素在a中之前的下标，简单来说就是返回的是下标，而不是值，我们需要通过索引才能获取到相应的值.

上面是将数组或者是tuple等按升序排列，那么你肯定会问，降序排序应该用哪个函数来实现呢，或者说怎么实现呢？

第一种方法：b=argsort(a) #a为你源数组，这里a也可以是tuple
c=b[::-1] #c就是你想要的降序的索引了，然后你就可以通过c来获取a中的值了
第二种方法：b=argsort(-a)#a为源数组，不能是tuple
transpose( )方法
这个方法用于矩阵的转置.
完成矩阵的转置还可以这样做：A.T来完成
假设矩阵为A，则y=transpose(A)或者是y=A.T就可以完成转置，但是有一种情况我们用transpose( )函数进行转置需要注意。
如下：
x=linspace(0,4,5) #参数的意义按顺序为：开始值、终值和元素个数

y=transpose(x) #转置
1
1

从上面两个结果对比可以看出，没有转置成功，那么，这种情况下，怎么能够成功？？
原因是因为：x.shape 为(5,),而不是(5,1)导致的

x=linspace(0,4,5)
x.shape=(5,1)
y=transpose(x)
1
2
3
1
2
3