Python Numpy的详细使用方法

*numpy (import numpy as np)

1.创建ndarray：

(1).用list数组创建

list=[a,b,c]
n=np.array(list)

(2).创建一个全为1的ndarray

n=np.ones(shape=(3,3))
print(n)

(3).创建全为0的ndarray

n=np.zeros(shape=(3,3))
print(n)

(4).创建全为指定数字的ndarray

n=np.full(shape=(3,3),fill_value=5)
print(n)

(5).创建对角线为指定数字的ndarray

n=np.eye(N=6,M=6,k=0)
# k为偏移量
print(n)

（6）创建等差数列

n=np.linspace(start=1,stop=101,endpoint=False,num=50)
# endpoint 是否包含最后一个  间隔为（101-1）/50=2
print(n)

（7）相当于python中的range

n=np.arange(1,6)
print(n)

（8）随机生成一个数

#随机生成一个指定范围整数
n=np.random.randint(1,6,size=(2,3))
print(n)
​
#随机生成一个指定范围的浮点数
n=np.random.uniform(low=0.0, high=1.0, size=(2,3))
print(n)
​
​
#随机生成一个0到1之间的浮点数
n=np.random.random(size=(2,3))
print(n)
​
#从一个迭代器中随机选择一个元素
a=list('abc')
n=np.random.choice(a,size=(2,3))
print(n)
​
#随机生成一个服从标准正态分布的函数的数字
n=np.random.randn(1,3)
print(n)
​
#随机生成一个服从正态分布的数字
n=np.random.normal(loc=0.0, scale=1.0, size=(2,3))
#loc 代表均值
#scale代表标准差
print(n)
​

2.Ndarray属性:

（1）.ndim：维度

（2）shape：形状

（3）size：总长度

（4）dtype：类型

3.numpy的索引操作和切片操作

(1).索引操作

n=np.random.randint(0,10,size=(4,4))
print(n)
print(n[3,3])
print(n[-1,-1])#得到倒数第一行的倒数第一个数字

（2）切片操作

#行
n=np.random.randint(0,10,size=(4,4))
print(n)
# 取一行 索引
print(n[0])
print('--------------------------------------')
# 取连续多行，切片
print(n[2:4])
print('---------------------------------------')
# 取不连续多行，中括号
print(n[[1,3]])

# 列
n=np.random.randint(0,10,size=(4,4))
print(n)
# 取一列，取所有行和第一列
print(n[:,0])
# 取连续的多列
print(n[:,1:3])
# 取不连续的多列，中括号
print(n[:,[1,3,4]])

4.数组变形，级联，拆分和拷贝

（1）变形

n=np.arange(1,21)
print(n)
print('--------------------------------')
# 把一维变成二维
n2=np.reshape(n,(4,5))
print(n2)
print('------------------------------')
#使用-1，表示任意剩余维度长度
n3=n2.reshape(4,-1)
n4=n2.reshape(-1,4)
n5=n2.reshape(-1,2)
# 直接把原来的一行变成一列了
n6=n2.reshape(-1,1)

（2）级联

n1=np.random.randint(0,10,size=(3,5))
n2=np.random.randint(0,10,size=(3,5))
# 默认上下合并
n3=np.concatenate(n1,n2)
# axis参数 0表示第一个维度合并（行合并），1表示第二个维度合并（列合并）
​
# hstack 水平合并
n4=np.hstack()
# vstack 垂直合并
n5=np.vstack()

（3）拆分

n1=np.random.randint(0,10,size=(3,6))
# 垂直拆分，平均拆成三份
n2=np.vsplit(n1,3)
# 按照指定位置去拆分
n3=np.vspilt(n1,(1,2,4))
# 水平 hsplit同理
# split axis 0代表行拆分，1代表列拆分
n4=np.split(n1,2,axis=0)

（4）数组的拷贝

n=np.arange(0,10)
# 浅拷贝:拷贝的是一个地址
n2=n
# 深拷贝：得到一个全新的数组
n3=n=np.copy(n)

4.numpy聚合操作

（1）得到一个值

求和：np.sum()

最小值：np.min

最大值：np.max

平均值：np.average

中位数：np.median

百分位数：np.percentile

最小值对应下标：np.argmin

最大值对应下标：np.argmax

标准差：np.std

方差：np.var

次方，求幂：np.power

按条件查找：np.argwhere

（2）常见的数学操作

abs：绝对值

sqrt：开平方 （n**0.5）

square：平方

exp：指数

log：对数 （以e为底的对数）log2(n)以2为底的对数

sin：正弦

cos：余弦

tan：正切

round：四舍五入

ceil：向上取整

floor：向下取整

cumsum：累加 [1，2，3，4] [1，3，6，10]

5.矩阵的基本操作

（1）矩阵和数字之间的运算

加+，减-，乘*，除/，整除//，次方**，余数%

（2）矩阵和矩阵之间的操作

同上，乘法是对应元素相乘

（3）矩阵中其他操作：（线性代数常用）

#矩阵积
n=np.dot(n1,n2) （第一个矩阵的列数等于第二个矩阵的行数）
#矩阵逆
np.linalg.inv(n)
#矩阵的行列式
np.linalg.det(n)
#矩阵的秩
np.linalg.matrix_rank(n)

6.广播机制

（1）两条规则

规则一：为缺失的维度补维度

规则二：缺失元素用已有值填充

7.排序

np.sort：不改变原数组

ndarray.sort()：改变原数组，不多占内存空间