Numpy库的使用

NumPy 是一个开源的Python科学计算基础库，是 SciPy 、 Pandas 等数据处理或科学计算库的基础

常用方法如下：

引用：

import numpy as np  #np为引入模块的别名

N维数组对象：ndarray（数组一般要求所有元素类型相同）

a = np.array([1,2,3])

ndarray对象的属性：

import numpy as np
a = np.array([[1,2,3],[4,5,6]])
a.ndim
#out:2
a.shape
#out:(2,3)
a.size
#out:6
a.dtype
#out:dtype('int32')

可用列表、元组等类型创建ndarray数组，当 np.array()不指定 dtype 时， Numpy 将根据数据情况关联一个dtype 类型

x = np.array([0,1,2,3])
x = np.array((0,1,2,3))
x = np.array([[1,2],[3,4],(5,6)])

使用 NumPy 中函数创建 ndarray 数组，如: arange ,ones, zeros 等

 

np.arange(10)
#out:array([0,1,2,3,4,5,6,7,8,9])
np.ones((2,3))
#out:array([[1.,1.,1.],
            [1.,1.,1.]])
np.zeros((2,3),dtype=np.int32)
#out:array([[1,1,1],
            [1,1,1]])
np.eye(3)
#out:array([[1.,0.,0.],
            [0.,1.,0.]
            [0.,0.,1.]])

a = np.linspace(1,10,4)
#out:array([1.,4.,7.,10.])
a = np.linspace(1,10,4,endpoint=False) #不包括10，(10-1)/4 = 2.25
#out:array([1.,3.25,5.5,7.75])
c = np.concatenate((a,b))
#out:arrry([1.,4.,7.,10.,1.,3.25,5.5,7.75])

ndarray 数组的维度变换:

darray 数组的类型变换:

new_a = a.astype(dtype = new_type)

ndarray 数组向列表的转换:

ls = a.tolist()

数组的索引和切片（与python的列表类似）：

索引：获取数组中特定位置元素的过程

切片：获取数组元素子集的过程

 

ndarray 数组的运算
数组与标量之间的运算作用于数组的每一个元素

a = np.array([1,2,3])
a + 1
#out:array([2,3,4]) 

 

广播（ numpy两个数组的相加、相减以及相乘都是对应元素之间的操作）：

 

Numpy的一元函数：

对 ndarray 中的数据执行元素级运算的函数：

 

NumPy 二元函数

Numpy的随机数函数

numpy的random子库

随机数种子相同，则产生的随机数也相同

生成服从特定分布的随机数组

Numpy的统计函数：

axis=0，则沿着纵轴进行操作，即按列求和，求平均等

axis=1，则沿着横轴进行操作，即按行求和，求平均等

argmax函数可带axis参数，若axis=1，表示按每行分别使用argmax函数，若axis=0，表示按每列分别使用argmax函数，若无axis参数，则对二维数组展开后计算下标值，如上图中34为二维数组中第十个元素（下标则为9）。