Numpy：简介与数组

Numpy简介

定义

一个在Python中做科学计算的基础库，重在数值计算，也是大部分Python科学计算库的基础库，多用于大型，多维数组上执行数值运算。

为什么学习Numpy

快速、方便、科学计算的基础库

Numpy数组

导入numpy库

import numpy as np
# as 定义库的别名，使用别名可以调用库

numpy数组的创建

Numpy.array(data)

data可以是

• 列表类型数据
• 使用range()创建的数据
• int类型的数据，若该参数为n，则生成0 ~ n-1的数组，与range(n)效果相同

（1）Numpy中特有的数据类型

如int8、int32、int64，可以理解为numpy将python原有的数据类型细分，由于每个数据类型对内存的占用程度不同，numpy选择合适的数据类型以最大程度地利用内存，减少内存的浪费。

（2）创建Numpy数组时指定数据类型

有以下三种方式

a1 = np.array(range(4),dtype=float)
a2 = np.array(range(5),dtype="float16")
a3 = np.array(range(6),dtype="i1")

print(a1,a1.dtype)
print(a2,a2.dtype)
print(a3,a3.dtype)

'''
[0. 1. 2. 3.] float64
[0. 1. 2. 3. 4.] float16
[0 1 2 3 4 5] int8
'''

（3）数组创建好后修改数据类型：array.astype(数据类型）

a22 = a2.astype(int)
a33 = a3.astype('float16')
print(a22.dtype,a33.dtype)

'''
int32 float16
'''

（4）Numpy中的bool类型

创建时指定bool类型，将一个列表中的数据转换成True或False

转换规则在与Python中相同: 0 / 空字符串’’ / None都为False，其他都为True

s1 = np.array([2,0,1,None,'','ssd',True],dtype=bool)
print(s1,s1.dtype)
'''
[ True False  True False False  True  True] bool
'''

（5）Numpy中的小数类型

numpy.round(array, n) 将array中的小数保留n位并返回数组

s2 = np.array([random.random() for i in range(5)])
# 创建数组时使用列表循环
print(s2,s2.dtype)

s3 = np.round(s2,3)
# Numpy.round(array,n) 将array中保留n位小数，并返回数组
print(s3,s3.dtype)

'''
[0.49257971 0.35290744 0.35157731 0.02503256 0.06226811] float64
[0.493 0.353 0.352 0.025 0.062] float64
'''

数组的形状（数组的多维形式）

array.shape

返回该数组有几行几列，元组类型，层次以此类推

由于shape()返回元组类型，我们可以用shape[0]获取行数，shape[1]获取列数

# 一维数组
a1 = np.array([1,3,5,2])
print(a1.shape)

# 二维数组
a2 = np.array([
    [11,12,13],
    [21,22,23]
])
print(a2.shape)
print('a2共有%d个元素' %(a2.shape[0]*a2.shape[1]) )

# 三维数组
a3 = np.array([
    [
        [111,112,113],
        [121,122,123]
    ],
    [
        [211,212,213],
        [221,222,223]
    ]
])
# print(a3)
print(a3.shape)
print('a2共有%d个元素' %(a3.shape[0]*a3.shape[1]) )
'''
(4,)
(2, 3)
a2共有6个元素
(2, 2, 3)
a2共有4个元素
'''

# a4 = np.array(
#     [23],
#     [23,25]
# )
# 每一行的列数必须相等，否则会报错：
# print(a4.shape)
# TypeError: Field elements must be 2- or 3-tuples, got '23'

array.reshape( (n,m,…) )

将数组转换成n行m列的多维数组，元素个数必须刚刚好，否则报错

返回转换后的数组，但不改变原数组

a5 = np.arange(6)
print(a5.reshape((2,3))) # 转换成2行3列的二维数组
print(a5.reshape(6)) # 转换回一维数组


a6 = np.arange(27)
print(a6.reshape((3,3,3)))


'''
[[0 1 2]
 [3 4 5]]
[[[ 0  1  2]
  [ 3  4  5]
  [ 6  7  8]]

 [[ 9 10 11]
  [12 13 14]
  [15 16 17]]

 [[18 19 20]
  [21 22 23]
  [24 25 26]]]
'''

array.flatten()

将二维数组转换为一维数组

返回转换后的数组，但不改变原数组

a5 = np.array([    [1,2,3],    [4,5,6]])print(a5.flatten())'''[1 2 3 4 5 6]'''

数组的运算

对数组进行运算时会将运算过程作用于每一个元素（numpy的广播机制）

如果运算为除以零，会返回nan(0/0 Not A Number) 或者 inf(n/0 infinite)

a7 = np.array(range(5))print(a7+10)print(a7**2)# print(a7/0)# [nan inf inf inf inf]# RuntimeWarning: divide by zero encountered in true_divide'''[10 11 12 13 14][ 0  1  4  9 16]'''

数组和数组的运算

对应位置相加，如果不对应则报错。

这里涉及到数组的广播原则：

• 如果两个数组的后缘维度（从末尾开始算起的维度）的轴长度相符或其中一方的长度为1 ,则认为 他们是广播兼容的。否则运算报错。
• 如shape为（3,3,3）的数组可以和(3,1)计算但不能和(3,2)的数组计算

a1 = np.array(range(1,6))a2 = np.array(range(2,7))a3 = np.array([    [1],[2],[3],[4],[5]])a4 = np.array([    [2],[3],[4],[5],[6]])print('相加：')print(a1+a2)print(a1+a3)print(a3+a4)print('相乘：')print(a1*a2)print(a1*a3)print(a3*a4)'''相加：[ 3  5  7  9 11][[ 2  3  4  5  6] [ 3  4  5  6  7] [ 4  5  6  7  8] [ 5  6  7  8  9] [ 6  7  8  9 10]][[ 3] [ 5] [ 7] [ 9] [11]]相乘：[ 2  6 12 20 30][[ 1  2  3  4  5] [ 2  4  6  8 10] [ 3  6  9 12 15] [ 4  8 12 16 20] [ 5 10 15 20 25]][[ 2] [ 6] [12] [20] [30]]'''