【Python】Numpy库入门及基础操作

NumPy入门及基本操作

NumPy是一个开源的Python科学计算基础库，可以用import numpy as np引入，通常简写为np。
NumPy的特色是多维数组对象：ndarray，由实际的数据和描述这些数据的元数据构成。ndarray数组一般要求所有元素类型相同（同质），数组下标从0开始。ndarray数据类型具有众多有点。数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据。通过设置专门的数组对象，经过优化，可以提升这类应用的运算速度。数组对象采用相同的数据类型，有利于节省运算和存储空间。非同质ndarray元素为对象类型无法有效发挥NumPy优势，尽量避免使用。

ndarray数组的属性

轴（axis）：保存数据的维度
秩（rank）：轴的数量

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

ndarray数组的创建

1. 从Python中的列表、元组等类型创建ndarray数组

# 从列表类型创建
x = np.array([0, 1, 2, 3])
# 从元组类型创建
x = np.array((0, 1, 2, 3))
# 从列表和元组混合类型创建
x = np.array([[1, 2], [9, 8], (0.1, 0.2)])

2. 使用NumPy中函数创建ndarray数组，如arrange, ones, zeros等

# 生成从0到10的一维数组，默认整数类型
x = np.arange(10)
# 生成3行6列的全1数组，默认浮点数类型
x = np.ones((3, 6))
# 生成3行6列的全0数组，指定整数类型
x = np.zeros((3, 6), dtype=np.int32)
# 生成5×5的单位矩阵，默认浮点数类型
x = np.eyes(5)
# 根据数组x的形状生成一个全0数组
y = np.zeros_like(x)
# 根据数组x的形状生成一个全1数组
y = np.ones_like(x)
# 根据数组x的形状生成一个全2数组
y = np.full_like(x, 2)

3. 使用NumPy中其他函数创建ndarray数组

# 根据起止数据等间距地填充4个数据，默认浮点数类型
x = np.linspace(1, 10, 4, endpoint=False)
# 将两个或多个数组合并成一个新的数组
z = np.concatenate((a, b))

ndarray数组的变换

1. ndarray数组的维度变换

# 返回一个(3, 8)形状的数组，reshape不改变原数组而resize改变原数组
x = np.ones((2, 3, 4), dtype=np.int32)
y = x.reshape((3, 8))
x.resize((3, 8))
# 将数组降维得到一维数组，不改变原数组
y = x.flatten()

2. ndarray数组的类型变换

# 改变数组类型，不改变原数组
y = x.astype(np.float)

3. ndarray数组向列表的转换

# ndarray数组转化为列表，改变原数组
x.tolist()

ndarray数组的索引和切片

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

1. 一维数组的索引和切片

x = np.array([9, 8, 7, 6, 5])
# 索引同列表
y = x[2]  # 7
# 切片[起始编号:终止编号（不含）:步长]
y = x[1:4:2]  # array([8, 6])

2. 多维数组的索引和切片

x = np.arange(24).reshape((2, 3, 4))
'''
array([[[ 0  1  2  3]
  		[ 4  5  6  7]
  		[ 8  9 10 11]]

 	   [[12 13 14 15]
  		[16 17 18 19]
  		[20 21 22 23]]])
'''
# 索引
y = x[1, 2, 3]  # 23
y = x[0, 1, 2]  # 6
y = x[-1, -2, -3]  # 17
# 切片
y = x[:, 1, -3]  # array([5, 17])
# 指定第二个维度的元素1至3（不含）
y = x[:, 1:3, :]
'''
array([[[ 4  5  6  7]
  		[ 8  9 10 11]]

 	   [[16 17 18 19]
  		[20 21 22 23]]])
'''
# 指定第三个维度的步长为2
y = x[:, :, ::2]
'''
array([[[ 0  2]
  		[ 4  6]
  		[ 8 10]]

 	   [[12 14]
  		[16 18]
  		[20 22]]])
'''

ndarray数组的运算

1. 数组与标量之间的运算
   数组与标量之间的运算作用于数组的每一个元素。

x = np.arange(24).reshape((2, 3, 4))
x = x / x.mean()  # 计算x与元素平均值的商

2. NumPy一元函数的运算

函数	说明
np.abs(x) np.fabs(s)	绝对值
np.sqrt	平方根
np.square	平方
np.log(x) np.log10(x) np.log2(x)	自然对数、10底对数和2底对数
np.ceil(x) np.floor(x)	ceiling值或floor值
np.rint(x)	四舍五入值
np.cos(x) np.sin(x) np.tan(x)	三角函数值
np.exp(x)	指数值
np.sign(x)	符号值（-1(+)，0，1(-)）

3. NumPy二元函数的运算

函数	说明
+ - * /	加减乘除
np.maximum(x,y) np.minimum(x,y)	元素级最大最小值
np.mod(x,y)	元素级模运算
np.copysign(x,y)	将数组y中各元素值的符号赋值给数组x对应元素
> < >= <= == !=	算术比较返回布尔型数组

数据的文件存取

csv文件

1. 写入np.savetxt(frame, array, fmt='%.18e', delimiter=None)
   frame：通常为文件路径字符串，也可以是文件、产生器或.gz/.bz2的压缩文件
   array：存入文件的数组
   fmt：写入文件的格式，如%d/%.2f/%.18e等
   delimiter：分割字符串，默认是任何空格

x = np.arange(100).reshape(5, 20)
np.savetxt('x.csv', x, fmt='%d', delimiter=',')

2. 读取np.loadtxt(frame, dtype=np.float, delimiter=None, unpack=False)
   frame：通常为文件路径字符串，也可以是文件、产生器或.gz/.bz2的压缩文件
   dtype：数据类型，默认浮点型
   delimiter：分割字符串，默认是任何空格
   unpack：如果True，读入属性将分别写入不同变量

x = np.loadtxt('x.csv', delimiter=',')

dat文件

1. 写入a.tofile(frame, sep=' ', format='%s')
   frame：通常为文件路径字符串，也可以是文件、产生器或.gz/.bz2的压缩文件
   sep：数据分割字符串，如果是空串，写入文件为二进制
   format：写入文件的格式

x = np.arange(100).reshape(5, 20, 2)
x.tofile('x.dat', sep=',', format='%d')

2. 读取np.fromfile(frame, dtype=float, count=-1, sep=' ')
   frame：通常为文件路径字符串，也可以是文件、产生器或.gz/.bz2的压缩文件
   dtype：数据类型，默认浮点型
   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

x = np.fromfile('x.dat', dtype=np.int, sep=',').reshape(5, 10, 2)

npy文件

写入np.save(fname, array)或np.savez(fname, array)
读取np.load(fname)

x = np.arange(100).reshape(5, 20, 2)
np.save('x.npy', x)
y = np.load('x.npy')

NumPy中的随机数

函数	说明
rand(d0, d1, …, dn)	创建随机数数组，浮点数[0,1)均匀分布
randn(d0, d1, …, dn)	创建随机数数组，标准正态分布
randint(low[, high, shape])	创建随机整数或整数数组，范围是[low, high)
seed(s)	创建随机数数组，标准正态分布
shuffle(a)	根据数组a的第1轴进行行随机排列，改变原数组
permutation(a)	根据数组a的第1轴产生一个新的乱序数组，不改变原数组
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表示元素是否重用，默认不重用
uniform(low, high, size)	产生具有均匀分布的数组，low起始值，high结束值，size形状
normal(loc, scale, size)	产生具有正态分布的数组，loc均值，scale标准差，size形状
poisson(lam, size)	产生具有泊松分布的数组，lam随机事件发生率，size形状

NumPy的统计函数

函数	说明
sum(a, axis=None)	元素的和（根据给定轴axis）
mean(a, axis=None)	元素的期望
average(a, axis=None, weight=None)	元素的加权平均值
std(a, axis=None)	元素的标准差
var(a, axis=None)	元素的方差
min(a) max(a)	元素的最小最大值
argmin(a) argmax(a)	元素最小最大值的降一维后下表
unravel_index(index, shape)	将一维下标转换成多维下标
ptp(a)	元素最大与最小值的差
median(a)	元素的中位数

NumPy的梯度函数

函数	说明
np.gradient(a)	计算数组a中元素的梯度，当a为多维时返回每个维度的梯度

注：梯度是指连续值之间的变化率，即斜率。

---

Reference：
https://www.icourse163.org/learn/BIT-1001870002?tid=1450349444#/learn/announce