numpy基础

概述

• Numpy本质上是一个多维数组库
• 创建多维数组很方便，可以替代多维列表
• 速度比多维列表块
• 支持向量和矩阵的各种数学运算
• 所有元素类型必须相同

创建数组的函数

函数	功能
array(x)	根据列表或元组x创建数组(即参数是列表或元组)
arange(x,y,i)	创建一维数组，元素等价于range(x,y,i)——[x,y)步长为i
linespace(x,y,n)	创建一个由区间[x,y]的n-1等分点构成的一维数组，包含x和y
random.randint()	创建一个元素为随机整数的数组=》python随机数是伪随机
zeros(n)	创建一个元素全为0.0的 长度为n的数组
ones(n)	创建一个元素全为1.0的 长度为n的数组

import numpy as np #以后numpy简写为np

print(np.array([1,2,3])) 
#>>[1 2 3]
print(np.array((1,2,3)))
#>>[1 2 3]
 
print(np.arange(1,9,2)) #=>[1,9) 步长为2
#>>[1 3 5 7]

print(np.linspace(1,10,4)) 
#=> [1,10] 出一个元素n个的等差数列
#>>[ 1. 4. 7. 10.] x,y,n #==n-1等分点分出n个数 

print(np.random.randint(10,20,[2,3])) 
#>>[10,20) 范围里随机找数，生成两行三列的二维数组
#>>[[12 19 12] 
#>> [19 13 10]] 


print(np.random.randint(10,20,5)) 
#>>[16 10 13 18 17]

a = np.zeros(3) 
print(a)
#>>[ 0. 0. 0.] 
print(list(a)) #>>转化数据类型变回列表
#>>[0.0, 0.0, 0.0]

a = np.zeros((2,3),dtype=int) #创建一个2行3列的元素都是整数0的数组
print(a) #>>写了dtype=int使得里面的数字都是整数
#>>[[0 0 0]
#>> [0 0 0]]

Numpy数组常用属性和函数

属性或函数	含义或功能
dtype	数组元素的类型
ndim	数组是几维的
shape	数组每一维的长度
size	数组元素个数
argwhere(…)	查找元素
tolist()	转换为list
min()	求最小元素
max()	求最大元素
reshape(…)	改变数组的形状
flatten()	转换成一维数组

import numpy as np 
b = np.array([i for i in range(12)]) #列表生成式生成列表做完参数转换为数组
#b是[ 0 1 2 3 4 5 6 7 8 9 10 11]

a = b.reshape((3,4)) #转换成3行4列的数组，b保持不变
print(a)
#>> [[ 0  1  2  3]
#>>  [ 4  5  6  7]
#>>  [ 8  9 10 11]]
print(len(a)) #>> 3 a有3行
print(a.size) #>> 12 a有12个元素

print(a.ndim) #>>2 a是二维的数组
print(a.shape) #>>(3,4) a是3行4列的数组
print(a.dtype) #>>int32 a的元素类型是31位的整数
L = a.tolist() #>> 转换为列表，赋值给L，a不变
print(L)#L是个二维列表
#>>[[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11]]

b = a.flatten()#转换成一维数组
print(b)
#>>[ 0  1  2  3  4  5  6  7  8  9 10 11]

Numpy数组元素增删

• numpy数组一旦生成，元素就不能增删

• 函数增删的本质都是返回一个新数组

函数	功能
append(x,y)	若y是数组、列表或元组，就将y的元素添加金数组x得到新数组；否则将y本身添加进数组x得到新数组（x不变）
concatenate(…)	拼接多个数组或列表
delete(…)	删除数组元素得到新数组

import numpy as np 
a = np.array((1,2,3)) #a是[1 2 3]
b = np.append(a,10)  #a不会发生变化
print(b)
#>>[ 1 2 3 10]

print(np.append(a,[10,20])) 
#>>[ 1 2 3 10 20]

c = np.zeros((2,3),dtype=int)
#c是2行3列的全0数组

print(np.append(a,c)) #>>将c拧成一维，再append
#>>[1 2 3 0 0 0 0 0 0]

print(np.concatenate((a,[10,20],a))) 
#>>[ 1 2 3 10 20 1 2 3]

#！！！注意多维数组的拼接
#c是两行三列的二维数组
print(np.concatenate((c,np.array([[10,20,30]])))) 
#c拼接一行[10,20,30]得新数组 

print(np.concatenate((c,np.array([[1,2],[10,20]])),axis=1))
#axis的参数表明拼接的发生在行拼接还是列拼接
#c的第0行拼接了1，2两个元素、第1行拼接了10,20两个新元素后得到新数组

#print(np.concatenate((c,np.array([[1],[2]]))))
#会报错！！！

import numpy as np 
a = np.array((1,2,3,4)) 
b = np.delete(a,1) #删除a中下标为1的元素,a不会改变 
print(b)
#>>[1 3 4]
print(a)
#>>[1 2 3 4] !!!是复制过去的新数组，不会改变a本身


b = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]]) 
print(np.delete(b,1,axis=0))#删除b的第1行得新数组 
#>>[[ 1 2 3 4]
#>> [ 9 10 11 12]] 


print(np.delete(b,1,axis=1)) #删除b的第1列得新数组
#>>[[ 1  3  4]    
#>> [ 5  7  8]    
#>> [ 9 11 12]]

print(np.delete(b,[1,2],axis=0)) #删除b的第1行和第2行得新数组
#>>[[1 2 3 4]]

print(np.delete(b,[1,3],axis=1)) #删除b的第1列和第3列得新数组
#>>[[ 1  3]       
#>> [ 5  7]       
#>> [ 9 11]]

#!!!np的增删不会影响到操作的原数组

Numpy 查找

import numpy as np 
a = np.array((1,2,3,5,3,4))

pos = np.argwhere(a==3)
print(pos)
#pos是[[2] [4]] #二维数组存储每一个符合条件的元素

a = np.array([[1,2,3],[4,5,2]]) 
print(2 in a)
#>>True

pos = np.argwhere(a==2)
print(pos) 
#>>[[0 1] 第0行第1列
#>> [1 2]] 返回值是numpy的数组

b = a[a>2] #!!!达到条件筛查的结果
print(b)
#>>[3 4 5]

a[a > 2] = -1 #!!!直接进行了修改
print(a)
#>>[[ 1  2 -1]
#>> [-1 -1  2]]

Numpy数学运算

主要方便在能快速作用在整个数组

import numpy as np 
a = np.array((1,2,3,4)) 

b = a + 1 
print(b)
#>>[2 3 4 5]

print(a*b) #>>[2 6 12 20] a,b对应元素相乘
print(a+b) #>>[3 5 7 9] a,b对应元素相加
#相应元素，因此两个运算数组必须是同型的

c = np.sqrt(a*10) #a*10是[10 20 30 40] 
print(c) #>>[ 3.16227766 4.47213595 5.47722558 6.32455532]

Numpy数组切片

numpy数组的切片是“视图”， 是原数组的一部分，而非一部分的拷贝

import numpy as np 
a = np.arange(8) #a是[0 1 2 3 4 5 6 7] 
b = a[3:6] #注意，b是a的一部分
print(b)
#>>[3 4 5]

c = np.copy(a[3:6]) #c是a的一部分的拷贝 

b[0] = 100 #会修改a

print(a) 
#>>[ 0 1 2 100 4 5 6 7]

print(c)
#>>[3 4 5] c不受b影响
#c是拷贝过来的

a = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]]) 
b = a[1:3,1:4]#二维切片，切除矩形
#行取值[1,3)
#列取值[1,4)
#b是>>[[ 6 7 8] [10 11 12]]