numpy基本操作

前言:个人随手笔记,有误请留言

1. 生成数组的方法

1.1 生成0和1的数组

np.ones(shape, dtype)
np.ones_like(a, dtype) # 变换
np.zeros(shape, dtype)
np.zeros_like(a, dtype)	# 变换

> 参数说明:shape 数组形状	dtype数组类型

名称	描述	简写
np.bool	用一个字节存储的布尔类型（True或False）	‘b’
np.int8	一个字节大小，-128 至 127	‘i’
np.int16	整数，-32768 至 32767	‘i2’
np.int32	整数，-2^31​ 至 2^32 -1	‘i4’
np.int64	整数，-2^63 至 2^63 - 1	‘i8’
np.uint8	无符号整数，0 至 255	‘u’
np.uint16	无符号整数，0 至 65535	‘u2’
np.uint32	无符号整数，0 至 2^32 - 1	‘u4’
np.uint64	无符号整数，0 至 2^64 - 1	‘u8’
np.float16	半精度浮点数：16位，正负号1位，指数5位，精度10位	‘f2’
np.float32	单精度浮点数：32位，正负号1位，指数8位，精度23位	‘f4’
np.float64	双精度浮点数：64位，正负号1位，指数11位，精度52位	‘f8’
np.complex64	复数，分别用两个32位浮点数表示实部和虚部	‘c8’
np.complex128	复数，分别用两个64位浮点数表示实部和虚部	‘c16’
np.object_	python对象	‘O’
np.string_	字符串	‘S’
np.unicode_	unicode类型	‘U’

1.2 从现有数组生成

1.2.1 生成方式

np.array(object, dtype) =>深拷贝
np.asarray(a, dtype) => 浅拷贝

###### 区别:是否开辟新内存地址

1.3 生成固定范围的数组

1.3.1 创建等差数组 — 指定数量

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

说明: endpoint 是否要包含stop ,retstep 是否显示步长

1.3.2 创建等差数组 — 指定步长

np.arange(start=None, stop=None, step=None, dtype=None)

1.3.3 创建等比数列

np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

说明: endpoint 是否要包含stop ,base 底数

1.4 生成随机数组

1.4.1 使用模块介绍

• np.random模块

1.4.2 正态分布

np.random.randn(d0, d1, …, dn) # 功能：从标准正态分布中返回一个或多个样本值

np.random.normal(loc=0.0, scale=1.0, size=None) # 功能：从正态分布中返回一个或多个样本值

np.random.standard_normal(size=None) # 功能：返回指定形状的标准正态分布的数组。

说明:,由size控制数组形状 参数选择:int or tuple of ints

1.4.3 均匀分布

np.random.rand(d0, d1, …, dn) # 功能：返回[0.0，1.0)内的一组均匀分布的数。

np.random.uniform(low=0.0, high=1.0, size=None) # 左闭右开 功能：从一个均匀分布[low,high)中随机采样

np.random.randint(low, high=None, size=None, dtype='l') # 左闭右开 功能：从一个均匀分布中随机采样，生成一个整数或N维整数数组

说明:
对于例3
取数范围：若high不为None时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数。

2 数组的索引、切片

• 直接进行索引,切片
• 对象[:, :] –

举例:
#二维的数组，两个维度 
stock_change[0, 0:3]

#三维
a1 = np.array([ [[1,2,3],[4,5,6]], [[12,3,34],[5,6,7]]])
#返回结果
array([[[ 1,  2,  3],
        [ 4,  5,  6]],

       [[12,  3, 34],
        [ 5,  6,  7]]])
#索引、切片
>>> a1[0, 0, 1]   # 输出: 2

3 形状修改

3.1 返回一个具有相同数据域，但shape不一样的视图

ndarray.reshape(shape, order)

返回新的数组

3.2 修改数组本身的形状（需要保持元素个数前后相同）

ndarray.resize(new_shape)

直接修改原有数组

3.3 数组的转置

ndarray.T

实质 : 行列转换

4 类型修改

4.1 ndarray.astype(type)

返回修改了类型之后的数组
stock_change.astype(np.int32)

4.2 ndarray.tostring([order])或者ndarray.tobytes([order])

构造包含数组中原始数据字节的Python字节
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[12, 3, 34], [5, 6, 7]]])
arr.tostring()

5 数组的去重

5.1 np.unique()

temp = np.array([[1, 2, 3, 4],[3, 4, 5, 6]])
>>> np.unique(temp)
array([1, 2, 3, 4, 5, 6])