目录
数据的维度:一维,二维和多维
一维数据:列表(有序)和集合类型(无序)
二维数据:列表类型
多维数据:列表类型或者键值对
高维数据:字典类型或者json,xml和yaml格式
Numpy引用
import numpy as np 别名公认为np
N维数据对象:ndarry
由两部分构成:实际的数据+描述这些数据的元数据
ndarry数组一般要求所有的元素类型相同(同质),数据下标从0开始
轴(axis):保存数据的维度
秩(rank):轴的数量
ndarry对象的属性
.ndim | 秩,即轴的数量或者维度的数量(用的最多的是2维) |
.shape | ndarry对象的尺度,对于矩阵,n行m列 |
.size | ndarry对象元素的个数,相当于.shape中n*m的值 |
.dtype | ndarry对象的元素类型 |
.itemsize | ndarry对象中每个元素的大小,以字节为单位 |
ndarry的元素类型
bool | 布尔类型,True或False |
intc | 与C语言中的int类型一致,一般是int32或int64 |
intp | 用于索引的整数,与C语言中ssize_t一致,int32或int64 |
int8 | 字节长度的整数,取值[-128,127] |
int16 | 16位长度的整数,取值[-32768,32767] |
int32 | 32位长度的整数,取值[-2的31次方,2的31次方-1] |
int64 | 64位长度的整数,取值[-2的63次方,2的63次方-1] |
unit8 | 8位无符号整数,取值[0,255] |
unit16 | 16位无符号整数,取值[0,65535] |
unit32 | 32位无符号整数,取值[0,2的32次方-1] |
unit64 | 64位无符号整数,取值[0,2的64次方-1] |
float16 | 16位半精度浮点数:1位符号位,5位指数,10位尾数((符号)尾数*10的指数次方) |
float32 | 32位半精度浮点数:1位符号位,8位指数,23位尾数((符号)尾数*10的指数次方) |
float64 | 64位半精度浮点数:1位符号位,11位指数,52位尾数((符号)尾数*10的指数次方) |
complex64 | 复数类型,实部和虚部都是32位浮点数 |
complex128 | 复数类型,实部和虚部都是64位浮点数 |
ndarry数组的创建方法
• 从Python中的列表、元组等类型创建ndarray数组
x=np.array(list/tuple,<dtype=np.float16>)
• 使用NumPy中函数创建ndarray数组,如:arange, ones, zeros等
np.arange(n) | 类似range()函数,返回ndarray类型,元素从0到n-1 |
np.ones(shape) | 根据shape生成全1数组,shape是元组类型。可选参数dtype和order |
np.zeros(shape) | 根据shape生成全0数组,shape是元组类型。可选参数dtype和order |
np.full(shape,val) | 根据shape生成一个数组,每个元素的值都是val |
np.eye(n) | 创建一个正方的n*n单位矩阵,对角线是1,其余是0 |
np.ones_like(a) | 根据数组a的形状生成一个全1数组 |
np.zeros_like(a) | 根据数组a的形状生成一个全0数组 |
np.full_like(a,val) | 根据数组a的形状生成一个数组,每个元素都是val |
np.linspace() | 根据起止数据等间距地填充数据,形成数组;可选参数endpoint=True或False决定末尾值是否包含 |
np.concatenate() | 将两个或多个数组合并成一个新的数组 |
• 从字节流(raw bytes)中创建ndarray数组(后续更新)
• 从文件中读取特定格式,创建ndarray数组(后续更新)
ndarry数组的变换
维度变换
.reshape(shape) | 不改变数组元素,返回一个shape形状的数组,原数组不变 |
.resize(shape) | 与.reshape()功能一致,但修改原数组 |
.swapaxes(ax1,ax2) | 将数组n个维度中两个维度进行调换 |
.flatten() | 对数组进行降维,返回折叠后的一维数组,原数组不变 |
类型变换
new_a = a.astype(new_type) 创建新数组
数组向列表变换
ls=a.tolist()
ndarry数组的操作
索引:获取数组中特定位置元素的过程:每个维度一个索引值a[-1,-2,-3]
切片:获取数据元素子集的过程:每个维度都可以切片a[:,:,::2]
ndarry数组的运算
一元函数
np.abs(x) np.fabs(x) | 计算数组各元素的绝对值 |
np.sqrt(x) | 计算数组各元素的平方根 |
np.square(x) | 计算数组各元素的平方 |
np.log(x) np.log10(x)np.log2(x) | 计算数组各元素的自然对数、10底对数和2底对数 |
np.ceil(x) np.floor(x) | 计算数组各元素的ceiling值或floor值 |
np.rint(x) | 计算数组各元素的四舍五入值 |
np.modf(x) | 将数组各元素的小数和整数部分以两个独立数组形式返回 |
np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x) | 计算数组各元素的普通型和双曲型三角函数 |
np.exp(x) | 计算数组各元素的指数值 |
np.sign(x) | 计算数组各元素的符号值,1(+), 0, ‐1(‐) |
二元函数(两个数组运算)
+ ‐ * / ** | 两个数组各元素进行对应运算 |
np.maximum(x,y) np.fmax() np.minimum(x,y) np.fmin() | 元素级的最大值/最小值计算 |
np.mod(x,y) | 元素级的模运算 |
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,产生布尔型数组 |