numpy包的使用

numpy包的使用

1. 数组的简介 ndarray
2. 数组的创建 list/tuple np.arange() 内置函数
3. 索引和切片 python一致
4. 数组的变换 x.flatten() .reshape() x.transpose()
5. 数组的组合 hstack vstack
6. 数据分割 hsplit vsplit
7. 矩阵 生成矩阵 矩阵和数组之间的转换 mat array

一、数组的简介
Numpy中，最重要的数据结构是：多维数组类型（numpy.ndarray）

ndarray由两部分组成：实际所持有的数据和这些数据的元数据（metadata）
数组（即矩阵）的维度被称为axes，维数称为rank
ndarray 的重要属性包括:

• ndarray.ndim：数组的维数，也称为rank
• ndarray.shape：数组各维的大小，对一个n行m列的矩阵来说， shape 为 (n,m)
• ndarray.size：元素的总数。
• ndarray.dtype：每个元素的类型，可以是numpy.int32, numpy.int16, and numpy.float64等
• ndarray.itemsize：每个元素占用的字节数。
• ndarray.data：指向数据内存。

二、数组的创建

1.使用array方法生成数组（array，也就是数组，是numpy中最基础的数据结构，最关键的属性是维度和元素类型）

n1=np.array([1,2,3,4])
n1
array([1, 2, 3, 4])

n2=np.array((1,2,3,4))
n2
array([1, 2, 3, 4])

2.使用np.arange()方法生成数组

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

np.arange(5)
array([0, 1, 2, 3, 4])
**衍生**
np.random.randint(10,150,size=(2,3))
array([[ 38, 103, 106],
           [ 98, 134,  15]])

3.使用内置函数生成特殊矩阵
零矩阵

np.zeros((3,4))
[[ 0.  0.  0.  0.]
    0 .0.  0.  0.]
  [ 0.  0.  0.  0.]]

一矩阵

np.ones((3,4))

单位矩阵

 print np.eye(3)

三、索引和切片（和python语法一致）

  x = np.array(((1,2,3),(4,5,6)))
    x[1,2] #获取第二行第三列的数6
    
    y=x[:,1] #获取第二列
    yarray([2, 5])

四、数组的变换*
1、多维变成一维（x.flatten()）

>>> x
array([[1, 2, 3],
       [4, 5, 6]])
 >>> x.flatten()
 array([1, 2, 3, 4, 5, 6])

2、一维变成多维（.reshape())

  >>> print np.arange(15).reshape(3,5) #改变形状，将一维的改成三行五列
    [[ 0  1  2  3  4]
     [ 5  6  7  8  9]
      [10 11 12 13 14]]

3.转置（x.transpose()）

 >>> x
    array([[1, 2, 3],
           [4, 5, 6]])
     >>> x.transpose()
     array([[1, 4],
            [2, 5],
            [3, 6]])

五、数组的组合 hstack vstack

1. 水平组合

n1=np.array([1,2,3,4])
n1
n3=np.random.randint(0,3,5)
n3
np.hstack((n1,n3))
array([1, 2, 3, 4, 1, 2, 2, 0, 1])

2.垂直组合

 >>> numpy.vstack((x,y))
 array([[1, 2, 3],
        [4, 5, 6],
        [1, 2, 3], 
        [4, 5, 6]])

六、数据分割 hsplit vsplit

1、垂直分割

>>> z
array([[1, 2, 3],
       [4, 5, 6],
       [1, 2, 3],
       [4, 5, 6]])
 >>> numpy.vsplit(z,2) #注意这里设置的分割数目必须可以被行数整除
 >[array([[1, 2, 3],
        [4, 5, 6]]), array([[1, 2, 3],
               [4, 5, 6]])]

2.水平分割

>>> numpy.hsplit(z,3)
[array([[1],
       [4], 
       [1], 
       [4]]), array([[2],
	[5],
	[2], 
	[5]]), array([[3],
	[6],
	[3],
	[6]])]


用split函数可以同时实现这两个效果，通过设置其axis参数区别，与组合类似，这里不在演示。

七、矩阵
1.生成矩阵

>>> numpy.mat('1 2 3;4 5 6;7 8 9')
matrix([[1, 2, 3], 
       [4, 5, 6], 
       [7, 8, 9]])

2.矩阵与数组之间的转换
矩阵转数组

>>> m=numpy.mat('1 2 3;4 5 6;7 8 9')
>>> numpy.array(m)
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

数组转矩阵

>>> n=numpy.array(m)
>>> numpy.mat(n)
matrix([[1, 2, 3],
        [4, 5, 6], 
        [7, 8, 9]])



  求逆m.I