Numpy基础

import numpy as np

numpy数据类型

#创建时申明数据类型
arr1 = np.array([1,2,3],dtype=np.float64)

#查看数据类型
arr1.dtype

dtype('float64')

#转换数据类型 原数据类型不改变
arr2 = arr1.astype(np.int64)
arr2.dtype

dtype('int64')

#引用另一个数组的数据类型
arr3 = np.array([1.0,2.0,3.0])
arr3 = arr3.astype(arr2.dtype)
arr3.dtype

dtype('int64')

索引与切片

切片不是复制，改变数据，元数据也改变

arr = np.arange(10)
arr

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

#按索引获取第五个数 从0开始记
arr[4]

4

#获取后两个数
arr[-2:]

array([8, 9])

#按索引获取第5，6，7，个数
arr[5:8]

array([5, 6, 7])

冒号 : 的解释：如果只放置一个参数，如 [2]，将返回与该索引相对应的单个元素。如果为 [2:]，表示从该索引开始以后的所有项都将被提取。
如果使用了两个参数，如 [2:7]，那么则提取两个索引(不包括停止索引)之间的项。

arr2 = np.array([[1,2,3],[4,5,6],[7,8,9]])
arr2

array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

#获取第二行
arr2[1]

array([4, 5, 6])

#获取第二列
arr2[:,1]

array([2, 5, 8])

#获取第二行第二列的元素
arr2[1,1]

5

#获取第二行到第三行，第二列到第三列的元素
arr2[1:,1:]

array([[5, 6],
       [8, 9]])

布尔索引

arr2 > 5

array([[False, False, False],
       [False, False,  True],
       [ True,  True,  True]])

arr2[arr2> 5]

array([6, 7, 8, 9])

还可使用 == ！= & | 等

转置与换轴

arr = np.arange(15)
arr

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])

#换轴
arr.reshape((3,5))

array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

#转置
arr1.T

array([[ 0,  5, 10],
       [ 1,  6, 11],
       [ 2,  7, 12],
       [ 3,  8, 13],
       [ 4,  9, 14]])

#第一列成第一行，第一行成第一列
arr1.transpose((0,1))

array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

常用函数

arr

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])

#求平方根 还有函数abs（求绝对值），square（平方）等
np.sqrt(arr)

array([0.        , 1.        , 1.41421356, 1.73205081, 2.        ,
       2.23606798, 2.44948974, 2.64575131, 2.82842712, 3.        ,
       3.16227766, 3.31662479, 3.46410162, 3.60555128, 3.74165739])

#判断是否有空元素
np.isnan(arr)

array([False, False, False, False, False, False, False, False, False,
       False, False, False, False, False, False])

arr.sum()
arr.mean()
arr.std()

4.320493798938574

#指定列或行
arr = arr.reshape((3,5))
arr.mean(axis=0)#计算每一列的平均值
arr.std(axis=1)#计算每一列的标准差

array([1.41421356, 1.41421356, 1.41421356])

bools = arr > 5
bools.any()#检查数组是否至少有一个为Ture
bools.all()#检查数组是否全部为True

False

#排序 返回对原数组的拷贝
arr.sort()#可指定按哪个轴 axis=0/1或某一轴
arr

array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

#去重
np.unique(arr)

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])

#判断5，6元素是否在数组arr中
np.in1d(arr,[5,6])

array([False, False, False, False, False,  True,  True, False, False,
       False, False, False, False, False, False])

#保存数组及读取数组
np.save('file_name',arr)

np.load('file_name.npy')

array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])