Numpy:numeric python
简介
- 标准安装的 Python 中用列表 (list) 保存一组值,可以用来当作数组使用,不过由于列表的元素可以是任何对象,因此列表中所保存的是对象的指针。这样为了保存一个简单的[1,2,3],需要有3 个指针和三个整数对象。对于数值运算来说这种结构显然比较浪费内存和CPU 计算时间。虽然Python 还提供了一个array 模块,array 对象和列表不同,它直接保存数值,和C 语言的一维数组比较类似。但是由于它不支持多维,也没有各种运算函数,因此也不适合做数值运算。
- NumPy 的诞生弥补了这些不足,NumPy 提供了两种基本的对象:ndarray (N-dimensional array object) 和 ufunc (universal function object)。ndarray 是存储单一数据类型的多维数组,而ufunc 则是能够对数组进行处理的函数。
- Numpy 是Python 下的一个library。numpy 最主要的是支持矩阵操作与运算,非常高效是numpy 的优势,core 为C 编写。提升了python 的处理效率,同时numpy 也是一些与比较流行的机器学习框架的基础。
安装与导入
- 安装
pip install numpy
#或者直接安装Anaconda环境,自带 numpy
- 导入
import numpy as np
基本数据类型
使用numpy
- 构建ndarray
构建一维数组:n1 = np.array([1,2,3])
构建二维数组:n2 = np.array([ [1,2,3],[4,5,6] ])
查看数组维度:n.shape
由列表创建:L1 = [1,2,3,4,5] n3 = np.array(L1)
ndarray 转为 list: L3 = list(n3)
快速构建ndarray :由序列创建:
- 常见矩阵
空矩阵:np.empty((3,3)),注意空不意味着值为0,而是任何的value,内存中没有被初始化
对角线矩阵:np.eye(3), identity(3,3)只能创建方阵对角矩阵
随机数矩阵:np.random.rand(3,2), rand返回均匀分布,randn返回正态分布随机数
随机打乱矩阵:n1 = np.arange(10) np.random.shuffle(n1)
0,1矩阵:
ones_like:根据某个矩阵的形态创建一个矩阵
指定数字矩阵:fill()函数
- numpy数据类型及转换
打印数据类型:
转换数据类型:(可以在创建数据的时候指定类型)
- ndarray基本属性
- 取值赋值 与 维度操作
取值操作:
(1)切片读取:a[:,:] 第一个冒号所有的行,第二个代表所有的列。(遵循python左闭右开的原则)e.g:a[:,2]\a[2:,2:]\a[:,1:3]
(2)索引访问:标号、布尔
(3)切片与索引混合访问:
(4)遍历读取:
赋值操作:
既然能取出来,那赋值就很简单了,直接 = 号就可以。
维度操作:
(1)shape变换
(2)增维操作:.newaxis
(3)维度转置:.transpose
- numpy运算
(1)逐元素运算,ufunc运算
ufunc 是universal function 的缩写,它是一种能对数组的每个元素进行操作的函数。numpy 内置的许多ufunc 函数都在C 语言级别实现的,因此它们的计算速度非常快。逐元素运算:就是两个shape 一致的矩阵,相同位置上的元素的运算。
(2) 矩阵运算
(3)ndarray对象内部运算
(5)排序
(6)广播算法
当我们使用 ufunc 函数对两个数组进行计算时,ufunc 函数会对这两个数组的对应元素进行计算,因此它要求这两个数组有相同的大小(shape 相同)。如果两个数组的shape 不同的话会进行如下的广播 (broadcasting)处理。
高级的adarray处理
-
ndarray变形
(1)reshape
(2)拉平ndarray: ravel()、flatten()
(3)拼接ndarray
左右拼接:np.hstack()函数,传入两个矩阵即可。np.c_[ ]也可以实现,这里的c,指colum列。
垂直拼接:np.vstack()函数,传入两个矩阵即可。np.r_[ ]也可以实现,这里的r,指 row 行。
(4)拆分ndarray对象
水平分割:a,b,c,…= np.hsplit(arr, n), 将arr切为n个ndarray对象,并赋值给变量a,b,… ,这把刀是竖着切的。
垂直分割:a,b,c,…= np.vsplit(arr, n), 将arr切为n个ndarray对象,并赋值给变量a,b,… ,这把刀是横着切的。 -
ndarray对象的输入与输出
numpy常用函数表