numpy Note

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