【Python工具包之Numpy】概述+array结构+数值计算+索引+排序+数组+运算+随机模块+读写

1、array结构

• Numpy，数据由矩阵组成，矩阵计算使用Numpy（科学计算）;
• Numpy，list数据需要先转化成ndarray结构（n 表示的是n个 d dimension 维度 array 数组）；
• 对于ndarray结构来说，里面所有的元素必须是同一类型的 如果不是的话，会自动的向下进行转换；

数值类型
float–浮点型
str --字符串
int – 整型
object–字符串

2、ndarray基本属性操作

• 使用之前需要先导入numpy工具包；
• 退出需要重新运行工具包。

import numpy as np

• type打印当前输入格式

wang_list = [1,2,3,4,5]
wang_array = np.array(wang_list)
wang_array
type(wang_array)

numpy.ndarray

• dtype打印当前输入类型

wang_array.dtype

dtype(‘int32’)

• astype：转换类型

wang_array.astype(np.float32)

array([ 1., 2., 3., 4., 5.], dtype=float32)

• itemsize：打印当前数组大小

wang_array.itemsize

4

• size：有几个元素

wang_array.size

5

• .shape值；（m,n）表示m*n维数据，即有m个样本数据，每个数据有n个特征，可了解数据规模；也可debug。

wang_array.shape

np.shape(wang_array)

(5,)

• dnim：维度

wang_array.ndim

1

• fill：填充

wang_array.fill(0)
wang_array

array([0, 0, 0, 0, 0])

3、索引与切片

（1）一维数组

• 索引与切片:跟Python都是一样的 还是从0开始的；
• 从左取到右但是不包括右；
• -1表示从最后一个。

wang_list = [1,2,3,4,5,6]
wang_array = np.array(wang_list)
wang_array[0]

1

wang_array[1:3]

array([2, 3])

wang_array[-3:]

array([4, 5, 6])

（2）多维数组索引

• 需指定每个维度的索引；
• 若未指定某一维度，表示取此维度所有数据；
• 右边不指定维度可以省略冒号，左边不可；
• 可通过索引定位到数据，然后对数据进行赋值。

wang_array = np.array([[1,2,3],
                      [4,5,6],
                      [7,8,9]])#3*3的二维数组（两个中括号）
wang_array[1,1]

5

wang_array[1,1]=10#赋值
wang_array

array([[ 1, 2, 3],
[ 4, 10, 6],
[ 7, 8, 9]])

wang_array[1]

array([ 4, 10, 6])

wang_array[:,1]

array([ 2, 10, 8])

wang_array[0,0:1]

array([1,2])

（3）赋值（=）&复制（copy）

等号赋值会改变原本数组的值，.copy复制不会改变原本数组的值。

• 等号（=）赋值

wang_array2 = wang_array
wang_array2[1,1] = 100
wang_array

array([[ 1, 2, 3],
[ 4, 100, 6],
[ 7, 8, 9]])

• .copy 复制

wang_array2 = wang_array.copy()
wang_array2[1,1] = 10000
wang_array2

array([[ 1, 2, 3],
[ 4, 10000, 6],
[ 7, 8, 9]])