Numpy库_numpy库别名-CSDN博客

本文链接：https://blog.csdn.net/Qiuker_jl/article/details/112444064

摸索了半天才把numpy库下好，太难了

一.简介

1.Numpy作用

numpy的全称是Numerical Python（本文全部使用小写，貌似应该写成NumPy这样，但是这不重要），是Python的一个扩展程序库，它不仅针对数组运算提供了大量的函数库，而且它还能够支持维度数组与矩阵运算。是处理大量数组类结构和机器学习框架的基础库！

2.库的导入

导入numpy库，通常将其命名为缩写np

import numpy as np

下面这种写法更方便，但是若库之间有冲突的函数名会报错，所以不推荐：

from numpy import *

3.数组的属性

①数组的形状（shape）描绘了数组的维度，由元组来表示，比如（2，3）代表了2行3列的数组。可以利用a.shape来查看数组变量a的形状

②元素总个数，可以用size进行查询

③元素数据类型，可以用dtype进行查询

二.数组的生成

1.array函数

利用array函数将对象转化为数组

例：

L=[x**2 for x in range(1,10,2)]
a=np.array(L)

将列表L转化为了数组

此外还可以利用参数dtype和ndmin指定数据类型和维度：

L=[2,3,4,5]
a=np.array(L,dtype=float,ndmin=2)

输出：

[[2. 3. 4. 5.]]

因为列表只有一维，但array函数中指定ndmin=2，所以生成了二维数组

要注意列表必须要满足数组的形式才能进行转换，如下编译器会报错：

 a = np.array([ [2,4],[2 ,3,4,5] ])

因为第一行有2个元素，第二行有4个元素，不符合数组的形式，所以编译器会报错

2.zeros及ones函数-全0、1数组

利用ones和zeros函数可以实现全0数组、全1数组的创建

参数为数组的形状，也可以用dtype指定数组元素的数据类型（默认为float）

例：

 a=np.zeros((2,3),dtype='int')

创建了两行三列的数组，元素全部为int型的0

ones函数使用方法相同

3.empty函数-空数组

利用empty函数创建一个未初始化的数组，数组元素初始值为随机值，参数为数组形状，可以用type指定数据类型

4.arange函数

arange函数和range函数很像，生成一个整数序列，四个参数：

start、stop、step、dtype分别为起点，终点、步长、元素类型，[start，stop)为前开后闭区间

例：

a=np.arange(1,10,3,'float')

输出：

[1. 4. 7.]

5.linspace函数-等差数列

linspace函数用于生成等差数列，参数为start、stop、num（默认为50），分别为起点、终点、个数

该函数不需要指定等差（否则相当于步长，用arange函数就可以生成），它生成的是第一个元素为start，最后一个元素为stop的，元素个数为num的等差数列，即会自动计算出等差

例：

a=np.linspace(1,2,10)

生成的数列为：

[1. 1.11111111 1.22222222 1.33333333 1.44444444 1.55555556
1.66666667 1.77777778 1.88888889 2. ]

此外，可以用参数endpoint（默认为True）来指定数组是否包含stop，其值为True时表示包含，为False表示不包含，例：

a=np.linspace(1,2,10,endpoint=False)

生成数组：

[1. 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9]

也可以使用参数dtype来指定数组元素类型（默认为浮点型）

6.logspace函数-等比数列

利用logspace函数可以生成等比数列，参数为start、stop、num、base，和等比数列差不多，要注意base参数，表示底，因为其实该函数生成的是 ${base}^{start}$ 到 $base^{stop}$ 的等比数列

num默认为50，base默认为10

endpoint用于决定数组是否包含 $base^{stop}$

例：

a=np.logspace(0,10,10,endpoint=False,base=2)

生成：

[ 1. 2. 4. 8. 16. 32. 64. 128. 256. 512.]

7.random函数-随机数

random中包含很多生成随机数的函数

比如random.rand(dn) 参数为生成随机数的个数，可以在0到1之间生成随机数，类型为浮点型

random.randn(dn) 可以生成满足标准正态分布的随机数序列

random.randint(low,high,size)可以从low到high生成size个随机的整数序列

……

三.数组的运算

1.数学运算

以两个形状相同的数组为运算对象时：

a+b表示a和b对应位置上元素的相加而不是两个数组的拼接（与列表不同），例：

a=np.array([1,2,3,4,5])
b=np.array([2,3,3,4,5])
print(a+b)

输出：

[ 3 5 6 8 10]

同理，其它算术运算符（+、-、*、**、\、\\）也是相应位置上的元素进行运算

2.比较运算

同理，对数组执行比较运算会得到一个布尔数组：

例：

L=np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]])
print(L>10)

输出：

[[False False False False]
[False False False False]
[False False True True]
[ True True True True]]

四.数组的索引与切片

1.索引

数组支持用索引来查询及修改数组对应位置的值，并且支持负索引

例：

a=np.random.rand(5)
a[0]=0.2
a[-1]=0.3
print(a[2])

多维数组的索引支持以下两种方式：
①a[1][3]
②a[1,3]

都可以访问数组a第二行第四列的元素

一种比较高级的用法：

a=np.array([[1,2,3,4],[1,2,3,5]])
print(a[a>3])

输出数组a中所有大于3的元素：

[4 5]

也可以将切片与索引结合进行操作：

例：a[1:3,2]

表示第2、3行，第3列的元素

每一维都支持切片、负索引的规则

2.切片

和列表的切片一样

例：

 a=np.ones((2,3),dtype=int)
 a[0][1]=3
 a[0][2]=0
 print(a[0][1:3])

输出

[3 0]

小应用：错位相减

某电影某5天的累计票房为2000，2150，2340，2500，2700，求后四天单天的票房为多少？

因为累计票房为从第一天开始到第i天的累计值，要求得单天的票房就需要错位相减，可以利用切片操作简化这一步骤

a=np.array([2000,2150,2340,2500,2700])
print(a[1:]-a[:-1]) #a[1:]表示a[1]到a[4],a[:-1]表示a[0]到a[3]

注意数组的切片本质是引用，改变切片的值也就改变了原数组的值。

想要申请内存可以使用copy函数：

b=L[0:2].copy()

3.花式索引

切片虽然很方便，可以指定步长，但是比如说想取数组第1、5、6、12个元素，使用切片就很难实现了

数组还可以利用列表作为索引：

L=[x**2 for x in range(1,20)]
L=np.array(L)
index=[0,4,5,11]  #列表index作为数组索引
print(L[index])

也可以利用元组来作为多维数组的索引：

L[(0,1,2),(0,1,2)]

第一个元组描述行，第二个元组描述列，取出了主对角线上的三个元素

需要注意的是花式索引本质是复制，而切片本质是引用，二者不一样！

五.其他函数

1.where函数

返回所有不等于0的元素的索引（返回值为元组）

这个可以和数组的比较运算结合起来，之前写过数组的比较运算返回的是一个布尔数组，而布尔数组中True为1，False为0，所以通过where函数可以得到所有布尔值为True的索引：

L=np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]])
print(np.where(L>10))

得到了所有元素值大于10的索引

(array([2, 2, 3, 3, 3, 3], dtype=int64), array([2, 3, 0, 1, 2, 3], dtype=int64))

2.sort函数

sort函数可以对数组进行从小到大的升序排列，注意sort函数并不改变数组，而是返回一个排好序的数组

argsort函数可以返回一个索引位置数组，数组元素为从小到大的排列在原数组中的位置

3.数组运算函数

罗列一些对数组进行运算的函数：

①sum函数对数组进行求和，有两种写法：

    print(L.sum())
    print(np.sum(L))

下面提到的函数大都有这两种写法：

②max函数求数组中的最大值

③min函数求数组中的最小值

④mean函数求数组值的平均值

⑤std函数求数组的标准差

4.reshape 函数

reshape函数可以改变数组的形状，可以将数组理解为矩阵。reshape函数的参数为一个元组

例：

    L=np.array([[1,2,5,4],[5,6,7,8],[9,10,11,12]])
    L=L.reshape(2,6)
    print(L)

注意reshape函数也是不改变数组本身，而是返回一个新的数组

reshape函数要求reshape后矩阵元素个数不能变，也就是说不能将一个3行5列的数组变成2行2列的，元素个数对不上

有了reshape函数可以实现矩阵的转置（即令数组的每一个元素行列值互换）

当然，numpy库中本身就包含了两个专门用于转置的函数：

5.transpose函数

    L=np.array([[1,2,5,4],[5,6,7,8],[9,10,11,12]])
    print(L.T) #T好像不是函数，所以不能写成L.T()
    print(np.transpose(L))
    print(L.transpose())

以上三种写法都可以实现转置矩阵

6.concatenate函数

concatenate这个单词的意思是连接

concatenate函数可以实现多个数组的拼接

两个参数：第一个参数为数组名组成的元组，第二个参数为拼接的轴

axis=0，表示沿着y轴（按列）进行纵向拼接

axis=1，表示沿着x轴（按行）进行横向拼接

axis默认为0

例：

    L1 = np.array([[1, 2, 5, ], [6, 7, 8]])
    L2 = np.array([[0, 0], [0, 0]])
    L3=np.concatenate((L1,L2),axis=1)
    print(L3)

这两个数组分别为两行三列以及两行两列，所以只能按行拼接

输出：

[[1 2 5 0 0]
[6 7 8 0 0]]

Numpy库中函数非常非常多，上面只列举了一些常用的

六.task

实现一些简单的功能来练手：

①创建一个1到10的数组并逆序输出：

    L=[x for x in range(1,11)]
    a=np.array(L)
    print(a[::-1])

采用的做法是先利用列表生成式生成1到10，然后用array函数将其转化为数组，利用切片实现逆序输出

②创建20个元素的全1矩阵，转化成4行5列的矩阵，再进行转置：

    a=np.ones(20).reshape((4,5))
    print(a.T)

ones函数生成全1数组，reshape函数将其变化为要求的矩阵，再转置

③创建333的随机数组

    a=np.random.rand(3,3,3)
    print(a)