Numpy学习总结

一、属性

• ndim:维度
• shape：行数和列数
• size：个数

import numpy as np

array = np.array([[1, 2, 3], [2, 3, 4]])        #将列转化为矩阵
print(array)
print('num of ndim', array.ndim)                #维度
print('num of shape', array.shape)              #行数和列数
print('num of size', array.size)                #个数

[[1 2 3]
 [2 3 4]]
num of ndim 2
num of shape (2, 3)
num of size 6

二、Numpy的创建array

• array：创建数组
• dtype：数据类型
• zeros，ones，empty：全0，全1，空
• arange：指定范围创建数据 
• linspace：指定线段创建数据

#a = np.array([2, 3, 4],dtype=np.float)         #指定类型int float
#a = np.zeros((2,3))                            #全zeros,ones,empty  2行3列
#a = np.ones((2,3),dtype=np.int)
#a = np.arange(10, 20, 2)                       #创建连续数   10—19，步长2
#a = np.arange(12).reshape(3,4)
a = np.linspace(1,10,6).reshape((2,3))         #创建线性数据  1—10，分成6段
print(a)

[2. 3. 4.]
[[0. 0. 0.]
 [0. 0. 0.]] 
[[1 1 1]
 [1 1 1]] 
[10 12 14 16 18]
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]] 
[[ 1.   2.8  4.6]
 [ 6.4  8.2 10. ]]

三、 基础运算

1.基础运算

• +，-，*：加，减，乘
• **：平方
• sin，cos，tan
• >,<：大于，小于→true false
• dot：矩阵乘法
• sun，max，min：求和，最大，最小

#a = np.array([10,20,30,40])
#b = np.arange(4)
#c = a+b                                          #+,-,*
#d = np.sin(a)                                    #sin,cos,tan
#e = a<20                                         #<,>
#f = np.dot(a,b)                                  #矩阵乘法
#g = a.dot(b)
#print(c)
#print(d)
#print(e)
#print(f)
#print(g)

a = np.random.random((2,4))                         
b = np.sum(a)                                     #求和。max min
c = np.sum(a,axis=0)                              #列求和 axis=1 行求和 
print(b)
print(c)

[10 21 32 43]
[-0.54402111  0.91294525 -0.98803162  0.74511316]
[ True False False False]
200
200
4.863344689758311
[1.88911642 0.33159381 0.93565677 1.70697769]

2.基本运算

• argmin,argmax：最小元素索引，最大元素索引
• mean，average：平均
• median：中位数
• cumsum，diff：累加，累减
• sort：每行从小到大排列
• transpose，.T：转置
• clip：限定大小

A = np.arange(2,14).reshape((3,4))
print(np.argmin(A))                                 #最小（大）元素索引
print(np.argmax(A))
print(np.mean(A))                                   # 平均值
print(np.average(A))
print(np.median(A))                                   # 中位数
print(np.cumsum(A))                                 #累加，累减
print(np.diff(A))

 

0
11
7.5
7.5
7.5
[ 2  5  9 14 20 27 35 44 54 65 77 90]
[[1 1 1]
 [1 1 1]
 [1 1 1]]

 

A = np.arange(14,2, -1).reshape((3,4))
print(np.sort(A))                                   #从小到大排列行
print(np.transpose(A))                              #转置
print(A.T)
print(np.clip(A,5,9))                               #限制在5—9

 

[[11 12 13 14]
 [ 7  8  9 10]
 [ 3  4  5  6]]
[[14 10  6]
 [13  9  5]
 [12  8  4]
 [11  7  3]]
[[14 10  6]
 [13  9  5]
 [12  8  4]
 [11  7  3]]
[[9 9 9 9]
 [9 9 8 7]
 [6 5 5 5]]

四、索引

• a[1] ：一维索引
• A[1][1]：二维索引
• flatten：展成一维数列

A = np.arange(3,15)
print(A[3]) 
# 6

A = np.arange(3,15).reshape((3,4))
print(A[1][1]) 
 # 8

print(A.flatten())   
# array([3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])

五、array合并

• vstack，hstack：纵向合并，横向合并
• newaxis：转置操作
• concatenate:多矩阵或序列合并

A = np.array([1,1,1])
B = np.array([2,2,2])
C = np.vstack((A,B))              # 纵向合并
D = np.hstack((A,B))              # 横向合并
'''
[[1,1,1]
 [2,2,2]]
[1,1,1,2,2,2]
'''

 

print(A[np.newaxis,:])
# [[1 1 1]]

print(A[:,np.newaxis])
"""
[[1]
[1]
[1]]
"""

 

C = np.concatenate((A,B,B,A),axis=0)        #列操作

print(C)
"""
array([[1],
       [1],
       [1],
       [2],
       [2],
       [2],
       [2],
       [2],
       [2],
       [1],
       [1],
       [1]])
"""

D = np.concatenate((A,B,B,A),axis=1)        #行操作

print(D)
"""
array([[1, 2, 2, 1],
       [1, 2, 2, 1],
       [1, 2, 2, 1]])
"""

六、array分割

• split（矩阵，分割数，axis=1）：纵向分割，横向分割（等分）
• hsplit、vsplit(矩阵，分割数)：纵向分割，横向分割（等分）
• array_split(矩阵，分割数，axis=1)不等量分割

A = np.arange(12).reshape((3, 4))
print(np.split(A, 2, axis=1))
print(np.split(A, 3, axis=0))
#print(np.hsplit(A, 2)) 
#print(np.vsplit(A, 3))
print(np.array_split(A, 3, axis=1))
'''
[array([[0, 1],
        [4, 5],
        [8, 9]]), array([[ 2,  3],
        [ 6,  7],
        [10, 11]])]
[array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8,  9, 10, 11]])]
[array([[0, 1],
        [4, 5],
        [8, 9]]), array([[ 2],
        [ 6],
        [10]]), array([[ 3],
        [ 7],
        [11]])]
'''

七、copy&deep copy

• =：赋值（有关联）

• copy（）：赋值（无关联）