Numpy

Numpy

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。

SciPy 是一个开源的 Python 算法库和数学工具包。SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。

Matplotlib 是 Python 编程语言及其数值数学扩展包 NumPy 的可视化操作界面。它为利用通用的图形用户界面工具包，如 Tkinter, wxPython, Qt 或 GTK+ 向应用程序嵌入式绘图提供了应用程序接口（API）。

NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。ndarray 对象是用于存放同类型元素的多维数组。ndarray 中的每个元素在内存中都有相同存储大小的区域。

常用函数

# numpy内的元素必须都是相同的类型，若输入不一致，将会自动强制转换
import numpy as np
vector = np.array([1,2,3,4])
# 矩阵类型
print(vector.dtype)
# 矩阵维度
vector.shape
matrix = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
# 取第2行第3列元素
matrix[1,2]
# 取下标0~2的元素
vector[0:3]
# 取第二列元素（冒号代表取所有行）
matrix[:,1]
# 取0,1行，1,2列。
matrix[0:2,1:3]
# 判断是否有元素等于3，返回一个bool
vector == 3
# 类型转换
print(vector.astype(str))
# 打印帮助文档
print(help(matrix))

# 取最小元素
matrix.min()
# axis=0,对每列操作，axis=1，对每行操作,sum之后返回一个向量
matrix.sum(axis=1)
# 生成0-9的向量
matrix = np.arange(10)
# 重新生产2行5列矩阵，行优先,参数可为-1（即只指定一个维度的大小）
matrix.reshape(2,5)
# 矩阵维度
matrix.ndim
# 元素个数
matrix.size
# 生成0元素矩阵,元素默认float
matrix = np.zeros((3,4))
# 生成1元素矩阵
matrix = np.ones((3,4,5),dtype = np.int32)
# 构造10到20的向量（20不包含），元素间距为5
matrix = np.arange(10,20,5)
# 随机数函数，随机取-1到1之间的数
matrix = np.random.random(2,3)
# 从0到2pi均间隔取100个数
matrix = np.linspace(0,2*pi,100)
# 矩阵变向量
matrix.ravel()
# 矩阵转置
matrix.T
# 矩阵拼接,h按行拼，v按列拼。按行拼要保证二者行数一致，按列也一样
np.hstack(A,B)
np.vstack(A,B)
# 矩阵切割,h按行切，即行数不变，v按列切
np.hsplit(matrix,3)# 切三份
np.hsplit(matrix,(3,4))# 第三列，第四列后面各切一刀
# 矩阵扩展,a的行扩展3倍，列扩展2倍
b = np.tile(a,(4,3))
# 矩阵排序，sort默认由小到大
matrix.sort(axis=1)

复制操作

a = np.array([1,2,3,4])
# a,b实质是一个变量，指向内存同一区域
b = a
# a,c不是一个变量，改变a的shape后c的shape不会改变，但改变a的某个元素值，c也会跟着变
c = a.view()
# a,d不是一个变量，改变a不会改变c的任何东西
d = a.copy()

索引

matrix = np.sin(np.arange(20).reshape(5,4))
# 返回每列的最大值的下标,一个向量
ind = matrix.argmax(axis=0)
# 利用最大值下标打印出每列的最大值
matrix_max = matrix[ind,range(matrix.shape[1])]	
# 返回排序索引,最小元素下标放最前面，最大值元素下标放最后面
b = np.argsort(a)

字符串

# 依次对两个数组的元素进行字符串连接
np.char.add(['hello'],[' xyz'])
np.char.add(['hello', 'hi'],[' abc', ' xyz'])
...['hello xyz']
...['hello abc' 'hi xyz']
# 执行多重连接
np.char.multiply('Runoob ',3)
...Runoob Runoob Runoob 
# 用于将字符串居中，并使用指定字符在左侧和右侧进行填充。str: 字符串，width: 长度，fillchar: 填充字符
np.char.center(str , width,fillchar) 
# 将字符串的第一个字母转换为大写
np.char.capitalize('runoob')
# 将字符串的每个单词的第一个字母转换为大写
np.char.title([['dsf','ds'],['sd2','23dds']])
...[['Dsf' 'Ds']
...['Sd2' '23Dds']]
# 对数组的每个元素转换为小写。它对每个元素调用 str.lower。
np.char.lower(['RUNOOB','GOOGLE'])
# 对数组的每个元素转换为大写。它对每个元素调用 str.upper。
np.char.upper(['runoob','google'])
# 通过指定分隔符对字符串进行分割，并返回数组。默认情况下，分隔符为空格。
s = np.char.split(['sdf.sd 3 w','sdf'], sep='.')
# 以换行符作为分隔符来分割字符串，并返回数组。\n，\r，\r\n 都可用作换行符。
np.char.splitlines('i\nlike runoob?')
# 使用新字符串替换字符串中的所有子字符串。
np.char.replace ('i like runoob', 'oo', 'cc')
# 对数组中的每个元素调用 str.encode 函数。 默认编码是 utf-8，可以使用标准 Python 库中的编解码器。
np.char.encode('runoob', 'cp500') 
...b'\x99\xa4\x95\x96\x96\x82'
# 对编码的元素进行 str.decode() 解码。
np.char.decode(a,'cp500')

数学函数

# 三角函数
np.sin(matrix)
np.cos(matrix)
np.tan(matrix)
np.arcsin(matrix)
np.arccos(matrix)
np.arctan(matrix)
# 舍入函数，decimal是舍入位数
np.around(a, decimals =  1)
# 向下取整，向上取值
matrix = np.floor(matrix)
matrix = np.ceil(matrix)
# 自然底数e运算,开方
matrix = np.exp(matrix)
matrix = np.sqrt(matrix)
# 乘方
s = matrix**2
# 四则运算，对应位置每个元素均单独计算
matrix = matrix - 1
matrix = matrix*2
matrix = matrix1*matrix2
np.add(a,b)
np.subtract(a,b)
np.multiply(a,b)
np.divide(a,b)
# 矩阵乘法
matrix = matrix1.dot(matrix2)
matrix = np.dot(matrix1,matrix2)