【学习笔记】Python之NumPy库

Numpy

Numpy是一个开源的Python科学计算基础库。

• 一个强大的N维数组对象ndarray
• 广播功能函数
• 整合C/C++/Fortan代码的工具
• 线性代数、傅里叶变换、随机数生成等功能

Numpy是SciPy、Pandas等数据处理或科学计算库的基础。

一般引用格式为：import numpy as np

N维数组对象：ndarray

为什么要设置数组对象？

• 数组对象可以去掉元素间运算需要的循环，使一维向量更像单个数据。
• 设置专门的数组对象，经过优化，可以提升这类应用的运算速度。
• Numpy的底层实现是由C语言来完成的，运算性能高效。
• 科学计算中，一个维度所有数据的类型往往相同，数组对象采用相同的数据类型，有助于节省运算和存储空间。

ndarray简介

ndarray是一个多维数组对象，由两部分构成：

• 实际的数据
• 描述这些数据的元数据(数据维度、数据类型等)

ndarray数组一般要求所有元素类型相同(同质)，数组下标从0开始。

ndarray实例

np.array()生成一个ndarray数组（ndarray在程序中的别名是：array）

np.array()输出成[]形式，元素由空格分割。

两个基本概念：轴(axis)：保存数据的维度 秩(rank)：轴的数量

ndarray对象的属性

属性	说明
.ndim	秩，即轴的数量或维度的数量
.shape	ndarray对象的尺度，对于矩阵，n行m列
.size	ndarray对象元素的个数，相当于.shape中n*m的值
.dtype	ndarray对象的元素类型
.itemsize	ndarray对象中每个元素的大小，以字节为单位

ndarray的元素类型

数据类型	说明
bool	布尔类型，True或False
intc	与C语言中的int类型一致，一般与int32或int64，具体与程序运行的系统环境有关
intp	用于索引的整数，与C语言中ssize_t一致，int32或int64
int8	字节长度的整数，取值：[-128，127]
int16	16位长度的整数，取值：[-32768，32767]
int32	32位长度的整数，取值：[-231，231-1]
int64	64位长度的整数，取值：[-263，263-1]
uint8	8位无符号整数，取值：[0，255]
uint16	16位无符号整数，取值：[0，65535]
uint32	32位无符号整数，取值：[0，232-1]
unit64	64位无符号整数，取值：[0，264-1]
float16	16位半精度浮点数：1位符号位，5位指数，10位尾数
float32	32位半精度浮点数：1位符号位，8位指数，23位尾数
float64	64位半精度浮点数：1位符号位，11位指数，52位尾数
complex64	复数类型，实部和虚部都是32位浮点数
complex128	复数类型，实部和虚部都是64位浮点数

ndarray为什么这么多种元素类型？

对比：Python语法仅支持整数、浮点数和复数3种类型

• 科学计算涉及数据较多，对存储和性能都有较高要求。
• 对元素类型精细定义，有助于NumPy合理使用存储空间并优化性能
• 对元素类型精细定义，有助于程序员对程序规模有合理评估

ndarray数组可以由非同质对象构成，下图为非同质ndarray元素为对象类型。

非同质ndarrray对象无法有效发挥NumPy优势，尽量避免使用。

ndarray数组的创建方法

• 从Python中的列表、元组等类型创建ndarray数组。
• 使用NumPy中函数创建ndarray数组，如：arange，ones，zeros等。
• 从字节流(raw bytes)中创建ndarray数组。
• 从文件中读取特定格式，创建ndarray数组。

(1)从Python中的列表、元组等类型创建ndarray数组

x = np.array(list/tuple)

x = np.array(list/tuple, dtype=np.float32)

当np.array()不指定dtype时，NumPy将根据数据情况关联一个dtype类型。

(2)使用NumPy中函数创建ndarray数组，如：arange，ones，zeros等

函数	说明
np.arange(n)	类似range()函数，返回ndarray类型，元素从0到n-1
np.ones(shape)	根据shape生成一个全1数组，shape是元组类型
np.zeros(shape)	根据shape生成一个全0数组，shape是元组类型
np.full(shape,val)	根据shape生成一个数组，每个元素值都是val
np.eye(n)	创建一个正方的n*n单位矩阵，对角线为1，其余为0
np.ones_like(a)	根据数组a的形状生成一个全1数组
np.zeros_like(a)	根据数组a的形状生成一个全0数组
np.full_like(a,val)	根据数组a的形状生成一个数组，每个元素值都是val

![在这里插入图片描述](

函数	说明
np.linspace()	根据起止数据等间距地填充数据，形成数组
np.concatenate()	将两个或多个数组合并成一个新的数组

详细说明：np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

start — 区间起始值。强制参数。

stop — 区间终止值（是否取得到，需要设定参数endpoint）。强制参数。

num — 等分的个数。默认值为50。可选参数。

endpoint — 若为True（默认），则可以取到区间终止值；否则取不到。可选参数。

retstep — 若为True，则返回由生成的数组和步长构成的元组；若为False（默认），则只返回生成的数组。可选参数。

dtype — 数据类型。若不指定数据类型，则通过其他参数判断。可选参数。

ndarray数组的维度变换

方法	说明
.reshape(shape)	不改变数组元素，返回一个shape形状的数组，原数组不变
.resize(shape)	与.shape()功能一致，但修改原数组
.swapaxes(ax1,ax2)	将数组n个维度中两个维度进行调换
.flatten()	对数组进行降维，返回折叠后的一维数组，原数组不变
.astype(new_type)	返回一个将元素类型改变为new_type后的数组，原数组不变

ndarray数组向列表的转换

ls = a.tolist()。如下，a是一个(2,3,4)维度的数组，a.tolist()变成对应的列表，不同仅在于列表是Python中最原始的类型，很可能运行速度更慢。

数组的索引和切片

• 索引：获取数组中特定位置元素的过程
• 切片：获取数组元素子集的过程

一维数组的索引和切片示例：

多维数组的索引和切片示例：（注意是用逗号分隔）

数组与标量之间的运算

数组与标量之间的运算作用于数组的每一个元素

Numpy一元函数：对ndarray中的数据执行元素级运算的函数

函数	说明
np.abs(x) np.fabs(x)	计算数组各元素的绝对值
np.sqrt(x)	计算数组个元素的平方根
np.square(x)	计算数组各元素的平方
np.log(x) np.log10(x) np.log2(x)	计算数组各元素的自然对数、10底对数和2底对数
np.ceil(x) np.floor(x)	计算数组各元素的ceiling值或floor值

Numpy二元函数

函数	说明
+ - * / **	两个数组各元素进行对应运算
np.maximum(x,y) np.fmax() np.minimum(x,y) np.fmin()	元素级的最大值/最小值计算
np.mod(x,y)	元素级的模运算
np.copysign(x,y)	将数组y中各元素值的符号赋值给元素x对应元素
> < >= <= == !=	算术比较，产生布尔类型数组