python科学计算库（二）Numpy

介绍

Numpy（Numerical Python）是一个开源的Python科学计算库，用于快速处理任意维度的数组。

Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多。

Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。

优势

（1）内存地址连续，所有元素数据类型相同
（2）支持并行化运算
（3）解除了GIL限制

常用属性

属性名字	属性解释
ndarray.shape	数组维度的元组
ndarray.ndim	数组维数
ndarray.size	数组中的元素数量
ndarray.itemsize	一个数组元素的长度（字节）
ndarray.dtype	数组元素的类型

常用方法

1、np.ones(shape, dtype)：生成全1的数组
2、np.ones_like(a, dtype)：生成和a相同形状的数组
3、np.zeros(shape, dtype)：生成全0数组
4、np.zeros_like(a, dtype)：生成和a相同形状数组
5、np.array(object, dtype)：从列表生成数组
6、np.asarray(a, dtype)：如果是列表，则创建新的ndarray，如果a是ndarray，则不会创建新的空间

等差数组

np.linsapce(start, stop, num, endpoint)
np.arange(start,stop, step, dtype)

等比数组

np.logspace(start,stop, num)

生成随机数组

标准正态分布：np.random.randn()
正态分布：np.random.normal(μ,σ)
均匀分布：np.random.rand()
np.random.uniform()
np.random.randint()

形状修改

ndarray.reshape()：返回一个新的ndarray
ndarray.resize()：在自身修改
ndarray.T：转置

类型修改

ndarray.astype()：返回修改类型之后的数组

数组去重

np.unique(ndarray)

数组运算

ndarray > 60：返回布尔类型的数组
ndarray[ndarray>60]：返回为True的元素
np.all()：所有都为True返回True
np.any()：有一个为Ture返回True
np.where()：三元运算符
np.logical_and()：逻辑与
np.logical_or()：逻辑或

统计函数

方法	说明
min(a, axis)	返回数组的最小值或沿轴的最小值
max(a, axis])	返回数组的最大值或沿轴的最大值
median(a, axis)	计算沿指定轴的中位数
mean(a, axis, dtype)	沿指定轴计算算术平均值
std(a, axis, dtype)	沿指定轴计算标准偏差
var(a, axis, dtype)	沿指定轴计算标方差
np.argmax(axis=)	最大元素对应的下标
np.argmin(axis=)	最小元素对应的下标

广播机制

数组在进行矢量化运算时，要求数组的形状是相等的。当形状不相等的数组执行算术运算的时候，就会出现广播机制，该机制会对数组进行扩展，使数组的shape属性值一样，这样，就可以进行矢量化运算了。

广播主要发生在两种情况，一种是两个数组的维数不相等，但是它们的后缘维度的轴长相符，另外一种是有一方的长度为1。

eg:

arr1 = np.array([[1, 2, 3, 2, 1, 4], [5, 6, 1, 2, 3, 1]])
arr2 = np.array([[1], [3]])
print(arr1+arr2)

# 结果
# array([[2, 3, 4, 3, 2, 5],
#        [8, 9, 4, 5, 6, 4]])

矩阵运算

(M行, N列)*(N行, L列) = (M行, L列)

np.matmul()：矩阵乘
np.dot：矢量运算是相同，支持矢量和标量