Numpy笔记

一、Numpy库
import numpy as np
（1）①array函数：用于创建数组，接受一切序列型的对象，转换为数组或者是多位数组，会为这个数组推断出一个较为合适的数据类型 。numpy.array(序列)
②arange函数：类似range函数，为numpy的内置函数，支持步长·np.arange(first,last,step)

（3）astype 可以明确的将一个数组的一个dtype转换成另一个dtype

 arr8 = np.array([1.1,2.2,3],dtype=np.int32) 
>>>array([1, 2, 3])
float_arr8 = arr8.astype(np.float64) 
float_arr8 
>>>array([1., 2., 3.]) 
float_arr8 .dtype 
>>>dtype('float64')

如果一个字符串数组表示的全是数字，也可以用astype将其转化为数值形式

arr_str1 = np.array([['1','2','3'],['4','5','6']]) 
arr_str2 = arr_str1.astype(np.float) 
arr_str2 
>>>array([[1., 2., 3.], [4., 5., 6.]])

（4）数组的切片返回的是源数据的视图，数组的花式索引和布尔索引返回的是源数据的·副本，数组的转置返回的是源数据的视图。

（5）reshape（个数，n行，m列） 函数功能：给予数组一个新的形状，而不改变它的数据

（6）数组转置和轴对称

arr = np.arange(16).reshape(2,2,4)
arr
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7]],

       [[ 8,  9, 10, 11],
        [12, 13, 14, 15]]])

①transpose（）函数：

arr.transpose((1,0,2))
array([[[ 0,  1,  2,  3],
        [ 8,  9, 10, 11]],

       [[ 4,  5,  6,  7],
        [12, 13, 14, 15]]])

可以看到，创建的arr数组中的值需要用三个位置坐标表示比如arr[0,1,1] 代表5，arr[1,0,2] 代表10，,则在transpose中第一个位置坐标表示为‘0’，第二个为‘1’，第三个为‘2’，arr.transpose(1,0,2) 则表示将数组中所有元素的第一个位置坐标和第二个位置坐标翻转。以此类推数组中元素需要用n个坐标表示，则每个坐标在transpose中分别表示为0–>n-1，改变相应坐标的位置则数组将会进行相应的转置。
②T：把所有元素的位置坐标颠倒

arr.T
array([[[ 0,  8],
        [ 4, 12]],

       [[ 1,  9],
        [ 5, 13]],

       [[ 2, 10],
        [ 6, 14]],

       [[ 3, 11],
        [ 7, 15]]])
arr.transpose((2,1,0))
array([[[ 0,  8],
        [ 4, 12]],

       [[ 1,  9],
        [ 5, 13]],

       [[ 2, 10],
        [ 6, 14]],

       [[ 3, 11],
        [ 7, 15]]])

③swapaxes（）函数：轴对称

arr.swapaxes(1,2)
array([[[ 0,  4],
        [ 1,  5],
        [ 2,  6],
        [ 3,  7]],

       [[ 8, 12],
        [ 9, 13],
        [10, 14],
        [11, 15]]])
arr.transpose(0,2,1)
array([[[ 0,  4],
        [ 1,  5],
        [ 2,  6],
        [ 3,  7]],

       [[ 8, 12],
        [ 9, 13],
        [10, 14],
        [11, 15]]])

可以看到swapaxes（）括号中的数字也同为数组元素坐标对应的所在的列，只不过这两个是需要对称转置的列！！！

（7）通用函数
① 元素级运算（一元）函数：np.sqrt（数组），np.exp（数组）
②二元函数：np.add() np.maximum()
point_part,int_part = np.modf() 可以返回两个数组

（8）利用数组进行数据处理
用数组表达式的代替循环的做法，通常被称为矢量化。

①meshgrid（）函数：
用法：
[X,Y] = meshgrid(x,y)
[X,Y] = meshgrid(x) 与 [X,Y] = meshgrid(x,y)等同
[X,Y] = meshgrid(x,y)将x和y定义的区域转换成矩阵X和Y，其中·矩阵X的行向量是向量x的简单复制，矩阵Y的列向量是向量y的简单复制（X和Y均为数组）
设向量x的长度为m，向量y的向量为n，则最终生成的矩阵X和Y维度都为n*m矩阵

x = np.arange(-5,5)
y = np.arange(0,10)
X,Y = np.meshgrid(x,y)
X
array([[-5, -4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-5, -4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-5, -4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-5, -4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-5, -4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-5, -4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-5, -4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-5, -4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-5, -4, -3, -2, -1,  0,  1,  2,  3,  4],
       [-5, -4, -3, -2, -1,  0,  1,  2,  3,  4]])
Y
array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
       [2, 2, 2, 2, 2, 2, 2, 2, 2, 2],
       [3, 3, 3, 3, 3, 3, 3, 3, 3, 3],
       [4, 4, 4, 4, 4, 4, 4, 4, 4, 4],
       [5, 5, 5, 5, 5, 5, 5, 5, 5, 5],
       [6, 6, 6, 6, 6, 6, 6, 6, 6, 6],
       [7, 7, 7, 7, 7, 7, 7, 7, 7, 7],
       [8, 8, 8, 8, 8, 8, 8, 8, 8, 8],
       [9, 9, 9, 9, 9, 9, 9, 9, 9, 9]])

②where函数：numpy.where（条件，参数1，参数2） 函数是 x if condition else y 的矢量化版本，意为：如果满足条件则选择参数1，否则选择参数2，返回一个数组。where函数中可以传入两个数组numpy.where(condition,xarr,yarr) 、可以传入两个标量numpy.where(condition,number,number) 、可以传入一个标量和一个数组numpy.where(condition,number,array) 或numpy.where(condition,array,number)
③sum函数、mean函数和std函数 ：均只产生最终结果 - - 称为聚合
sum（）函数：接受一个axis参数numpy.sum(array) 未传入axis参数则为求全体数组的和；numpy.sum(array,axis = 0) axis=0压缩行，计算每列的和；numpy.sum(array,axis=1) axis=1压缩列，求每行的和
mean()函数：接受一个axis参数：numpy(array) 未传入axis参数则求全体数组的平均数；numpy.mean(array,axis=0) axis=0压缩行，求每列的平均数；numpy.mean(array,axis=1) axis=1压缩列，求每行的平均数。
std（）函数：求标准差。意义与用法与上两种类似。
④cumsum函数和cumprod函数 ：产生一个由中间结果组成的数组
cumsum（）函数：累加函数。同样接受axis参数，作用同上。计算数组依次累加的各结果
cumprod（）函数：累乘函数。同样接受axis参数，作用同上。计算数组依次累乘的结果。

⑤用于布尔型数组的方法：sum（），any（）和all（）
sum（）：用于对布尔型数组中的Ture值计数
any（）：用于检测数组中是否存在一个或多个Ture
all（）：用于检测数组中的值是否都为True
⑥排序
numpy数组可以通过sort方法进行排序
array.sort() 对数组进行就地排序，numpy.sort(array) 返回的是数组的排序副本，不会改变数组本身。
sort方法有axis可选参数，sort（0） 表示对列进行由小到大排序；sort(1) 表示对行进行由小到大排序
⑦数组的集合运算：均返回已拍完序的有序结果
unique（x） 计算x中唯一元素，并返回有序结果
insterect1d（x，y） 求x和y的交集，计算x和y中的公共元素，并返回有序结果
union1d（x，y） 求x和y的并集，并返回有序结果
in1d（x，y） 判断y中元素是否存在于x中，返回布尔型数组
setdiff1d（x，y） 集合的差运算，返回在x中但不在y中的元素
setxor1d（x，y） 集合的对称差，返回存在于一个数组中但不存在与另一个数组中的元素
（9）用于数组的文件输入输出
默认情况：数组是以未压缩的原始二进制文件格式在扩展名为.npy的文件中的。使用numpy.save(文件名,array) 将一个数组写入文件，文件路径会自动加上.npy ；使用numpy.load(文件名.npy) 读文件。
若将多个数组保存到一个未压缩的文件，将数组以关键字参数的形式传入：numpy.savez(文件名，keyN=arrayN) 会自动加上.npz 后缀；加载.npz 文件，会得到类似字典的对象，使用字典查询的方法对象名=[key] 得到关键字为key的相应数组输出

（10）线性代数
①矩阵的乘法
dot（）函数：矩阵的点积numpy.dot(array1,array2 或array1.dot(array2) 或 array1 @ array2

（11）伪随机数生成
另写一篇博客以免用到的时候找不到！！