Numpy基础入门知识点总结

Xx_Studying

已于 2022-10-21 20:05:53 修改

阅读量1.8k

点赞数 4

分类专栏： Python基础文章标签： numpy python 机器学习

于 2022-10-17 20:54:32 首次发布

本文链接：https://blog.csdn.net/Xx_Studying/article/details/127365627

版权

NumPy提供了两种基本的对象：ndarry 和 ufunc。ndarray是一个具有矢量算术运算和复杂广播能力的、快速且节省空间的多维且数组，ufunc则提供了对ndarray进行快速运算的标准数学函数。

1、ndarray创建与索引

1.1创建ndarray对象

在Numpy中，创建ndarray的方法根据创建的ndarray不同，可以有函数array、arange、linspace、logspace、zeros、eye、diag、ones等。此外，Numpy还提供随机数相关函数，，也可以用于创建ndarray。

1.1.1ndarray数据类型

import numpy as np
print(f"整数42转为浮点数结果为：{np.float64(42)}")
print(f"整数42转为布尔值结果为：{np.bool_(42)}")

运行结果：

整数42转为浮点数结果为：42.0
整数42转为布尔值结果为：True

1.1.2 ndarray创建

创建一维ndarray和二维ndarray

import numpy as np
arr0 = np.array((1, 2, 3, 4, 5))    # 括号内为元组
arr1 = np.array([1, 2, 3, 4])   # 括号内为列表
arr2 = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [8, 9, 10, 11]])
arr4 = np.array(range(10))  # 迭代对象
arr5 = np.array([i ** 2 for i in range(5)])  # 迭代对象
print(f"创建的一维ndarray为：{arr0}")
print(f"创建的一维ndarray为：{arr1}")
print(f"创建的二维ndarray为：\n{arr2}")
print(f"创建的一维ndarray为：{arr4}")
print(f"创建的一维ndarray为：{arr5}")

运行结果:

创建的一维ndarray为：[1 2 3 4 5]
创建的一维ndarray为：[1 2 3 4]
创建的二维ndarray为：
[[ 1  2  3  4]
 [ 4  5  6  7]
 [ 8  9 10 11]]
创建的一维ndarray为：[0 1 2 3 4 5 6 7 8 9]
创建的一维ndarray为：[ 0  1  4  9 16]

import numpy as np
# 二维数组：嵌套序列（列表，元组均可）
arr0 = np.array([[1, 2, 3], ('a', 'c', 'd')])
print(f"arr0:\n{arr0}")
# 当嵌套序列数目不一样时
arr1 = np.array([[1, 2, 3], ('a', 'c', 'd', 'f')])  # 会有警告
print(f"arr1:\n{arr1}")
print(f"arr1 的ndim:\n{arr1.ndim}")

运行结果：

arr0:
[['1' '2' '3']
 ['a' 'c' 'd']]
arr1:
[list([1, 2, 3]) ('a', 'c', 'd', 'f')]
arr1 的ndim:
1

import numpy as np
# 设置元素类型
arr0 = np.array([2, 2.4, 3.6, 4.1], dtype='int')
print(f"arr0:{arr0}")

运行结果：

arr0:[2 2 3 4]

常用的ndarray的常用属性如下表:

import numpy as np
arr1 = np.array([1, 2, 3, 4])
arr2 = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [8, 9, 10, 11]])
print(f"arr1的轴的个数：{arr1.ndim}")
print(f"arr2的轴的个数：{arr2.ndim}")
print(f"arr1的维度：{arr1.shape}")
print(f"arr2的维度：{arr2.shape}")
print(f"arr1的元素个数：{arr1.size}")
print(f"arr2的元素个数：{arr2.size}")
print(f"arr1的数据类型：{arr1.dtype}")
print(f"arr2的数据类型：{arr2.dtype}")
print(f"arr1的每个元素字节大小：{arr1.itemsize}")
print(f"arr2的每个元素字节大小：{arr2.itemsize}")

运行结果：

arr1的轴的个数：1
arr2的轴的个数：2
arr1的维度：(4,)
arr2的维度：(3, 4)
arr1的元素个数：4
arr2的元素个数：12
arr1的数据类型：int32
arr2的数据类型：int32
arr1的每个元素字节大小：4
arr2的每个元素字节大小：4

针对一些特殊的ndarray，Numpy提供了其他的ndarray创建函数

ndarray创建函数
函数	说明
arange	创建等差数列（指定开始值、终值和步长）
linspace	创建等差数列（指定开始值、终值（包括）和元素个数）
logspace	创建等比数列
zeros	创建值全为0的矩阵
eye	创建单位矩阵（对角线元素为1，其余为0）
diag	创建对角矩阵（对角线元素为指定值，其余为0）
ones	创建值全部为1的矩阵

arange函数使用部分展示：

import numpy as np
print(f"使用arange函数创建ndarray1为：\n{np.arange(0, 10, 2)}")
print(f"使用arange函数创建ndarray2为：\n{np.arange(10, 1)}")
print(f"使用arange函数创建ndarray3为：\n{np.arange(10, step = 1)}")

运行结果：

使用arange函数创建ndarray1为：
[0 2 4 6 8]
使用arange函数创建ndarray2为：
[]
使用arange函数创建ndarray3为：
[0 1 2 3 4 5 6 7 8 9]

import numpy as np
print(f"使用arange函数创建ndarray为：\n{np.arange(0, 1, 0.1)}")
print(f"使用linspace函数创建ndarray为：\n{np.linspace(0, 1, 5)}")
# 下面创建是从1（10的0次方）到100（10的二次方），这10个元素的等比数列
print(f"使用logspace函数创建ndarray为：\n{np.logspace(0, 2, 10)}")
print(f"使用zeros函数创建ndarray为：\n{np.zeros((2, 3))}")
print(f"使用eye函数创建ndarray为：\n{np.eye(3)}")
print(f"使用diag函数创建ndarray为：\n{np.diag([2, 3, 4])}")
print(f"使用ones函数创建ndarray为：\n{np.diag((3, 2))}")

运行结果：

使用arange函数创建ndarray为：
[0.  0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9]
使用linspace函数创建ndarray为：
[0.   0.25 0.5  0.75 1.  ]
使用logspace函数创建ndarray为：
[  1.           1.66810054   2.7825594    4.64158883   7.74263683
  12.91549665  21.5443469   35.93813664  59.94842503 100.        ]
使用zeros函数创建ndarray为：
[[0. 0. 0.]
 [0. 0. 0.]]
使用eye函数创建ndarray为：
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]
使用diag函数创建ndarray为：
[[2 0 0]
 [0 3 0]
 [0 0 4]]
使用ones函数创建ndarray为：
[[3 0]
 [0 2]]

使用随机数创建ndarray，numpy中随机数相关的函数都在random模块中。

numpy.random部分函数

import numpy as np
print(f"使用random函数生成的随机数ndarray为：\n{np.random.random(5)}")
print(f"使用rand函数生成服从均匀分布的随机数ndarray为：\n{np.random.rand(3, 5)}")
print(f"使用randint函数生成给定上下限的随机整数ndarray为：\n{np.random.randint(2, 10,[2, 3])}")

运行结果：

使用random函数生成的随机数ndarray为：
[0.09594888 0.2016682  0.84676803 0.66376245 0.2414957 ]
使用rand函数生成服从均匀分布的随机数ndarray为：
[[0.13673995 0.79574959 0.42616049 0.00760496 0.88965927]
 [0.91864831 0.08410816 0.07618759 0.4229055  0.19356727]
 [0.63578401 0.50782571 0.16605383 0.76282094 0.70902764]]
使用randint函数生成给定上下限的随机整数ndarray为：
[[6 9 5]
 [2 9 7]]

1.1.3 ndarray的索引与切片

一维 ndarray的索引

import numpy as np
# 默认 np.arange(0, 10, 1)
arr = np.arange(10)
print(f"初始结果为：{arr}")
print(f"使用元素位置索引结果为：{arr[5]}")
print(f"使用元素位置切片结果为：{arr[2:5]}")
print(f"使用元素位置切片结果为：{arr[2:8:2]}")
print(f"省略单个位置切片结果为：{arr[:5]}")
print(f"使用元素反向位置切片结果为：{arr[:-2]}")
# 修改对应下标的值
arr[2:5] = 10, 11, 13
print(f"修改后结果为：{arr}")

运行结果为：

初始结果为：[0 1 2 3 4 5 6 7 8 9]
使用元素位置索引结果为：5
使用元素位置切片结果为：[2 3 4]
使用元素位置切片结果为：[2 4 6]
省略单个位置切片结果为：[0 1 2 3 4]
使用元素反向位置切片结果为：[0 1 2 3 4 5 6 7]
修改后结果为：[ 0  1 10 11 13  5  6  7  8  9]

多维 ndarray的索引，多维 ndarray的每个维度都有一个索引，各个维度的索引之间用逗号隔开。

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(f"初始结果为：\n{arr}")
# 取第二列
print(f"切片结果为：\n{arr[:, 1:2]}")
# 取1、2两行，2、3两列
print(f"切片结果为：\n{arr[0:2, 1:3]}")
# 取 arr中&#x