Numpy库自学笔记（一、数组的属性与创建）

Numpy库自学笔记（一、数组的属性与创建）

本笔记内容源于北京某大学课程课件、Numpy官方文档

Numpy简介

NumPy（ Numerical Python）是基于Python语言的一种开源的科学数值计算的第三方库,拥有高效的、节约空间的多维数组对象——ndarray以及为基于数据的计算提供大量的标准数学函数，提供线性代数、傅里叶变换、随机数生成等高级数学功能，并且提供C\C++\Fortran等语言的接口支持，便于研究。

#例子：用列表和NumPy中的数组分别计算c=a+b，可以看出利用Numpy计算更加快捷1
a1= [[1,2,3],[2,3,4]]
b1= [[6,4,10],[4,6,15]]
c1= [[0,0,0],[0,0,0]]
for i in range(2):
    for j in range(3):
        c1[i][j] = a1[i][j]+b1[i][j]
c1

[[7, 6, 13], [6, 9, 19]]

import numpy as np
a= np.array([[1,2,3],[2,3,4]])
b= np.array([[6,4,10],[4,6,15]])
c=a+b
c

array([[ 7,  6, 13],
       [ 6,  9, 19]])

Ndarray数组的属性与创建

ndarray中的nd代表n维， ndarray代表n维数组对象，通过下面的方法进行创建。虽然ndarray（n维数组）很多调用的方法与list（列表）类似，但本质上二者不同，不过可以相互转换。

import numpy as np
np.array(object, dtype = None, order = None)

array(<class 'object'>, dtype=object)

1. object通常是一个容器或迭代器，将其内容包装成一个ndarray对象
2. dtype如果不指定，自动从实际数据中推断
3. order：数据在内存中的排列规则，'C’为行方向（默认），'F’为列方向,这会在下文解释

数组的属性

一些检查数组属性的函数

• ndim：返回 int。表示数组的维数
• shape：返回 tuple。表示数组的尺寸，对于 n 行 m 列的矩阵，形状为(n,m)
• size：返回 int。表示数组的元素总数，等于数组形状的乘积
• dtype：返回 data-type。描述数组中元素的类型
• itemsize：返回 int。表示数组的每个元素的大小（以字节为单位）

下面三个图体现出数组具有的三个属性，即数组的维度ndim，数组的形状shape，轴(axis): 标识数据的维度
一维数组为线性，从左到右看
二维数组有axis0、axis1两个轴，先读取行的数据，可见axis0有两个元素[a,b]，即a对应第一行，b对应第二行a=[5.2,3.0,4.5],b=[9.1,0.1,0.3]，后读取列的数据，即将二维数组拆分为多行并在一起的一维线性数组，axis1对应列的元素。当我们要查看第一行第二列的元素时，提取第一行的数据axis[0]=[5.2,3.0,4.5],后提取第2列的数据为3.0
三维数组则由多个二维数组堆叠而成，先按照axis0的方向，进行切片，产生4个二维数组，在按照二维数组读取数据的方法对数据进行读取。

数据类型

Python语法仅支持整数、浮点数和复数3种类型，而NumPy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，这样有助于NumPy合理使用存储空间并优化性能，也有助于程序员对程序规模有合理评估

x = np.array([1, 2, 3],dtype="int32")
y = np.array([4.0, 5, 6])
print(x.dtype, x.shape, x.ndim)
print(y.dtype, y.shape, y.ndim)
z = x + y
print(z,z.dtype)

int32 (3,) 1
float64 (3,) 1
[5. 7. 9.] float64

当拥有不同数据类型的数组进行运算时，会默认采用运算数组中的最高精度进行运算

举例创建数组

例子

班级	姓名	数学分析	高等代数	概率统计
一班	张丽	80	95	84
一班	王钰	90	86	85
二班	闵玥	92	81	80
二班	赵寒	83	79	74

#建立一维数组 
np.array([80,95,84])

array([80, 95, 84])

np.array((90.,86.,85.))

array([90., 86., 85.])

np.array(['张丽', '王钰', '闵玥', '赵寒'])#U2 长度为2个Unicode字符， Unicode是计算机字符编码

array(['张丽', '王钰', '闵玥', '赵寒'], dtype='<U2')

#二维数组的建立
np. array([[80, 95, 84], [90, 86, 85]])

array([[80, 95, 84],
       [90, 86, 85]])

#三维数组的建立
example1=np.array([[[80,95,84],[90,86,85]],[[92,81,80],[83,79,74]]])
#先按照班级进行切片，之后按照同学划分，再按照学科种类分列

#当我们要读取一班张丽的概率统计成绩时，如下文所示
example1[0][0][2]

84

#也可以这样对数据进行读取
example1[0,0,2]

84

#看下example的shape、ndim、size
print(example1.shape)
print(example1.ndim)
print(example1.size)

(2, 2, 3)
3
12

使用常见函数创建数组

NumPy 函 数	说 明
np.ones(shape)	根据shape生成一个全1的数组， shape是列表或元组类型
np.zeros(shape)	根据shape生成一个全0的数组， shape是列表或元组类型
np.eye(n,k=0)	创建一个n*n单位矩阵， k=0(默认值)表示主对角线，正值表示上对角线，负值表示下对角线
np.full(shape,val)	根据shape生成一个数组，每个元素值都是val
np.arange(n)	用于创建一个于等差数列，类似range()函数，返回ndarray类型，元素默认从0到n-1，可以指定start, stop, step，用于整数场合
np.linspace(start, stop , n)	返回n 个在闭区间 [start, stop] 内均匀分布的数值(start, stop , n)（默认含右侧端点）用于浮点数场合
np.ones_like(a)	根据数据a的形状生成一个全1的数组
np.zeros_like(a)	根据数组a的形状生成一个全0的数组
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
np.logspace(start, stop, num=50, base=10.0)	用于创建一个于等比数列，num为样本数量，base为l底数

#举例
a=np.zeros((2,2,3))#默认是浮点数
print('a=',a)
b=np.ones_like(a)
print('b=',b)
c=np.full([2,2,3],9)
print('c=',c)

a= [[[0. 0. 0.]
  [0. 0. 0.]]

 [[0. 0. 0.]
  [0. 0. 0.]]]
b= [[[1. 1. 1.]
  [1. 1. 1.]]

 [[1. 1. 1.]
  [1. 1. 1.]]]
c= [[[9 9 9]
  [9 9 9]]

 [[9 9 9]
  [9 9 9]]]

np.arange( )

• 创建一个一维数组
• 可以传入一个参数、两个参数或三个参数
• 1个参数： np.arange(n)生成 0 到 n - 1 的连续整数
• 2个参数： np.arange(start,stop) 生成半开区间 [start, stop) 内步长为1的等差数列
• 3个参数： np.arange([start,] stop,[step,]), 生成半开区间 [start,stop) 内的等差数列， step为步长

print(np.arange(10))
print(np.arange(2,10))
print(np.arange(1,10,3))

[0 1 2 3 4 5 6 7 8 9]
[2 3 4 5 6 7 8 9]
[1 4 7]

np.linspace( )

• np.linspace(start, stop, n)
• 返回n 个在闭区间 [start, stop] 内均匀分布的数值
• 可以不包含区间的结束点， 半开区间[start, stop)，方法是在 np.linspace() 函数中将参数endpoint 设为 False
  一般来说创建非整数间隔的数组，采用np.linspace( )，创建整数间隔的数组采用np.arange( )

print(np.linspace(1, 10, 7))
print(np.linspace(1,10,7,endpoint=False))

[ 1.   2.5  4.   5.5  7.   8.5 10. ]
[1.         2.28571429 3.57142857 4.85714286 6.14285714 7.42857143
 8.71428571]

np.logspace(start, stop, num=50, base=10.0)

• 返回num个在闭区间 [basestart, basestop] 内按照等比方式均匀分布的数字

print(np.logspace(1, 5, 5))  #从101到105，含5个数
print(np.logspace(1, 10, 10, base=2))  #从21到210，含10个数

[1.e+01 1.e+02 1.e+03 1.e+04 1.e+05]
[   2.    4.    8.   16.   32.   64.  128.  256.  512. 1024.]