NumPy的学习

NumPy的学习

1.NumPy这个库可用于数据分析，科学运算，数据处理。

NumPy中所有的计算都是围绕这数组进行的

将数据表示成数组的形式numpy.array()

2.NumPy支持的数组数值类型：

所有的数值类型都归于dtype(data-type)对象的实例，我们可以用

numpy.dtype(object,align,copy)来指定数值类型。在数组里面可以直接用dtype=参数

解释：

numpy.dtype(object, align, copy) 表示创建一个 NumPy 数据类型对象，其中 object 是数据类型的名称，align 是数据的对齐方式（默认为 C 风格的对齐方式），copy 是布尔值，表示是否复制数据（默认为 False）。

3.开始

import numpy as np   #导入NumPy模板叫做np
a = np.array([1.1, 2.2, 3.3],dtype=np.float64)  #指定1维数组的数值类型为float64
a,a.dtype  #查看a及a的dtype类型

运行结果：

(array([1.1, 2.2, 3.3]), dtype('float64'))

你可以使用 .astype() 的方法在不同的数值类型之间相互转换。

a.astype(int).dtype #将a的数值类型从float64 转换到 int,并查看dtype类型

运行结果：

dtype('int64')

4.NumPy数组的生成

在 Python 内建对象中，数组有三种形式：

• 列表：[1, 2, 3]
• 元组：(1, 2, 3, 4, 5)
• 字典：{A:1, B:2}

NumPy 最核心且最重要的一个特性就是 ndarray 多维数组对象。

NumPy 中，ndarray 类具有六个参数，它们分别为：

• shape：数组的形状。
• dtype：数据类型。
• buffer：对象暴露缓冲区接口。
• offset：数组数据的偏移量。
• strides：数据步长。
• order：{'C'，'F'}，以行或列为主排列顺序。

下面，我们来了解创建 NumPy 多维数组的一些方法。在 NumPy 中，我们主要通过以下 5 种途径创建数组，它们分别是：

• 从 Python 数组结构列表，元组等转换。
• 使用 np.arange、np.ones、np.zeros 等 NumPy 原生方法。
• 从存储空间读取数组。
• 通过使用字符串或缓冲区从原始字节创建数组。
• 使用特殊函数，如 random。

列表或元组转换

在NumPy中，我们使用numpy.array将列表或ndarray数组。其方法为：

numpy.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)

其中，参数：

• object：列表、元组等。
• dtype：数据类型。如果未给出，则类型为被保存对象所需的最小类型。
• copy：布尔类型，默认 True，表示复制对象。
• order：顺序。
• subok：布尔类型，表示子类是否被传递。
• ndmin：生成的数组应具有的最小维数。

下面，通过列表创建一个 ndarray’ 数组：

np.array([[1,2,3],[4,5,6]])

或者是列表和元组。

np.array([(1, 2), (3, 4), (5, 6)])

arange 方法创建:

除了直接使用 array 方法创建 ndarray，在 NumPy 中还有一些方法可以创建一些有规律性的多维数。首先，我们来看一看 arange()。arange() 的功能是在给定区间内创建一系列均匀间隔的值。方法如下：

numpy.arange(start, stop, step, dtype=None)

你需要先设置值所在的区间 [开始， 停止)，这是一个半开半闭区间。然后，在设置 step 步长用于设置值之间的间隔。最后的可选参数 dtype可以设置返回ndarray 的值类型。

np.arange(3, 7, 0.5, dtype=np.float32)

linspace 方法创建

linspace方法也可以像arange方法一样，创建数值有规律的数组。linspace 用于在指定的区间内返回间隔均匀的值。其方法如下：

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

• start：序列的起始值。
• stop：序列的结束值。
• num：生成的样本数。默认值为50。
• endpoint：布尔值，如果为真，则最后一个样本包含在序列内。
• retstep：布尔值，如果为真，返回间距。
• dtype：数组的类型。

np.linspace(0, 10, 10, endpoint=True)

结果为：

array([ 0.        ,  1.11111111,  2.22222222,  3.33333333,  4.44444444,
        5.55555556,  6.66666667,  7.77777778,  8.88888889, 10.        ])

ones 方法创建

numpy.ones 用于快速创建数值全部为 1 的多维数组。其方法如下：

numpy.ones(shape, dtype=None, order='C')

其中：

• shape：用于指定数组形状，例如（1， 2）或 3。
• dtype：数据类型。
• order：{'C'，'F'}，按行或列方式储存数组。

import numpy as np
np.ones((2, 3))

array([[1., 1., 1.],
       [1., 1., 1.]])

zeros 方法创建

zeros 方法和上面的 ones 方法非常相似，不同的地方在于，这里全部填充为 0。zeros 方法和 ones 是一致的。

numpy.zeros(shape, dtype=None, order='C')

eye 方法创建

numpy.eye 用于创建一个二维数组，其特点是k 对角线上的值为 1，其余值全部为0。方法如下：

numpy.eye(N, M=None, k=0, dtype=<type 'float'>)

其中：

• N：输出数组的行数。
• M：输出数组的列数。
• k：对角线索引：0（默认）是指主对角线，正值是指上对角线，负值是指下对角线。

np.eye(5, 4, 3)

结果：

array([[0., 0., 0., 1.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])

从已知的数据创建

我们还可以从已知数据文件、函数中创建 ndarray。NumPy 提供了下面 5 个方法：

• frombuffer（buffer）：将缓冲区转换为 1 维数组。
• fromfile（file，dtype，count，sep）：从文本或二进制文件中构建多维数组。
• fromfunction（function，shape）：通过函数返回值来创建多维数组。
• fromiter（iterable，dtype，count）：从可迭代对象创建 1 维数组。
• fromstring（string，dtype，count，sep）：从字符串中创建 1 维数组。

np.fromfunction(lambda a, b: a + b, (5, 4))

结果为：

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

ndarray 数组属性

首先，我们创建一个 ndarray 数组，首先，新建 a 并随意设定为一个 2 维数组。

a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
a  # 查看 a 的值

结果为：

array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

ndarray.T 用于数组的转置，与 .transpose() 相同。

a.T

结果为：

array([[1, 4, 7],
       [2, 5, 8],
       [3, 6, 9]])

ndarray.dtype 用来输出数组包含元素的数据类型。

`ndarray.dtype` 用来输出数组包含元素的数据类型。

a.dtype

结果为：

dtype('int64')

ndarray.imag 用来输出数组包含元素的虚部。

import numpy as np
a=np.array([[1,2,3],[4,5,6],[7,8,9]])
a.imag

结果为虚数（ z=a+bi) ：

array([[0, 0, 0],
       [0, 0, 0],
       [0, 0, 0]])

ndarray.real 用来输出数组包含元素的实部。

a.real

array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

ndarray.size 用来输出数组中的总包含元素数。

a.size

结果为：

9

ndarray.itemsize输出一个数组元素的字节数。例如，如果数组 a 的元素类型是整数（如 int32），那么 a.itemsize 的值将是4，因为一个 int32 类型的元素占用4个字节的内存空间。同样地，如果数组 a 的元素类型是浮点数（如 float64），那么 a.itemsize 的值将是8，因为一个 float64 类型的元素占用8个字节的内存空间。

a.itemsize

结果为：

8

ndarray.nbytes用来输出数组的元素总字节数。

import numpy as np
a=np.array([[1,2,3],[3,4,5],[6,7,8]])
a.nbytes

结果为：

72

ndarray.ndim用来输出数组维度。

a.ndim

结果为：

2

ndarray.shape用来输出数组形状。

a.shape

结果为：

(3, 3)

ndarray.strides用来遍历数组时，输出每个维度中步进的字节数组。

a.strides

结果为：

(24, 8)

8

`ndarray.nbytes`用来输出数组的元素总字节数。

import numpy as np
a=np.array([[1,2,3],[3,4,5],[6,7,8]])
a.nbytes

结果为：

72

`ndarray.ndim`用来输出数组维度。

a.ndim

结果为：

2

`ndarray.shape`用来输出数组形状。

a.shape

结果为：

(3, 3)

`ndarray.strides`用来遍历数组时，输出每个维度中步进的字节数组。

a.strides

结果为：

(24, 8)