Python Numpy初学习



NumPy的主要对象是同种元素的多维数组。

1.创建数组

可以使用 array函数从常规的Python列表和元组创造数组。所创建的数组类型由原序列中的元素类型推导而来。

用一组来[]内的书来创造数组，后面可以加上数据类型

>>> from numpy  import *
>>> a = array( [2,3,4],dtype=numpy.int32)

<span>>>> a  </span>

<span>    array([<span class="number">2</span><span>, </span><span class="number">3</span><span>, </span><span class="number">4</span><span>])  </span></span><span>   </span>
>>> b = array([1.2, 3.5, 5.1],'float64')

<pre class="python" name="code"><span>>>> b  </span>

<span>    array([1.<span class="number">2</span><span>, </span><span class="number">3.5</span><span>, </span><span class="number">5.1</span><span>])  </span></span><span></span>

类似可以构造二维数组，三维数组，例如：

>>> a = array( [ (1,2,3), (4,5,6) ] )
>>> a
array([[ 1 ,  2 ,  3 ],
       [ 4 ,  5 ,  6 ]])

同样，可用函数zeros可创建一个全是0的数组，用函数ones可创建一个全为1的数组，函数empty创建一个内容随机并且依赖与内存状态的数组。默认创建的数组类型(dtype)都是float64。如：

>>> d = zeros((3,4))  
>>> d  
array([[ 0.,  0.,  0.,  0.],  
　　   [ 0.,  0.,  0.,  0.],  
　　   [ 0.,  0.,  0.,  0.]])  

还可用arange函数返回一个数列形式的数组arange(初始点，终点，步长)如：

>>> arange(10, 30, 5)  
    array([10, 15, 20, 25])  

如对于浮点数可以用linspace函数代替arange函数，如:

>>> linspace(-1, 0, 5)  
        array([-1, -0.75,-0.5 ,-0.25,  0 ])  

resharp（num1,num2)函数将一维数组分解成包含 num1 个一维数组的二维数组 ，每个部分包含 num2 个元素如：

>>> print np.arange(15).reshape(3,5) 
[[ 0  1  2  3  4]  
 [ 5  6  7  8  9]  
[10 11 12 13 14]]  

2.输出数组
  当输出一个数组时，NumPy以特定的布局用类似嵌套列表的形式显示：

• 第一行从左到右输出
• 每行依次自上而下输出
• 每个切片通过一个空行与下一个隔开
• 一维数组被打印成行，二维数组成矩阵，三维数组成矩阵列表。
  

>>> a = arange(6)                          
>>> print a  
    [0 1 2 3 4 5]  　　

　  
>>> b = arange(12).reshape(4,3)           
>>> print b  
   [[ 0  1  2]  
   [ 3  4  5]  
   [ 6  7  8]  
   [ 9 10 11]]　　　

  
>>> c = arange(24).reshape(2,3,4)
>>> print c  
    [[[ 0  1  2  3]  
    [ 4  5  6  7]  
    [ 8  9 10 11]]  
　　　  
    [[12 13 14 15]  
    [16 17 18 19]  
    [20 21 22 23]]]  

如果一个数组太长，则NumPy自动省略中间部分而只打印两端的数据：

>>> print arange(10000)  
　　　[   0    1    2 ..., 9997 9998 9999] 

 　　  
>>> print arange(10000).reshape(100,100)  
　　　[[   0    1    2 ...,   97   98   99]  
　　　 [ 100  101  102 ...,  197  198  199]  
　　　 [ 200  201  202 ...,  297  298  299]  
　　　 ...,  
　　　 [9700 9701 9702 ..., 9797 9798 9799]  
　　　 [9800 9801 9802 ..., 9897 9898 9899]  
　　　 [9900 9901 9902 ..., 9997 9998 9999]]  

3.索引，切片和迭代

>>> a=array [[1,2,3],[4,5,6]] 
>>> a[1][2]
6
>>>a[1,2]
6
>>>a[1]
array ([4,5,6]）
>>>a[1,1:2]
5

多维数组的遍历是以是第一个轴为基础的：

>>>for row in a:
       print row
 [1,2,3]
 [4,5,6]

4.基本运算

数组的算术运算是按元素逐个运算。数组运算后将创建包含运算结果的新数组。乘法运算符*按元素逐个计算，矩阵乘法可以使用dot函数：

>>> a= np.array([20,30,40,50])  
>>> b= np.arange( 4)  
>>> b  
array([0, 1, 2, 3])  
>>> c= a-b  
>>> c  
array([20, 29, 38, 47])  
>>> b**2  
array([0, 1, 4, 9])  

>>> A= np.array([[1,1],  [0,1]])  
>>> B= np.array([[2,0],  [3,4]])  
>>> A*B   
array([[2, 0],  
   　　 [0, 4]])  
>>> np.dot(A,B)   
array([[5, 4],  
    　　 [3, 4]])  

5.数组组合

>>> a = arange(9).reshape(3,3)
>>> a
array([[0, 1, 2],
           [3, 4, 5],
           [6, 7, 8]])
>>> b = 2 * a
>>> b
array([[ 0, 2, 4],
       [ 6, 8, 10],
       [12, 14, 16]])

水平组合

>>> hstack((a, b))  
array([[ 0, 1, 2, 0, 2, 4],  
       [ 3, 4, 5, 6, 8, 10],  
       [ 6, 7, 8, 12, 14, 16]])  

垂直组合

>>> vstack((a, b))
array([[ 0, 1, 2],
       [ 3, 4, 5],
       [ 6, 7, 8], 
       [ 0, 2, 4],
       [ 6, 8, 10],
       [12, 14, 16]])

深度组合

>>> dstack((a, b))
array([[[ 0, 0],
        [ 1, 2],
        [ 2, 4]],

       [[ 3, 6],
        [ 4, 8],
        [ 5, 10]],

       [[ 6, 12],
        [ 7, 14],
        [ 8, 16]]])

6.数组复制

完全不复制

>>> a = arange(12)  
>>> b = a      
>>> b is a           
True  

浅复制

>>> c = a.view()  
>>> c is a  
False  
>>> c[0,4] = 1234        
>>> a  
array([[   0,    1,    2,    3],  
       [1234,    5,    6,    7],  
       [   8,    9,   10,   11]])  

深复制

>>> d = a.copy()       
>>> d is a  
False  
>>> d.base is a       
False  
>>> d[0,0] = 9999  
>>> a  
array([[   0,   10,   10,    3],  
       [1234,   10,   10,    7],  
       [   8,   10,   10,   11]])