机器学习之python入门指南（十一）numpy常用方法简介

                                                                                        Python三方库之numpy 

numpy库的安装： window下命令行直接输入pip install numpy 导入numpy库：import numpy 或者 import numpy as np numpy与list： 相同之处： 都可以用下标访问元素，如a[3]. 都可以切片访问，如a[1:3] 都可以使用for循环进行遍历 不同之处 numpy之中的每个元素类型必须相同，而list可以混合多个类型元素 numpy使用更方便，封装了许多函数，例如：mean，std，sum，min等 numpy可以是多维数组。numpy用c实现，操作起来速度更快   numpy数据类型：     1 ndarray对象   numPy 中定义的最重要的对象是称为 ndarray 的 N 维数组类型。它描述相同类型的元素集合。 可以使用基于零的索引访问集合中的项目。ndarray类的实例可以通过本教程后面描述的不同的数组创建例程来构造。基本的ndarray是使用 numPy 中的数组函数创建的    我们可以通过给array函数传递Python的序列对象创建数组，如果传递的是多层嵌套的序列，将创建的多维数组。numpy.array(object,dtype = None, copy = True, order = None, subok = False, ndmin = 0) 参数描述：   例子如下：   1.1数组属性 numpy.shape数组的大小可以通过属性shape获得。在保持数组元素个数不变的情况下可以改变数组每个轴的长度。 当某个轴的元素为-1时，将根据数组元素的个数自动计算此轴的长度。使用数组的reshape方法，可以创建一个改变了尺寸的新数组，原数组的shape将保持不变。(注意：这两个数组其实共享存储区域，因此修改任意一个数组元素的内容都会修改另外一个数组的内容)。 numpy.dtype 数组元素类型可以通过dtype属获得，可以通过dtype参数在创建的时候指定元素类型。   numpy.itemsize返回数组中每个元素的字节单位长度：   运行结果为：4 2 数组创建 numpy.empty创建指定形状和dtype未初始化的数组，使用以下构造函数：numpy.empty(shape,dtype = float, order = 'C') ：参数列表如下： 例子如下： 注意：数组元素为随机值，因为他们未初始化。numpy.zeros返回特定大小，以0填充的新数组：numpy.zeros(shape,dtype = float, order = 'C')例子如下： numpy.ones返回特定大小，以1填充的新数组：   3用已有数据创建数组 numpy.asarray类似于numpy.array。基本用法和array类似。与array的区别如下： 由图可见：对于元数据：二者没有区别，都是对元数据复制并转换为ndarray。   由图可见：当数据源是ndarry时，array会copy出一个副本，占用新的内存，但是asarry不会。 numpy.frombuffer 此函数将缓冲区解释为一维数组。暴露缓冲区接口的任何对象都用作参数来返回ndarray numpy.frombuffer(buffer,dtype = float, count = -1, offset = 0)   numpy.fromiter 此函数从任何可迭代对象构建一个ndarray对象，返回一个新的一维数组。   4来自数值范围的数组 numpy.arangenumpy.arange(start,stop, step, dtype)类似于python中的range函数，通过起始值，终值和步长来创建一维数组（数组不包括终值） numpy.linspace 同过指定初始值，终值，和元素个数来创建一维数组，通过endpoint关键字指定是否包含终值，缺省设置是包含终值。numpy.linspace(start,stop, num, endpoint, retstep, dtype) numpy.logspace 此函数返回一个ndarray对象，其中包含在对数刻度上均匀分布的数字，刻度的开始和结束端点都是某个底数的幂。通常为10num.logspace(start,stop,num,endpoint,base,dtype)       5切片和索引 ndarray对象中的元素遵循基于零的索引。 有三种可用的索引方法类型： 字段访问，基本切片和高级索引  字段访问： 和python列表序列不同，通过下标范围获取的新的数组是原始数组的一个视图，他与原始数组共享一块数据空间。如：   切片索引： 切片索引通过将start、stop、和step参数提供给内置的slice函数来构建一个Python slice对象，此slice对象被传递给数组提取来提取数组的一部分。   除了用下标索引和切片索引外，numpy还提供了两中高级索引方法 使用整数序列索引 当使用整数序列对数组元素进行存取时，将使用序列中的每个元素作为下标，整数序列可以是列表或者数组，使用整数序列作为下标活得的数组不和原始数组共享数据空间。   使用布尔数组 当使用布尔数组b作为下表存取数组x中的元素时，将收集数组x中所有在数组b中对应下标为True的元素。使用布尔数组作为下标获得的数组不和原始数组共享数据空间，这种方式对应于布尔数组，不对应于列表。   下图输出大于5的数字     广播 广播是指在numpy在算术运算期间处理不同形状的数组的能力，对数组的运算通常是在元素上进行，如果两个阵列具有完全相同的形状，则这些操作将被无缝执行。   如果两个数组的维数不相同，则元素到元素的操作是不可能的。 然而，在 NumPy 中仍然可以对形状不相似的数组进行操作，因为它拥有广播功能。较小的数组会广播到较大数组的大小，以便使它们的形状可兼容   ndim较小的数组会在前面追加一个长度为 1 的维度。   输出数组的每个维度的大小是输入数组该维度大小的最大值。   如果输入在每个维度中的大小与输出大小匹配，或其值正好为 1   如果输入的某个维度大小为1，则该维度中的第一个数据元素将用于该维度的所有计算。    6数组上的迭代 numpy包含一个迭代器对象numpy.nditer,它是一个有效的多维迭代器对象，可以用于在数组上的迭代，数组的每个元素可以使用Python的标准接口访问   迭代的顺序匹配数组的内容布局，而不是考虑特定的排序。 广播迭代 如果两个数组是可广播的，nditer组合能够同时迭代他们。实例如下：     翻转操作   numpy.transpose 格式如下： numpy.transpose(arr, axes) arr：表示要转置的矩阵，axes：整数的列表，对应维度，通常所有的维度都会翻转     numpy.adarry.T(效果与transpose类似) numpy.rollaxis   该函数向后滚动特定的轴，直到一个特定的位置，这个函数接受3个参数。numpy.rollaxis(arr, axis, start) arr：输入数组 axis：要向后滚动的轴，其他轴的相对位置不变 start：默认为0，表示完整的滚动，会滚到特定的位置     7数组连接   numpy concatenate此函数用于指定轴连接相同形状的两个或多个数组 numpy.concatenate((a1, a2, ...),axis) a1，a2…相同类型的数组     numpy.stack此函数沿新轴连接数组numpy.stack(arrays, axis) arrays：相同形状的数组序列 axis：返回数组中的轴，输入数组沿着它来堆叠 axis：沿着它连接的数组的轴，默认为0     算数函数三角函数 numpy拥有标准的三角函数，它为弧度制单位的给定角度返回三角函数比例   arcsin 和 arccos和arctan函数返回给定角度的sin，cos和tan的反三角函数，这些结果可以通过numpy.degree()函数来将弧度制转换为角度制。（以下以arcsin为例） 8统计函数 numpy.amin 和numpy.amax 这些函数表示从给定数组中的元素，沿指定轴返回最小值和最大值