简约而不简单|值得收藏的Numpy小抄表（含主要语法、代码）

最新推荐文章于 2021-12-15 10:05:18 发布
最新推荐文章于 2021-12-15 10:05:18 发布
阅读量319 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/fengdu78/article/details/107308590
版权

Numpy是一个用python实现的科学计算的扩展程序库，包括：

  • 1、一个强大的N维数组对象Array；

  • 2、比较成熟的（广播）函数库；

  • 3、用于整合C/C++和Fortran代码的工具包；

  • 4、实用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。

NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些本来使用C++，Fortran或Matlab等所做的任务。

本文整理了一个Numpy的小抄表，总结了Numpy的常用操作，可以收藏慢慢看。

安装Numpy

可以通过 Pip 或者 Anaconda安装Numpy:

$ pip install numpy

或

$ conda install numpy

本文目录

  1. 基础

  • 占位符

  • 数组

    • 增加或减少元素

    • 合并数组

    • 分割数组

    • 数组形状变化

    • 拷贝 /排序

    • 数组操作

    • 其他

  • 数学计算

    • 数学计算

    • 比较

    • 基础统计

    • 更多

  • 切片和子集

  • 小技巧

  • 基础

    NumPy最常用的功能之一就是NumPy数组：列表和NumPy数组的最主要区别在于功能性和速度。

    列表提供基本操作，但NumPy添加了FTTs、卷积、快速搜索、基本统计、线性代数、直方图等。

    两者数据科学最重要的区别是能够用NumPy数组进行元素级计算。

    axis 0 通常指行

    axis 1 通常指列

    操作描述文档
    np.array([1,2,3])一维数组https://numpy.org/doc/stable/reference/generated/numpy.array.html#numpy.array
    np.array([(1,2,3),(4,5,6)])二维数组https://numpy.org/doc/stable/reference/generated/numpy.array.html#numpy.array
    np.arange(start,stop,step)等差数组https://docs.scipy.org/doc/numpy/reference/generated/numpy.arange.html

    占位符

    操作描述文档
    np.linspace(0,2,9)数组中添加等差的值https://docs.scipy.org/doc/numpy/reference/generated/numpy.linspace.html
    np.zeros((1,2))创建全0数组docs.scipy.org/doc/numpy/reference/generated/numpy.zeros.html
    np.ones((1,2))创建全1数组https://docs.scipy.org/doc/numpy/reference/generated/numpy.ones.html#numpy.ones
    np.random.random((5,5))创建随机数的数组https://docs.scipy.org/doc/numpy/reference/generated/numpy.random.random.html
    np.empty((2,2))创建空数组https://numpy.org/doc/stable/reference/generated/numpy.empty.html

    举例：
    import numpy as np


# 1 dimensional
x = np.array([1,2,3])
# 2 dimensional
y = np.array([(1,2,3),(4,5,6)])


x = np.arange(3)
>>> array([0, 1, 2])


y = np.arange(3.0)
>>> array([ 0.,  1.,  2.])


x = np.arange(3,7)
>>> array([3, 4, 5, 6])


y = np.arange(3,7,2)
>>> array([3, 5])

    数组属性

    数组属性

    语法描述文档
    array.shape维度(行,列)https://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.shape.html
    len(array)数组长度https://docs.python.org/3.5/library/functions.html#len
    array.ndim数组的维度数https://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.ndim.html
    array.size数组的元素数https://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.size.html
    array.dtype数据类型https://docs.scipy.org/doc/numpy/reference/arrays.dtypes.html
    array.astype(type)转换数组类型https://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.astype.html
    type(array)显示数组类型https://numpy.org/doc/stable/user/basics.types.html

    拷贝 /排序

    操作描述文档
    np.copy(array)创建数组拷贝https://docs.scipy.org/doc/numpy/reference/generated/numpy.copy.html
    other = array.copy()创建数组深拷贝https://docs.scipy.org/doc/numpy/reference/generated/numpy.copy.html
    array.sort()排序一个数组https://docs.scipy.org/doc/numpy/reference/generated/numpy.sort.html
    array.sort(axis=0)按照指定轴排序一个数组https://docs.scipy.org/doc/numpy/reference/generated/numpy.sort.html

    举例
    import numpy as np
# Sort sorts in ascending order
y = np.array([10, 9, 8, 7, 6, 5, 4, 3, 2, 1])
y.sort()
print(y)
>>> [ 1  2  3  4  5  6  7  8  9  10]

    数组操作例程

    增加或减少元素

    操作描述文档
    np.append(a,b)增加数据项到数组https://docs.scipy.org/doc/numpy/reference/generated/numpy.append.html
    np.insert(array, 1, 2, axis)沿着数组0轴或者1轴插入数据项https://docs.scipy.org/doc/numpy/reference/generated/numpy.insert.html
    np.resize((2,4))将数组调整为形状(2,4)https://docs.scipy.org/doc/numpy/reference/generated/numpy.resize.html
    np.delete(array,1,axis)从数组里删除数据项https://numpy.org/doc/stable/reference/generated/numpy.delete.html

    举例
    import numpy as np
# Append items to array
a = np.array([(1, 2, 3),(4, 5, 6)])
b = np.append(a, [(7, 8, 9)])
print(b)
>>> [1 2 3 4 5 6 7 8 9]


# Remove index 2 from previous array
print(np.delete(b, 2))
>>> [1 2 4 5 6 7 8 9]

    组合数组

    操作描述文档
    np.concatenate((a,b),axis=0)连接2个数组，添加到末尾https://docs.scipy.org/doc/numpy/reference/generated/numpy.concatenate.html
    np.vstack((a,b))按照行堆叠数组https://numpy.org/doc/stable/reference/generated/numpy.vstack.html
    np.hstack((a,b))按照列堆叠数组docs.scipy.org/doc/numpy/reference/generated/numpy.hstack.html#numpy.hstack

    举例
    import numpy as np
a = np.array([1, 3, 5])
b = np.array([2, 4, 6])


# Stack two arrays row-wise
print(np.vstack((a,b)))
>>> [[1 3 5]
     [2 4 6]]


# Stack two arrays column-wise
print(np.hstack((a,b)))
>>> [1 3 5 2 4 6]

    分割数组

    操作描述文档
    numpy.split()分割数组
    		https://docs.scipy.org/doc/numpy/reference/generated/numpy.split.html
    np.array_split(array, 3)将数组拆分为大小（几乎）相同的子数组https://docs.scipy.org/doc/numpy/reference/generated/numpy.array_split.html#numpy.array_split
    numpy.hsplit(array, 3)在第3个索引处水平拆分数组
    		https://numpy.org/doc/stable/reference/generated/numpy.hsplit.html#numpy.hsplit

    举例
    # Split array into groups of ~3
a = np.array([1, 2, 3, 4, 5, 6, 7, 8])
print(np.array_split(a, 3))
>>> [array([1, 2, 3]), array([4, 5, 6]), array([7, 8])]

    数组形状变化

    操作

    操作描述文档
    other = ndarray.flatten()平铺一个二维数组到一维数组https://numpy.org/doc/stable/reference/generated/numpy.ndarray.flatten.html
    numpy.flip()翻转一维数组中元素的顺序https://docs.scipy.org/doc/stable/reference/generated/numpy.flip.html
    np.ndarray[::-1]翻转一维数组中元素的顺序
    reshape改变数组的维数https://docs.scipy.org/doc/stable/reference/generated/numpy.reshape.html
    squeeze从数组的形状中删除单维度条目https://numpy.org/doc/stable/reference/generated/numpy.squeeze.html
    expand_dims扩展数组维度
    		https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.expand_dims.html

    其他

    操作描述文档
    other = ndarray.flatten()平铺2维数组到1维数组https://numpy.org/doc/stable/reference/generated/numpy.ndarray.flatten.html
    array = np.transpose(other)
    array.T    		数组转置https://numpy.org/doc/stable/reference/generated/numpy.transpose.html
    inverse = np.linalg.inv(matrix)求矩阵的逆矩阵https://docs.scipy.org/doc/numpy/reference/generated/numpy.linalg.inv.html


    举例
    # Find inverse of a given matrix
>>> np.linalg.inv([[3,1],[2,4]])
array([[ 0.4, -0.1],
       [-0.2,  0.3]])

    数学计算

    操作

    操作描述文档
    np.add(x,y)
    x + y    		加https://docs.scipy.org/doc/numpy/reference/generated/numpy.add.html
    np.substract(x,y)
    x - y    		减https://docs.scipy.org/doc/numpy/reference/generated/numpy.subtract.html#numpy.subtract
    np.divide(x,y)
    x / y    		除https://docs.scipy.org/doc/numpy/reference/generated/numpy.divide.html#numpy.divide
    np.multiply(x,y)
    x * y    		乘https://docs.scipy.org/doc/numpy/reference/generated/numpy.multiply.html#numpy.multiply
    np.sqrt(x)平方根https://docs.scipy.org/doc/numpy/reference/generated/numpy.sqrt.html#numpy.sqrt
    np.sin(x)元素正弦https://docs.scipy.org/doc/numpy/reference/generated/numpy.sin.html#numpy.sin
    np.cos(x)元素余弦https://docs.scipy.org/doc/numpy/reference/generated/numpy.cos.html#numpy.cos
    np.log(x)元素自然对数https://docs.scipy.org/doc/numpy/reference/generated/numpy.log.html#numpy.log
    np.dot(x,y)点积https://docs.scipy.org/doc/numpy/reference/generated/numpy.dot.html
    np.roots([1,0,-4])给定多项式系数的根https://docs.scipy.org/doc/numpy/reference/generated/numpy.roots.html

    举例

    # If a 1d array is added to a 2d array (or the other way), NumPy
# chooses the array with smaller dimension and adds it to the one
# with bigger dimension
a = np.array([1, 2, 3])
b = np.array([(1, 2, 3), (4, 5, 6)])
print(np.add(a, b))
>>> [[2 4 6]
     [5 7 9]]
     
# Example of np.roots
# Consider a polynomial function (x-1)^2 = x^2 - 2*x + 1
# Whose roots are 1,1
>>> np.roots([1,-2,1])
array([1., 1.])
# Similarly x^2 - 4 = 0 has roots as x=±2
>>> np.roots([1,0,-4])
array([-2.,  2.])

    比较

    操作描述文档
    ==等于https://docs.python.org/2/library/stdtypes.html
    !=不等于
    		https://docs.python.org/2/library/stdtypes.html
    <小于https://docs.python.org/2/library/stdtypes.html
    >大于https://docs.python.org/2/library/stdtypes.html
    <=小于等于https://docs.python.org/2/library/stdtypes.html
    >=大于等于https://docs.python.org/2/library/stdtypes.html
    np.array_equal(x,y)数组比较https://numpy.org/doc/stable/reference/generated/numpy.array_equal.html

    举例：
    # Using comparison operators will create boolean NumPy arrays
z = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
c = z < 6
print(c)
>>> [ True  True  True  True  True False False False False False]

    基本的统计

    操作描述文档
    np.mean(array)Meanhttps://numpy.org/doc/stable/reference/generated/numpy.mean.html#numpy.mean
    np.median(array)Medianhttps://numpy.org/doc/stable/reference/generated/numpy.median.html#numpy.median
    array.corrcoef()Correlation Coefficienthttps://numpy.org/doc/stable/reference/generated/numpy.corrcoef.html#numpy.corrcoef
    np.std(array)Standard Deviationhttps://docs.scipy.org/doc/numpy/reference/generated/numpy.std.html#numpy.std

    举例
    # Statistics of an array
a = np.array([1, 1, 2, 5, 8, 10, 11, 12])


# Standard deviation
print(np.std(a))
>>> 4.2938910093294167


# Median
print(np.median(a))
>>> 6.5

    更多

    操作描述文档
    array.sum()数组求和https://numpy.org/doc/stable/reference/generated/numpy.sum.html
    array.min()数组求最小值https://numpy.org/doc/stable/reference/generated/numpy.ndarray.min.html
    array.max(axis=0)数组求最大值（沿着0轴）
    array.cumsum(axis=0)指定轴求累计和https://numpy.org/doc/stable/reference/generated/numpy.cumsum.html


    切片和子集

    操作描述文档
    array[i]索引i处的一维数组https://numpy.org/doc/stable/reference/arrays.indexing.html
    array[i,j]索引在[i][j]处的二维数组https://numpy.org/doc/stable/reference/arrays.indexing.html
    array[i<4]布尔索引https://numpy.org/doc/stable/reference/arrays.indexing.html
    array[0:3]选择索引为 0, 1和 2https://numpy.org/doc/stable/reference/arrays.indexing.html
    array[0:2,1]选择第0,1行，第1列https://numpy.org/doc/stable/reference/arrays.indexing.html
    array[:1]选择第0行数据项 (与[0:1, :]相同)https://numpy.org/doc/stable/reference/arrays.indexing.html
    array[1:2, :]选择第1行https://numpy.org/doc/stable/reference/arrays.indexing.html
    [comment]: <> "array[1,...]等同于 array[1,:,:]
    array[ : :-1]反转数组同上

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


# The index *before* the comma refers to *rows*,
# the index *after* the comma refers to *columns*
print(b[0:1, 2])
>>> [3]


print(b[:len(b), 2])
>>> [3 6]


print(b[0, :])
>>> [1 2 3]


print(b[0, 2:])
>>> [3]


print(b[:, 0])
>>> [1 4]


c = np.array([(1, 2, 3), (4, 5, 6)])
d = c[1:2, 0:2]
print(d)
>>> [[4 5]]
    切片举例
    import numpy as np
a1 = np.arange(0, 6)
a2 = np.arange(10, 16)
a3 = np.arange(20, 26)
a4 = np.arange(30, 36)
a5 = np.arange(40, 46)
a6 = np.arange(50, 56)
a = np.vstack((a1, a2, a3, a4, a5, a6))

    生成矩阵和切片图示

    小技巧

    例子将会越来越多的，欢迎大家提交。

    布尔索引 

    # Index trick when working with two np-arrays
a = np.array([1,2,3,6,1,4,1])
b = np.array([5,6,7,8,3,1,2])


# Only saves a at index where b == 1
other_a = a[b == 1]
#Saves every spot in a except at index where b != 1
other_other_a = a[b != 1]

    import numpy as np
x = np.array([4,6,8,1,2,6,9])
y = x > 5
print(x[y])
>>> [6 8 6 9]


# Even shorter
x = np.array([1, 2, 3, 4, 4, 35, 212, 5, 5, 6])
print(x[x < 5])
>>> [1 2 3 4 4]
    【参考】

    https://github.com/juliangaal/python-cheat-sheet

    往期精彩回顾




适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑获取一折本站知识星球优惠券，复制链接直接打开：https://t.zsxq.com/yFQV7am本站qq群1003271085。加入微信群请扫码进群：
风度78
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python科学计算库Numpy数值运算基础详解（超详细 附源码）
showswoller的博客
01-05 1207
Python科学计算库Numpy数值运算基础详解（超详细 附源码）
python 基础numpy库基本操作和代码实例1.0
hmcxy123的博客
10-12 845
python 基础numpy库基本操作和代码实例1（数组创建和索引）
python numpy_用于基本功能的numpy速查表python
weixin_26705651的博客
08-21 623
python numpy 终极指南 (ULTIMATE GUIDE) Numpy (which stands for Numerical Python) is a library available in Python programming language, supporting matrix data structures and multidimensional array objects...
18 个 实用的Numpy 代码片段总结
deephub
12-15 3708
Numpy 长期以来一直是 Python 开发人员进行数组操作的通用选择，它是基于C语言构建的这使得它成为执行数组操作的快速和可靠的选择，并且它已经成为机器学习和数据科学必备的基础库。 在本文中，我整理了一些 NumPy 代码的片段，这些代码片段都是在日常开发中经常用到的。 1、创建数组 import numpy as np new_array = np.array([1,2,3]) print(new_array) # Output[1 2 3] 2、获取 Numpy 数组的形状、维度和大小 #
numpy 基础代码
08-24
python 中 numpy 基础代码,
PyPI 官网下载 | msgpack-numpy-0.4.0.tar.gz
01-13
5. **API简单易用**：msgpack-numpy提供了简单明了的接口，如`packb`和`unpackb`函数，方便开发者进行序列化和反序列化操作。 使用msgpack-numpy进行数据序列化的例子如下： ```python import numpy as np import ...
Python库 | concretefhe-numpy-0.0.6.tar.gz
03-02
而"numpy"则是Python中广泛使用的科学计算库，它支持大型多维数组和矩阵，提供了大量的数学函数来操作这些数据结构。 FHE是一项高度复杂的加密技术，它允许在不解密的情况下进行数据处理。这对于云服务、数据分析和...
python的numpy模块安装不成功简单解决方法总结
09-20
Python的numpy模块是数据分析和科学计算领域不可或缺的工具，但在安装过程中可能会遇到各种问题。本文总结了四种解决Python中numpy模块安装不成功的方法，旨在帮助遇到同样困扰的开发者快速解决问题。 方法一：使用...
Numpy数据分析极简入门代码代码
最新发布
01-24
Numpy数据分析极简入门代码代码
Python库 | preconvert_numpy-0.0.1-py3-none-any.whl
02-20
NumPy是Python中的一个基础库，主要用于处理大型多维数组和矩阵，提供了大量的数学函数来操作这些数组。这个库在数据分析、机器学习和科学计算中是不可或缺的。`preconvert_numpy`可能扩展或优化了NumPy的功能，比如...
python基本入门小抄
01-29
python入门基础，包括一些基本的语法，绘图，搭建游戏框架等。
Python 3 Cheat Sheet （Python小抄）
04-10
Python 3 基础知识要点，方便复习、查询。适合打印2张A4纸，放在手边随学随查。 python 3 cheat sheet include lots of command quick look.
Numpy小案例
12-22
要求： 列名： Vehicle_ID（车辆编号） Frame_ID（时间点） Local_X（车辆左前角x轴坐标）Local_Y（车辆左前角y轴坐标）v_length(车辆长度)v_Width（车辆宽度）Lane_ID（道路ID） v_Vel（车辆速度） v_Class（车辆类别） Preceding（前车ID） Following（后车ID） Space_Headway（车头距） 需求： 注：每0.1s采集一次数据 1.展示时间点在170之后的车辆 2.筛选出速度超过40英尺/秒的车Frame_ID 3.在二维表内添加一列，该列为车辆平均加速度（）英尺/平方秒 4.根据Lane_ID,判
python-NumPy学习指南代码
11-15
基于python的NumPy代码，对于大数据处理有很大的帮助。
Fortran代码转C代码的工具
11-12
一个把Fortran代码转成C代码的工具。
python中numpy库
日积月累
09-25 2413
numpy是科学计算包（Numeric Python） 关于numpy的命令可以使用help查看,如help(numpy.array) 1.numpy中数据要为相同的数据类型，否则会强制转换 &amp;amp;gt;&amp;amp;gt;&amp;amp;gt; from numpy import * &amp;amp;gt;&amp;amp;gt;&amp;amp;gt; a = array([1,2,3.0]) &amp;amp;gt;
Numpy库函数大全
热门推荐
create115721的博客
07-28 4万+
1.NumPy 　　NumPy是高性能科学计算和数据分析的基础包。部分功能如下： ndarray, 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数组。 用于对整组数据进行快速运算的标准数学函数（无需编写循环）。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成C、C++、Fortran等语言编写的代码的工具。...
python之numpy详细分析（附代码）
码农研究僧的博客
06-29 2566
前言 1.Numpy (Numerical Python)是一个开源的Python科学计算库，用于快速处理任意维度的数组。 2.Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多。 3.Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。 ...
Python cheatsheet
Peter的脱发日记
06-11 570
Python cheatsheet pandas df = pd.read_csv('path') # read .csv df.to_csv('path') # write .csv df.to_csv('path',header=True,index=True)，header是列名，index是数字行名，两者默认都是True，将header设为False，第一行会称为列名，将index设为Tr...
tensorflow numpy版本匹配表
05-10
为了保证TensorFlow的正常运行，要求使用的numpy库版本符合一定的规范，不同版本的numpy库与TensorFlow的版本匹配表如下： | TensorFlow版本 | 最高支持的numpy版本 | | ---- | ---- | | 1.x | numpy | | 2.0 | ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值