NumPy笔记

代码引用《python数据分析师修炼之道》清华大学出版社
代码引用：代码均用jupyter notebook编写：

numpy导入
import numpy as np

一、创建数组

1、从列表中创建数组

用np.array函数，将列表转换为数组，type(对象名)查看该对象类型。

（1）创建一维数组：

import numpy as np
distances = [10,15,17,26,20]
times = [0.3,0.47,0.55,1.20,1.0]
product_quantities = [13,5,6,10,11]
prices = [1.2,6.5,1.0,4.8,5.0]
distances = np.array(distances)
times = np.array(times)
product_quantities = np.array(product_quantities)
prices = np.array(prices)
print(distances)
print(type(distances))
print(times)
print(type(times))
# 结果为：
[10 15 17 26 20]
<class 'numpy.ndarray'>
[0.3  0.47 0.55 1.2  1.  ]
<class 'numpy.ndarray'>

（2）创建多维函数

创建二维函数：np,array() (即列表的列表)

import numpy as np
A = np.array([[1,2],[3,4]])
print(A)
# 结果：
[[1 2]
 [3 4]]

2、用内置Numpy函数创建数组

（1）np.zeroes()

import numpy as np
My_array = np.zeros(10,dtype=int)
print(array)
# 结果：
[0 0 0 0 0 0 0 0 0 0]

（2）np.ones()

import numpy as np
My_array = np.ones(shape=(3,5),dtype=float) # 定义 3*5的矩阵
print(My_array)
# 结果为：
[[1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]]

（3）np.arange()

import numpy as np
My_array = np.arange(start=0,stop=20,step=2) # 起始点，结束点，每次迭代值step，默认值为1
print(My_array)
# 结果为：
[ 0  2  4  6  8 10 12 14 16 18]

（4）np.linspace()

import numpy as np
My_array = np.linspace(0,1,20)  # 上限，下限，二者均匀间隔额数值的数量
print(My_array)                 # 中间所有值都是等距的
# 结果为：
[0.         0.05263158 0.10526316 0.15789474 0.21052632 0.26315789
 0.31578947 0.36842105 0.42105263 0.47368421 0.52631579 0.57894737
 0.63157895 0.68421053 0.73684211 0.78947368 0.84210526 0.89473684
 0.94736842 1.        ]

3、数组的属性

A,ndim 查看数组维度
A.shape 获取每个维度中数值的数量
A.size 表示数组中元素的总体数量

import numpy as np
My_array = np.ones(shape=(3,5),dtype=float)
print(My_array)
print(My_array.shape)
print(My_array.size)
print(My_array.ndim)
# 结果为：
[[1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]]
(3, 5) #获取每个维度中数值的数量
15     # 表示数组中元素的总体数量
2      #查看数组维度

4、数组的数学计算

import numpy as np
My_array = np.arange(start=0,stop=20,step=2)
print(My_array)
print(My_array + 1)
print(My_array * 20)
print(np.sin(My_array))  # 求每个元素正弦值
print(np.exp(My_array))  # 求每个元素的指数
print(np.log(My_array))
print(np.sqrt(My_array))
结果为：
[ 0  2  4  6  8 10 12 14 16 18]
[ 1  3  5  7  9 11 13 15 17 19]
[  0  40  80 120 160 200 240 280 320 360]
[ 0.          0.90929743 -0.7568025  -0.2794155   0.98935825 -0.54402111
 -0.53657292  0.99060736 -0.28790332 -0.75098725]
[1.00000000e+00 7.38905610e+00 5.45981500e+01 4.03428793e+02
 2.98095799e+03 2.20264658e+04 1.62754791e+05 1.20260428e+06
 8.88611052e+06 6.56599691e+07]
[      -inf 0.69314718 1.38629436 1.79175947 2.07944154 2.30258509
 2.48490665 2.63905733 2.77258872 2.89037176]
[0.         1.41421356 2.         2.44948974 2.82842712 3.16227766
 3.46410162 3.74165739 4.         4.24264069]

5、索引、切片、重构

**索引：**常用于获取、设置数组元素值。

import numpy as np
one_dim = np.linspace(-0.5,0.6,12)
print(one_dim)
print(one_dim[0])  # 获取其中一个值
one_dim[0]=1       # 修改索引为0的值
print(one_dim)
# 结果为：
[-0.5 -0.4 -0.3 -0.2 -0.1  0.   0.1  0.2  0.3  0.4  0.5  0.6]
-0.5 
[ 1.  -0.4 -0.3 -0.2 -0.1  0.   0.1  0.2  0.3  0.4  0.5  0.6]

切片：在较大的数组中获取或设置一个较小的数组

import numpy as np
one_dim = np.linspace(-0.5,0.6,12)
print(one_dim)
print(one_dim[2:5])  # 下标为2-4
print(one_dim[:5])   # 正数5个
print(one_dim[-5:])  # 倒数5个
# 结果为：
[-0.5 -0.4 -0.3 -0.2 -0.1  0.   0.1  0.2  0.3  0.4  0.5  0.6]
[-0.3 -0.2 -0.1]
[-0.5 -0.4 -0.3 -0.2 -0.1]
[0.2 0.3 0.4 0.5 0.6]

# 二维数组切片
import numpy as np
two_dim=np.array([[-1,2,3,4],[5,6,7,8],[9,0,2,3]])
print(two_dim)
print(two_dim[:,1:3])
结果：
[[-1  2  3  4]
 [ 5  6  7  8]
 [ 9  0  2  3]]
[[2 3]
 [6 7]
 [0 2]]

重构：将数组从一个维度调整至另一个维度

import numpy as np
two_dim=np.array([[-1,2,3,4],[5,6,7,8],[9,0,2,3]])
print(two_dim.flatten()) # 二维转一维
print(two_dim.reshape(4,3)) # 一维转多维
# 结果：[-1  2  3  4  5  6  7  8  9  0  2  3]
[-1  2  3  4  5  6  7  8  9  0  2  3]
[[-1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [ 0  2  3]]