【Python基础知识库】Numpy库里有哪些函数？

    NumPy是Numerical Python的简称，是目前python高性能科学计算和数据分析中最为重要的基础包。

• 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。

    一般导入numpy包，简写成np：

import numpy as np

np常用函数

1、生成函数

    （1）np.array( x)：将输入数据转化为一个ndarray

             np.array( x, dtype)：将输入数据转化为一个类型为type的ndarray

             np.asarray( array )：将输入数据转化为一个新的（copy）ndarray

data1 = [6, 7, 8, 9, 10]
arr1 = np.array(data1)
arr1
arr1.dtype
arr2 = np.asarray(arr1)
arr2

# 输出
array([ 6,  7,  8,  9, 10])
dtype('int32')
array([ 6,  7,  8,  9, 10])

 

    （2）np.ones( N )：生成一个N长度的一维全一ndarray

             np.ones( N, dtype)：生成一个N长度类型是dtype的一维全一ndarray

             np.ones_like( ndarray )：生成一个形状与参数相同的全一ndarray

import numpy as np
arr3 = np.ones(3)
arr3
arr4 = np.ones(3,'float32')
arr4
arr5 = np.ones_like(arr3)
arr5

# 输出
array([1., 1., 1.])
array([1., 1., 1.], dtype=float32)
array([1., 1., 1.])

（3）   np.zeros( N )：生成一个N长度的一维全零 ndarray

            np.zeros( N, dtype)：生成一个N长度类型是dtype的一维全零ndarray

            np.zeros_like( ndarray )：生成一个形状与参数相同的全零ndarray

import numpy as np
arr6 = np.zeros(3)
arr6
arr7 = np.zeros(3,'float32')
arr7
arr8 = np.zeros_like(arr3)
arr8

# 输出
array([0., 0., 0.])
array([0., 0., 0.], dtype=float32)
array([0., 0., 0.])

（4） np.empty( N )：生成一个N长度的未初始化一维ndarray
          np.empty( N, dtype)：生成一个N长度类型是dtype的未初始化一维ndarray
          np.empty(ndarray)：类似np.ones_like( ndarray )

import numpy as np
arr9 = np.empty(3)
arr9
arr10 = np.empty(3,'float32')
arr10
arr11 = np.empty_like(arr3)
arr11

# 输出
array([1., 1., 1.])
array([1., 1., 1.], dtype=float32)
array([1., 1., 1.])

    （5）np.eye( N )或np.identity( N )：创建一个N * N的单位矩阵（对角线为1，其余为0）

import numpy as np
arr12 = np.eye(3)
arr12
arr13 = np.identity(3)
arr13

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

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

    （6）np.arange( num)：生成一个从0到num-1步数为1的一维ndarray

             np.arange( begin, end)：生成一个从begin到end-1步数为1的一维ndarray

             np.arange( begin, end, step)：生成一个从begin到end-step的步数为step的一维ndarray

import numpy as np
arr14 = np.arange(3)
arr14
arr15 = np.arange(3,10)
arr15
arr16 = np.arange(3,10,0.5)
arr16

# 输出
array([0, 1, 2])
array([3, 4, 5, 6, 7, 8, 9])
array([3. , 3.5, 4. , 4.5, 5. , 5.5, 6. , 6.5, 7. , 7.5, 8. , 8.5, 9. , 9.5])

    （7）np.full( N，val )：生成一个N长度的一维值为val的 ndarray

             np.full( N, val,dtype)：生成一个N长度，值为val，类型是dtype的一维ndarray

             np.full_like( ndarray, val )：生成一个形状相同，但参数为val的ndarray

import numpy as np
arr17 = np.full(3,6)
arr17
arr18 = np.full(3,7,'float32')
arr18
arr19 = np.full_like(arr3,4)
arr19

# 输出
array([6, 6, 6])
array([7., 7., 7.], dtype=float32)
array([4., 4., 4.])

 2、矩阵函数

    np.diag( ndarray)：以一维数组的形式返回方阵的对角线（或非对角线）元素

    np..diag( [x,y,...])：将一维数组转化为方阵（非对角线元素为0）

    np.dot(ndarray, ndarray)：矩阵乘法

    np.trace( ndarray)：计算对角线元素的和

import numpy as np
arr1 = np.ones((3,6))
arr2 = np.empty((6,2))
np.diag(arr1)
np.diag([3,3,4])
np.dot(arr1,arr2)
np.trace(arr1)

# 输出
array([1., 1., 1.])

array([[3, 0, 0],
       [0, 3, 0],
       [0, 0, 4]])

array([[1.33171873e-311, 6.65859366e-312],
       [1.33171873e-311, 6.65859366e-312],
       [1.33171873e-311, 6.65859366e-312]])

3.0

3、排序函数

    np.sort( ndarray)：排序，返回副本

    np.unique(ndarray)：返回ndarray中的元素，排除重复元素之后，并进行排序

    np.intersect1d( ndarray1, ndarray2)：返回二者的交集并排序

    np.union1d( ndarray1, ndarray2)：返回二者的并集并排序

    np.setdiff1d( ndarray1, ndarray2)：返回二者的差

    np.setxor1d( ndarray1, ndarray2)：返回二者的对称差

import numpy as np
arr1 = np.arange(3,10)