NumPy科学计算库-基础操作-CSDN博客

一、数组创建

1、创建数组

import numpy as np

# 创建数组
arr = np.array([1,2,3,4,5,6])
# 输出：[1 2 3 4 5 6]
print(arr)

2、创建全是1的数组

import numpy as np

# 创建全是1的数组
arr1 = np.ones(10)
# 输出：[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
print(arr1)

3、创建全是0的数组

import numpy as np

# 创建全是0的数组
arr2 = np.zeros(10)
# 输出：[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
print(arr2)

4、生成一个具有指定形状、数据类型和填充值的数组

import numpy as np

# 生成一个具有指定形状、数据类型和填充值的数组
# np.full参数详解
# shape：参数指定了输出数组的形状，可以是一个整数、元组或列表，表示数组的维度大小；
# fill_value：参数用于指定填充数组的元素值，可以是任何Python数据类型，包括数值、字符串、布尔值等；
# dtype：参数用于指定输出数组的数据类型，如果未指定，则根据 fill_value 的类型自行判断；
# order：参数用于指定数组的存储顺序，默认为 ‘C’，表示按行优先顺序存储 ； ‘F’，表示按列优先顺序存储；

arr3 = np.full(shape=[2,3], fill_value=3.14)
# 输出：[[3.14 3.14 3.14]
# [3.14 3.14 3.14]]
print(arr3)

5、创建等差数列

import numpy as np

# 创建等差数列
# np.arange参数详解
# start：序列的起始值，默认为0；
# stop：序列的结束值（不包括该值本身）；
# step：序列的步长，即相邻两个数的差值，默认为1；
# dtype：输出数组的数据类型，如果没有提供，则会推断数据类型；
arr4 = np.arange(start=0, stop=20, step=2)
# 输出：[ 0  2  4  6  8 10 12 14 16 18]
print(arr4)

6、生成一个一维数组，数组中的元素是等间隔分布

import numpy as np

# np.linspace参数详解
# start：序列的起始值；
# stop：序列的结束值，如果 endpoint 为 True，该值包含在序列中；如果为 False，则不包含；
# num：要生成的样本数，默认为 50；
# endpoint：如果为 True，stop 是最后一个样本；否则，不包括 stop。默认为 True；
# retstep：如果为 True，返回 (samples, step)，其中 step 是样本间隔。默认为 False；
# dtype：输出数组的类型。如果未给出，则从其他输入参数推断数据类型；
# axis：在 0 上，返回一维数组，其他值则返回指定维度的数组；
arr5 = np.linspace(start=0, stop=10, num=5)
# 输出：[ 0.   2.5  5.   7.5 10. ]
print(arr5)

7、生成随机整数

import numpy as np

# np.random.randint 用于生成随机整数。它可以在指定的区间（左闭右开）内生成一个或多个随机整数
# np.random.randint参数详解
# low：生成的随机整数的最小值（包含该值）。如果high为None，则low为最大值，生成的随机整数范围是[0, low)；
# high：生成的随机整数的最大值（不包含该值）。如果high是None，则按照上面的规则处理；
# size：输出的形状。例如，如果size=(m, n)，则返回一个m行n列的二维数组；如果size = 3，则返回一个包含 3 个元素的一维数组；
# dtype：数据类型，默认是'l'（长整型），可以指定为其他整数类型，如np.uint8等
arr6 = np.random.randint(0, 100, size=10)
# 输出：[36 29 45 99 96 23 18 90 17 29]
print(arr6)

# np.random.random 与 np.random.randint 相似，用于生成float随机数
arr7 = np.random.random(size=5)
# 输出：[0.5688695  0.93793004 0.74809609 0.92330031 0.61519646]
print(arr7)

8、正态分布

import numpy as np

# np.random.randn 生成满足标准正态分布（均值为0，标准差为1）的随机数或随机数组
# 接受一个或多个整数参数，用于指定输出数组的形状。这些参数以元组的形式传入，
# 例如 (m, n) 表示生成一个 m 行 n 列的二维数组。如果不传入任何参数，则默认生成一个单一的随机数
arr8 = np.random.randn(5)
# 输出：[ 0.7948515   1.29931475 -0.78480926  0.57158442 -0.69974361]
print(arr8)

二、查看数组的操作

import numpy as np

# 创建一个 3维 4行 5列的随机数
arr9 = np.random.randint(0, 100, size=(3,4,5))

# 查看数组的维度
# 输出：3
print(arr9.ndim)

# 查看数组的形状
# 输出：(3, 4, 5)
print(arr9.shape)

# 查看数组元素总数
# 输出：60
print(arr9.size)

# 查看数组类型
# 输出：int32
print(arr9.dtype)


# 查看每个元素的大小
# 输出：4，如果是int64的 输出是8
print(arr9.itemsize)

三、IO操作

import numpy as np

x = np.random.randn(5)
y = np.arange(0, 10, 1)

# 保存数组

# save方法 可以保存ndarray到一个npy文件中
np.save("x_arr",x)
# savez方法 将多个array保存到一个.npz文件中 以key-value形式保存，key可以是任意
np.savez("some_arry.npz", xarr = x, yarr = y)

# 读取

# load方法 读取数组，如果是.npz文件的话，读取之后相当于形成了一个key-value类型的变量，通过保存时定义的key来获取相应的array
print(np.load('x_arr.npy'))
print(np.load('some_arry.npz')['yarr'])

# 读写 csv、txt文件

arr10 = np.random.randint(0,10,size=(3,4))
# 保存数组到csv文件, txt同理
# fmt：要存储的数据格式，会默认使用科学计数法 "%d"表示设置为int型，"%s"表示为字符型，"%f"表示保留几位小数 例如："%.2f"
np.savetxt('arr10.csv', arr10, delimiter=',', fmt='%d')
# 读取csv文件，delimiter为分隔符，dtype为数据类型
print(np.loadtxt('arr10.csv', delimiter=',', dtype=np.int32))