更多内容关注个人博客:https://blog.focuspoints.cn
安装Numpy
终端: sudo pip install numpy
CMD: pip install numpy
- 也可以使用anaconda集成了numpy及pandas.
- 为了方面后续代码使用anaconda的jupyter notebook。(自行百度anaconda安装)
引用Numpy
#引入Numpy文件
import numpy as np # ‘as np’意为Numpy在此程序中的别名为np(np为约定名称,也可改为其他)
- 数据维度
包含: 一维数组(常用列表存储)
二维数组(常用数组存储)
多维数组(常用字典存储)
- Numpy数组类型 - ndarray(类似于array数组)
1. N维数组对象:ndarray
例子:计算$ A2+B3 $,其中,A和B是一维数组
#example
/*python常规操作*/
def pySum():
A = [1,2,3,4,5]
B = [6,7,8,9,10]
C = []
for i in range(len(A)):
C.append(A[i]**2 + B[i]**3)
return C
print(pySum())
/*Numpy操作*/
import numpy as np
def npSum():
A = np.array([1,2,3,4,5])
B = np.array([6,7,8,9,10])
C = A**2 + B**2
return C
print(npSum())
2. dnarray属性
属性 | 说明 |
---|---|
.ndim | 秩,即轴的数量或维度的数量 |
.shape | ndarray对象的尺度,对于矩阵,n行m列 |
.size | ndarray对象元素的个数,相当于.shaor中n*m的值 |
.dtype | ndarray对象的元素类型 |
.itemsize | ndarray对象中每个元素的大小,以字节为单位 |
#example
a = np.array([0,1,2,3,4],[5,6,7,8,9])
print(a.ndim) #2
print(a.shape) #(2,5)
print(a.size) #10
print(a.dtype) #dtype('int32')
print(a.itemsize) #4
3. dnarray元素类型
- 类型1
数据类型 | 说明 |
---|---|
bool | 布尔类型,True或False |
intc | 与C语言中的int了类型一直,一般是int32或int64 |
intp | 用于索引的整数,与C语言中ssize_t一致,int32或int64 |
int8 | 字节长度的整数,取值:[-128,127] |
int16 | 16位长度的整数,取值:[-32768,32767] |
int32 | 32位长度的整数,取值:[ − 2 31 -2^{31} −231, 2 31 − 1 2^{31}-1 231−1] |
int64 | 64位长度的整数,取值:[ − 2 63 -2^{63} −263, 2 63 − 1 2^{63}-1 263−1] |
- 类型2
数据类型 | 说明 |
---|---|
uint8 | 8位无符号整数,取值:[0,255] |
uint16 | 16位无符号整数,取值:[0,65535] |
uint32 | 32位无符号整数,取值:[0, 2 32 − 1 2^{32}-1 232−1] |
uint64 | 64位无符号整数,取值:[0, 2 64 − 1 2^{64}-1 264−1] |
float16 | 16位半精度浮点数:1位符号位,5位指数,10位尾数 |
float32 | 32位半精度浮点数:1位符号位,8位指数,23位尾数 |
float64 | 64位半精度浮点数:1位符号位,11位指数,52位尾数 |
- 类型3
数据类型 | 说明 |
---|---|
complex64 | 复数类型,实部和虚部都是32位浮点数 |
complex128 | 复数类型,实部和虚部都是64位浮点数 |
复数类型:实部(.real) + j虚部(.imag)
import numpy as np
x = np.array([[0,1,2,3,4],[5,6,7,8,9]])
x.shape
(2, 5)
4. ndarray实例
x = np.array([[0,1,2,3,4],[9,8,7,6]])
x.shape
(2,)
x.dtype
dtype('O')
x
array([list([0, 1, 2, 3, 4]), list([9, 8, 7, 6])], dtype=object)
x.itemsize
8
x.size
2
- ndarray数组可以由非同质对象构成,但非同质ndarray对象无法有效发挥NumPy优势,尽量避免使用。
5. ndarray数组创建
- 从Python中的列表、元组等类型创建ndarray数组
x = np.array(list/tuple)
x = np.array(list/tuple, dtype=np.float32)
- 使用NumPy中函数创建ndarray数组,如:arange, ones, zeros等
函数 | 说明 |
---|---|
np.arange(n) | 类似range()函数,返回ndarray类型,元素从0到n‐1 |
np.ones(shape) | 根据shape生成一个全1数组,shape是元组类型 |
np.zeros(shape) | 根据shape生成一个全0数组,shape是元组类型 |
np.full(shape,val) | 根据shape生成一个数组,每个元素值都是val |
np.eye(n) | 创建一个正方的 n ∗ n n*n n∗n单位矩阵,对角线为1,其余为0 |
函数 | 说明 |
---|---|
np.ones_like(a) | 根据数组a的形状生成一个全1数组 |
np.zeros_like(a) | 根据数组a的形状生成一个全0数组 |
np.full_like(a,val) | 根据数组a的形状生成一个数组,每个元素值都是val |
其他函数 | 说明 |
np.linspace() | 根据起止数据等间距地填充数据,形成数组 |
np.concatenate() | 将两个或多个数组合并成一个新的数组 |
6.ndarrary数组的变换
- 类型变换
a = np.ones((2,3,4), dtype=np.int32)
- 维度变换
a = np.arange(30).reshape((2,3,5))
a
array([[[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]],
[[15, 16, 17, 18, 19],
[20, 21, 22, 23, 24],
[25, 26, 27, 28, 29]]])
7.nadarray数组的操作
-
数组索引和切片
索引:获取数组中特定位置元素的过程
切片:获取数组元素子集的过程 -
一维数组的索引和切片:与Python的列表类似
a = np.array([1,2,3,4,5,6])
a[2]
7
a[1:4:2] #起始序号:终止序号:步长,冒号分割
array([3,5])
- 多维数组的切片
a = np.arange(24).reshape((2,3,4))
a
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]])
a[:,1,-3] #选取一个维度用:
array([ 5, 17])
a[:,1:3,:] #每个维度切片方法与一位数组相同
array([[[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[16, 17, 18, 19],
[20, 21, 22, 23]]])
a[:,:,::2]#每个维度可以使用步长跳跃切片
array([[[ 0, 2],
[ 4, 6],
[ 8, 10]],
[[12, 14],
[16, 18],
[20, 22]]])
8.nadarray数组的运算
函数 | 说明 |
---|---|
np.abs(x) np.fabs(x) | 计算数组各元素的绝对值 |
np.sqrt(x) | 计算数组各元素的平方根 |
np.square(x) | 计算数组各元素的平方 |
np.log(x) np.log10(x) np.log2(x) | 计算数组各元素的自然对数、10底对数和2底对数 |
np.ceil(x) np.floor(x) | 计算数组各元素的ceiling值或floor |
np.rint(x) | 计算数组各元素的四舍五入值 |
np.modf(x) | 将数组各元素的小数和整数部分以两个独立数组形式返回 |
np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x) | 计算数组各元素的普通型和双曲型三角函数 |
np.exp(x) | 计算数组各元素的指数值 |
np.sign(x) | 计算数组各元素的符号值,1(+), 0, ‐1(‐) |
二元函数
函数 | 说明 |
---|---|
+ ‐* / * | 两个数组各元素进行对应运算 |
np.maximum(x,y) np.fmax() np.minimum(x,y)np.fmin() | 元素级的最大值/最小值计算 |
np.mod(x,y) | 元素级的模运算 |
np.copysign(x,y) | 将数组y中各元素值的符号赋值给数组x对应元素 |
< > >= <= == != | 算术比较,产生布尔型数组 |