Numpy的基本操作

Numpy

1.关于Numpy

Numpy一个在Python中做科学计算的基础库，有了Numpy，很多数值计算边的很简单。

Numpy是大部分Python科学计算库的基础库（如Pandas），多用于在大型、多维数组上执行数值运算。

2. Numpy创建数组

直接cmd打开控制台，输入ipython，然后在命令行中如下依次键入命令

In [1]: import numpy as np

In [2]: a = np.array([1,2,3,4,5])

In [3]: a
Out[3]: array([1, 2, 3, 4, 5])

In [4]: b = np.array(range(1,6))

In [5]: b
Out[5]: array([1, 2, 3, 4, 5])

In [7]: type(a)
Out[7]: numpy.ndarray

如上所述，就创建了两个一维数组，数组的类型为 numpy.ndarray类型

2.1 Numpy中常见的数据类型

类型	类型代码	说明
int8, uint8	i1, u1	有符号、无符号8位整型
int16, uint16	i2, u2	有符号、无符号16位整型
int32, uint32	i4, u4	有符号、无符号32位整型
int64, uint64	i8, u8	有符号、无符号64位整型
float16	f2	半精度浮点数
float32	f4或f	单精度浮点数（c语言当中的float）
float64	f8或d	双精度浮点数（C语言当中的double）
float128	f16或g	扩展浮点数
complex64,complex128, complex256	c8, c16, c32	分别用两个32,两个64, 两个128位表示的复数
bool		布尔类型

In [3]: t1 = np.arange(12)

In [4]: t1
Out[4]: array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])

In [6]: t2 = np.array([[3,4,5,6,7,8],[4,5,6,7,8,9]])

In [7]: t2
Out[7]:
array([[3, 4, 5, 6, 7, 8],
       [4, 5, 6, 7, 8, 9]])

In [8]: t1.dtype
Out[8]: dtype('int32')  #默认元素类型为int32

In [10]: a = np.array([1,0,2,3],dtype = np.bool) #可以通过后面的dtype参数指定元素类型

In [11]: a
Out[11]: array([ True, False,  True,  True])

#可以通过astype来临时改变元素类型，但该操作并不能是原数组改变
In [12]: a.astype(np.int32) # 这个等价于a.astype("i4"),即直接用类型代码也是可以的
Out[12]: array([1, 0, 1, 1])

In [13]: a
Out[13]: array([ True, False,  True,  True])

In [10]: a =np.array(np.random.rand(10))

In [11]: a
Out[11]:
array([0.20781111, 0.84837294, 0.70426743, 0.19315556, 0.98874592,
       0.37785934, 0.33709601, 0.25996463, 0.5227643 , 0.89457062])

In [12]: np.round(a,2) #a的每一个元素都保留两位小数，注意：该操作不会改变原来的a数组
Out[12]: array([0.21, 0.85, 0.7 , 0.19, 0.99, 0.38, 0.34, 0.26, 0.52, 0.89])

In [13]: a
Out[13]:
array([0.20781111, 0.84837294, 0.70426743, 0.19315556, 0.98874592,
       0.37785934, 0.33709601, 0.25996463, 0.5227643 , 0.89457062])

3.数组的形状

3.1获取数组的形状，指定数组形状

In [15]: a = np.array([[3,4,5,6,7,8],[4,5,6,7,8,9]])

In [16]: a
Out[16]:
array([[3, 4, 5, 6, 7, 8],
       [4, 5, 6, 7, 8, 9]])

In [17]: a.shape 
Out[17]: (2, 6) #a是2行6列的

In [18]: a.reshape(3,4) #注意，a一共有12个元素，因此reshape的时候，注意元素个数一定要对应上，否则就会报错
Out[18]:
array([[3, 4, 5, 6],
       [7, 8, 4, 5],
       [6, 7, 8, 9]])

In [19]: a.shape #reshape同样，不会改变原来的a
Out[19]: (2, 6)
    
In [20]: a.reshape(5,6)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-20-27415d54c7dd> in <module>
----> 1 a.reshape(5,6)

ValueError: cannot reshape array of size 12 into shape (5,6)

In [21]: a.reshape(1,12)

#注意，这样，就重新构成了一个1行12列数组，依然是一个二维数组
Out[21]: array([[3, 4, 5, 6, 7,