【原创】Python学习笔记 | NumPy数值计算基础 学习笔记

NumPy数值计算基础学习笔记

Author：萌狼蓝天
| data：2021年5月28日 | 微信公众号：萌狼蓝天 | 哔哩哔哩：萌狼蓝天 | CSDN ：萌狼蓝天

| CSDN：萌狼蓝天 |
哔哩哔哩：萌狼蓝天 |
微信公众号：mllt9920 | 除此之外。该学习笔记若是出现在的其他博客、网站、则是未经授权的盗版。

[ 声明 ] | 该学习笔记由萌狼蓝天整理，免费公开，发布于CSDN（ID：萌狼蓝天），不欢迎任何人COPY转载。（可以收藏，留链接）

如有错误，欢迎指正

（一）数组创建与数组基本操作

1.numpy.array

（1）使用numpy模块的array函数创建一维数组

import numpy as np
arr1=np.array([1,2,3,4])#创建一维数组
print('创建的数组为：',arr1)

创建的数组为： [1 2 3 4]

（2）使用numpy模块的array函数创建二维数组

import numpy as np
arr2=np.array([[1,2,3],[4,5,6],[7,8,9]])
print('创建的数组为：\n',arr2)

创建的数组为：
 [[1 2 3]
 [4 5 6]
 [7 8 9]]

（3）查看数组维度

print('arr2数组维度为：',arr2.shape)#查看数组结构

arr2数组维度为： (3, 3)

（4）查看数组类型

print('数组类型为：',arr2.dtype)#查看数组类型

数组类型为： int32

（5）查看数组元素个数

print('数组元素个数为：',arr2.size)#查看元素个数

数组元素个数为： 9

（6）查看数组每个元素的大小

print('数组每个元素的大小为：',arr2.itemsize)#查看数组每个元素的大小

数组每个元素的大小为： 4

（7）重设数组shape属性

arr2.shape=3,3 #重新设置shape
print('重新设置shape后的arr2为：\n',arr2)

重新设置shape后的arr2为：
 [[1 2 3]
 [4 5 6]
 [7 8 9]]

2.numpy.arange

####（1）使用numpy模块的arange函数创建数组

nums=np.arange(1,9,0.5)
print('使用arange创建的数组为：',nums)

使用arange创建的数组为： [1.  1.5 2.  2.5 3.  3.5 4.  4.5 5.  5.5 6.  6.5 7.  7.5 8.  8.5]

3.numpy.linspace

（1）使用numpy模块的linspace模块创建数组

numpy.linspace通过起始值，结束值和元素个数创建一维数组

nums=np.linspace(0,1,12)
print('使用linspce创建的数组为：',nums)

使用linspce创建的数组为： [0.         0.09090909 0.18181818 0.27272727 0.36363636 0.45454545
 0.54545455 0.63636364 0.72727273 0.81818182 0.90909091 1.        ]

4.numpy.logspace

（1）使用numpy模块logspace函数创建数组

使用numpy.logspace创建的数组是等比数列（一维数组）

print('使用logspace创建的数组为：',np.logspace(0,2,20))

使用logspace创建的数组为： [  1.           1.27427499   1.62377674   2.06913808   2.6366509
   3.35981829   4.2813324    5.45559478   6.95192796   8.8586679
  11.28837892  14.38449888  18.32980711  23.35721469  29.76351442
  37.92690191  48.32930239  61.58482111  78.47599704 100.        ]

5.numpy.zeros

（1）使用numpy模块zeros函数创建数组

使用numpy.zeros创建的数组元素值全为0

print('使用zeros创建的数组为：',np.zeros((2,3)))

使用zeros创建的数组为： [[0. 0. 0.]
 [0. 0. 0.]]

6.numpy.eye

（1）使用numpy模块eye函数创建数组

使用numpy.eye创建的数组是类似单位矩阵，主对角线上的元素为1，其他元素为0的数组

print('使用eye创建的数组为：',np.eye(3))

使用eye创建的数组为： [[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

7.numpy.diag

（1）使用numpy模块diag函数创建数组

使用numpy.diag创建的数组是类似对角的数组，除对角线以外的其他元素全为0，对角线上的元素可以为0或者其他值

print('使用diag创建的数组为：',np.diag([1,2,3,4]))

使用diag创建的数组为： [[1 0 0 0]
 [0 2 0 0]
 [0 0 3 0]
 [0 0 0 4]]

8.numpy.ones

（1）使用numpy模块ones函数创建数组

使用numpy.ones创建的数组是元素全为1的数组

print('使用ones创建的数组为：',np.ones((5,3)))

使用ones创建的数组为： [[1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]
 [1. 1. 1.]]

（二）数组数据类型

1.数组数据类型的转换

（1）整型转为浮点型

print("result is:",np.float64(42))#整型转为浮点型

result is: 42.0

（2）浮点型转换为整型

print("result is:",np.int8(50.00)) # 浮点型转为整型

result is: 50

（3）整型转为布尔型

print("result is:",np.bool(42))#整型转为布尔型

result is: True


<ipython-input-131-20f51aa17a36>:1: DeprecationWarning: `np.bool` is a deprecated alias for the builtin `bool`. To silence this warning, use `bool` by itself. Doing this will not modify any behavior and is safe. If you specifically wanted the numpy scalar type, use `np.bool_` here.
Deprecated in NumPy 1.20; for more details and guidance: https://numpy.org/devdocs/release/1.20.0-notes.html#deprecations
  print("result is:",np.bool(42))#整型转为布尔型

（4）整型转为布尔型

print("result is:",np.bool(0)) # 浮点型转为布尔型

result is: False


<ipython-input-132-baa6e092f026>:1: DeprecationWarning: `np.bool` is a deprecated alias for the builtin `bool`. To silence this warning, use `bool` by itself. Doing this will not modify any behavior and is safe. If you specifically wanted the numpy scalar type, use `np.bool_` here.
Deprecated in NumPy 1.20; for more details and guidance: https://numpy.org/devdocs/release/1.20.0-notes.html#deprecations
  print("result is:",np.bool(0)) # 浮点型转为布尔型

（5）布尔型转换为浮点型

print("result is:",np.float(True))#布尔型转换为浮点型

result is: 1.0


<ipython-input-133-1d83aab87f9b>:1: DeprecationWarning: `np.float` is a deprecated alias for the builtin `float`. To silence this warning, use `float` by itself. Doing this will not modify any behavior and is safe. If you specifically wanted the numpy scalar type, use `np.float64` here.
Deprecated in NumPy 1.20; for more details and guidance: https://numpy.org/devdocs/release/1.20.0-notes.html#deprecations
  print("result is:",np.float(True))#布尔型转换为浮点型

（6）浮点型转换为整型

print("result is:",np.float(False)) # 布尔型转换为浮点型

result is: 0.0


<ipython-input-134-6cff5da744ee>:1: DeprecationWarning: `np.float` is a deprecated alias for the builtin `float`. To silence this warning, use `float` by itself. Doing this will not modify any behavior and is safe. If you specifically wanted the numpy scalar type, use `np.float64` here.
Deprecated in NumPy 1.20; for more details and guidance: https://numpy.org/devdocs/release/1.20.0-notes.html#deprecations
  print("result is:",np.float(False)) # 布尔型转换为浮点型

（三）生成随机数

（1）random：常见的生成随机数的方法

print("random 生成的随机数为：\n",np.random.random(20))

random 生成的随机数为：
 [0.55791026 0.63477055 0.54116354 0.83027174 0.42348607 0.79176684
 0.64617388 0.15483727 0.26771988 0.40054346 0.06375048 0.87844409
 0.74775519 0.30153283 0.58807044 0.40101532 0.02335887 0.48903779
 0.53704195 0.21920781]

（2）rand：生成服从均匀分布的随机数

print("rand 生成的随机数为：\n",np.random.rand(10,5))

rand 生成的随机数为：
 [[0.47925172 0.02799311 0.40786315 0.54069018 0.04411974]
 [0.86318353 0.95417633 0.37817788 0.2896957  0.93821463]
 [0.67268173 0.1380039  0.65746221 0.23188345 0.37880424]
 [0.18452551 0.25816607 0.95759322 0.27727783 0.18721676]
 [0.95292517 0.74291523 0.40309373 0.94374932 0.92228902]
 [0.43309873 0.30446723 0.09329081 0.55081681 0.47916364]
 [0.3584203  0.39172761 0.76052451 0.39024365 0.57812365]
 [0.09857758 0.17557483 0.20864483 0.28781192 0.87004018]
 [0.9512888  0.01955258 0.30916712 0.97176433 0.23897355]
 [0.48093503 0.40555043 0.98634328 0.15895443 0.66770778]]

（3）randn：生成服从正态分布的随机数

print("randn 生成的随机数为：\n",np.random.randn(10,5))

randn 生成的随机数为：
 [[-0.76112335 -1.29554727  0.20443226  0.28725719  0.45780882]
 [ 1.15042934  0.71026017  2.4854007   0.53654559 -0.74665367]
 [ 1.18328206  0.10513728 -1.03066039 -0.38489429 -0.82075365]
 [-0.52447026 -0.36709368 -0.2101057   0.31681531 -2.9162681 ]
 [ 0.42938188  0.83432469  0.12873553  1.13837947 -1.13441527]
 [ 0.58330087 -1.55108377  0.55288945 -1.23808854  1.60961539]
 [ 0.6795389  -0.00752145 -1.09122978 -0.37458747 -0.27252843]
 [-0.48179827  0.83922752 -0.12928557  1.48130922 -1.76047751]
 [ 1.39814554 -0.24733519 -0.61242604 -1.56736942  2.31962423]
 [ 0.84477241 -1.18142687  0.3659049  -0.11059641  1.00624283]]

（4）randint：生成给定上下限范围的随机数

print("randint 生成的随机数为：\n",np.random.randint(2,10,size=[2,5]))

randint 生成的随机数为：
 [[7 8 5 9 4]
 [9 2 9 9 6]]

上面的代码，返回值为最小值不低于2，最大值不高于10的2行5列数组

---

函数	说明-这些都是random模块常用随机数生成函数
seed	确定随机数生成的种子
permutation	返回一个序列的随机排列或返回一个随机排列的范围
Shuffle	对一个序列进行随机排序
binomial	产生二项分布的随机数
normal	产生正态（高斯）分布的随机数
Beta	产生beta分布的随机数
chisquare	产生卡方分布的随机数
gamma	产生gamma分布的随机数
uniform	产生在[0,1]中均匀分布的随机数

---

| CSDN：萌狼蓝天 |
哔哩哔哩：萌狼蓝天 |
微信公众号：mllt9920 | 除此之外。该学习笔记若是出现在的其他博客、网站、则是未经授权的盗版。