Python Numpy库Api整理

numpy快速初始化

#创建一维数组
np.array([1,2,3,4,5])  			
>>> array([1, 2, 3, 4, 5])
         
#创建0到14的一维数组    
np.arange(15)					
>>> array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])

#1到12，步进为2的一维数组
np.arange(1,13,2)				
>>> array([ 1,  3,  5,  7,  9, 11])

#创建二维数组
np.array([[1,2,3],[4,5,6]])
>>> array([[1, 2, 3],
       [4, 5, 6]])

#格式化成3行5列的np数组
np.arange(15).reshape(3, 5) 	
>>> array([[ 0,  1,  2,  3,  4],
          [ 5,  6,  7,  8,  9],
          [10, 11, 12, 13, 14]])
         
#把1到12分成20等分创建数组
np.linspace(1,13,20)		
>>>array([  1.        ,   1.63157895,   2.26315789,   2.89473684,
         3.52631579,   4.15789474,   4.78947368,   5.42105263,
         6.05263158,   6.68421053,   7.31578947,   7.94736842,
         8.57894737,   9.21052632,   9.84210526,  10.47368421,
        11.10526316,  11.73684211,  12.36842105,  13.        ])	
       
#list转化为np数组
l = [i for i in range(8)]
np.array(l)						
>>> array([0, 1, 2, 3, 4, 5, 6, 7])

numpy普通运算

#算术运算
a=np.array([1,2,3,4,5])
b=np.array([2,2,2,2,2])
a*3		>>> array([ 3,  6,  9, 12, 15])				
a+b		>>> array([3, 4, 5, 6, 7])		
a*b		>>> array([ 2,  4,  6,  8, 10])   				 

#大于运算
a>b		>>> array([False, False,  True,  True,  True], dtype=bool)

c=array([False, False,  True,  True,  True])
d=array([False, True,  True,  True,  False])

#按位与运算
c&d		>>> array([False, False,  True,  True, False], dtype=bool)

#按位或运算
c|d		>>> array([False,  True,  True,  True,  True], dtype=bool)

#按位非运算
~d		>>> array([ True, False, False, False,  True], dtype=bool)

numpy函数运算

#函数运算
c=array([[1, 2, 3],[4, 5, 6]])

#绝对值运算
np.abs(c)

#求和运算
np.sum(c) 	>>> 21

#开方运算
np.sqrt(c)	>>> array([[ 1.,  1.41421356,  1.73205081],
       				   [ 2.,  2.23606798,  2.44948974]])
       				   
#最大数
np.max(c)    >>> 6

# maximum运算
c=np.array([[1,2,3],[4,5,6]])
d=np.array([[2,2,2],[6,6,6]])
np.maximum(c,d) >>> array([[2, 2, 3],[6, 6, 6]])

#平均值
np.mean(c)	>>> 3.5

#获取nan和inf
#nan会出现在数学运算异常时，如-5的开根号就是nan
a=np.array([np.nan,2,3,4])  >>> array([ nan,   2.,   3.,   4.])
np.isnan(a)   >>> array([ True, False, False, False], dtype=bool)
#inf表示无穷大，如5/0结果为inf
a=np.array([np.inf,2,3,4])  >>> array([ inf,   2.,   3.,   4.])
np.isinf(a)   >>> array([ True, False, False, False], dtype=bool)

numpy的形状和大小

a=np.arange(15).reshape(3,5)
#返回有多少个元素：15个元素
a.size  	>>> 15
#返回数组的形状：3x5
a.shape 	>>> (3, 5)
#返回数组维度：2维
a.dim		>>> 2

numpy遍历

#一维数组遍历
a=np.array([1,2,3,4,5])
for i in a:
    print(i)
    
#二维数组遍历每一行
b=np.arange(14).reshape(2, 7) 
for i in b:
    print(i)
>>> [0 1 2 3 4 5 6]
	[ 7  8  9 10 11 12 13]
	
#二维数组遍历所有元素
b=np.arange(14).reshape(2, 7) 
for i in b.flat:
    print(i)
>>> 1
	2
	3
	...

numpy索引

#一维数组索引
a=np.arange(14)
a[3]
>>> 3

#二维数组索引
a=np.arange(14).reshape(2,7)
a   		>>> array([[ 0,  1,  2,  3,  4,  5,  6],
              		   [ 7,  8,  9, 10, 11, 12, 13]])  
a[0]    	>>> array([0, 1, 2, 3, 4, 5, 6])
a[0][1]		>>> 1
a[0,1]		>>> 1
#切片索引，1到2行，1到3列的元素
a[0:2,0:3] 	>>> array([[0, 1, 2],
       				  [7, 8, 9]])
#布尔索引,利用np数组运算，进行条件与、或、非的筛选
a>3			>>> array([[False, False, False, False,  True,  True,  True],
       				[ True,  True,  True,  True,  True,  True,  True]])
a[a>3]		>>> array([ 4,  5,  6,  7,  8,  9, 10, 11, 12, 13])    
a[(a>5) & (a%2==0)]  >>> array([ 6,  8, 10, 12])

#花式索引
#1到2行，1到3列
a[0:2,1:4] 	>>> array([[ 1,  2,  3],
       				  [ 8,  9, 10]])
#第1行，第2、3、4列       				 
a[0,[1,2,3]] >>> array([1, 2, 3])
#第1行，所有大于3的数
a[0,a[0]>3]	 >>> array([4, 5, 6])