科学计算库（二）numpy之ndarray

Numpy 官方文档：https://docs.scipy.org/doc/numpy/user/index.html

 

创建ndarray

ndarray，是Numpy的核心数据结构，元素的数据类型由dtype(data-type)对象来指定，每个ndarray只有一种dtype类型 ，ndarray的大小固定，创建好数组后数组大小是不会再发生改变的。

np.array(list、tuple) 将python序列转换成数组
字典dict转成ndarray的话是当做其中一个值来使用，无法正常转换

直接创建ndarray
np.zeros() 创建全0数组 np.zeros(3)、np.zeros([3,4])。
np.ones() 全1数组，float类型的1。
np.empty() 空数组，未初始化，数值不确定。

其他创建方式
arange() 类似python的range函数，通过指定开始值、终值和步长来创建一个一维数组，注意：最终创建的数组不包含终值
    np.arange(0,100)  生成一个一维数组，0-99的数值。arange默认是从0开始的，所以可以写成  np.arange(100)
    np.arange(0,100,2) 步长为2，生成0/2/4/6/8.../98 的数组
    np.arange(100,0,-2)  步长为-2
    np.arange(0,100,2.5) 步数可以是float
linspace(start,end,num) 生成等差数列，生成num个数值的数组
logspace(num1,num2,total,base) 生成等比数列，base的num1次方到base的num2次方，生成total个数值的数组

random() 生成随机数数组
     np.random.random([3,3]) 创建0-1之间的随机元素，数组包含的元素数量由参数决定
     np.random.randint(0,2,[10,10]) 左闭右开 不包括2，0或者1数值的10*10的数组
     np.random.randn(num) 正态分布数组

对象属性

ndim  数组轴个数
shape 维度，数组的形状
size 元素总个数
dtype 数据类型
itemsize 每个元素的字节大小

数据类型 dtype

创建数组的时候可以显示设置dtype，不设置会自动根据内容生成dtype类型
np.array(list,dtype="int8") 创建的时候可以设置数据类型
创建好数组之后，不能修改数据类型
但可以通过astype 复制新数组设置新的数据类型

数据类型	类型简写	说明
int_		默认整形
intc		等价于long的整形
int8	i1	字节整形，1个字节，范围:[-128,127]
int16	i2	整形,2个字节,范围:[-32768,32767]
int32	i4	整形,4个字节,范围:[-2^31, 2^31-1]
int64	i8	整形,8个字节,范围:[-2^63, 2^63-1]
uint8	u1	无符号整形, 1个字节, 范围:[0,255]
uint16	u2	无符号整形, 2个字节, 范围:[0,65535]
uint32	u4	无符号整形, 1个字节, 范围:[0, 2^32-1]
uint64	u8	无符号整形, 1个字节, 范围:[0,2^64-1]
bool_		以一个字节形成存储的布尔值(True或者False)
float_		float64简写形式
float16	F2	半精度浮点型(2字节)：1符号位+5位指数+10位的小数部分
float32	f4或者f	单精度浮点型(4字节)：1符号位+8位指数+23位的小数部分
float64	f8或者d	双精度浮点型(8字节)：1符号位+11位指数+52位的小数部分
complex_	c16	complex128的简写形式
complex64	c8	复数，由两个32位的浮点数来表示
complex128	c16	复数，由两个64位的浮点数来表示
object	O	Python对象类型
String_	S	固定长度的字符串类型(每个字符1个字节)，比如：要创建一个长度为8的字符串，应该使用S8
Unicode_	U	固定长度的unicode类型的字符串(每个字符占用字节数由平台决定)，长度定义类似String_类型

 

修改形状

arr.shape=(2,6)  直接修改shape值修改形状
arr2=arr1.reshape(2,-1) 通过reshape修改形状，-1自动计算
arr2=arr1.reshape(-1) 降为 一维

基本操作

数值运算，矢量化运算
数组+-/*数值：每个值都做运算

元素级操作
如果两个数组的形状相同，那么会是对于位置元素的运算
arr1+arr2如下运算过程

广播的原则

广播的原则：如果两个数组的后缘维度（trailing dimension，即从末尾开始算起的维度）的轴长度相符，或其中的一方的长度为1，则认为它们是广播兼容的。广播会在缺失和（或）长度为1的维度上进行。

这句话乃是理解广播的核心。广播主要发生在两种情况，一种是两个数组的维数不相等，但是它们的后缘维度的轴长相符，另外一种是有一方的长度为1。

arr1(5,7)+-/*arr2(5,1) 每一行的每个值都会和arr2对于行数的数组运算

arr = np.arange(35)
arr1 = np.reshape(arr,[5,-1])
print(arr1)
arr2=[
    [1],
    [2],
    [3],
    [4],
    [5]]
print(arr2)
arr1+arr2

输出结果 

[[ 0  1  2  3  4  5  6]               [[1], 
 [ 7  8  9 10 11 12 13]                [2], 
 [14 15 16 17 18 19 20]       +        [3],           
 [21 22 23 24 25 26 27]                [4], 
 [28 29 30 31 32 33 34]]               [5]]

每一行广播相加对应行的值

=array([[ 1,  2,  3,  4,  5,  6,  7],
       [ 9, 10, 11, 12, 13, 14, 15],
       [17, 18, 19, 20, 21, 22, 23],
       [25, 26, 27, 28, 29, 30, 31],
       [33, 34, 35, 36, 37, 38, 39]])

arr1(5,7)+-/*arr2(1,7) 对每一列进行操作，可以写成arr2(7)，会自动广播成arr2(1,7)，后缘维度相同即可

arr = np.arange(35)
arr1 = np.reshape(arr,[5,-1])
print(arr1)
arr2=[1,2,3,4,5,6,7]
print(arr2)
arr1+arr2

输出结果

[[ 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 30 31 32 33 34]]
           +
 [1, 2, 3, 4, 5, 6, 7]
           =
[[ 1,  3,  5,  7,  9, 11, 13],
 [ 8, 10, 12, 14, 16, 18, 20],
 [15, 17, 19, 21, 23, 25, 27],
 [22, 24, 26, 28, 30, 32, 34],
 [29, 31, 33, 35, 37, 39, 41]])

矩阵积

第一个数组的行=第二个数组的列 arr1(m,n) dot arr2(n,k) = arr3(m,k)

使用方法 np.dot(arr1,arr2)

数组索引

数组下角标arr[2][2]，-1 代表最后一个。
简写 arr[2,2]    numpy自带索引方式，每个维度用逗号隔开

切片操作

在各维度上单独切片，如果某维度都保留，则使用：冒号，不指定初始值和终止值。

切出来的是子视图，对子视图的修改，会直接影响原数组

 

花式索引

数组=arr(6,6)
1、获取1,3,4行
arr[[0,2,3]]
2、获取第一列和最后一列
arr[:,[0,-1]]
3、获取第1,3行和第2,4
arr[[0,2]][:,[1,3]] # 先取到行，然后再切所有行的指定列
arr[[0,2]].T[[1,3]].T #先取行，转置再取行，再转置
也可以使用 np.ix_()索引器
arr[np.ix_([0,2],[1,3])]
arr[[0,2],[1,3]] 是错误的，获取到的是0,1数据和2,3数据，只有两个值

花式索引得到的子集数组是一个新的数组，修改新数组数据不会影响原数据。

布尔索引

找数组中的偶数
condition=arr%2==0，
arr[condition]

数组arr会降为成一维数组
数组中值大于20并且是偶数（&且     |或）
arr[(arr%2==0) & (arr>20)]

按行列放布尔索引，arr[[行布尔索引],[列布尔索引]]

arr[[True,False,True,False,False,False],[False,True,False,False,False,False]]

索引结果：第1和3行的第2列，两个数值组成的数组

 

数组转置与轴对换

转置：行列转换
arr.T
三维转置 arr(2,3,4),arr.T为(4,3,2) 值怎么放？

transpose()轴对换
arr(2,3,4)
arr.transpose() #默认是转置操作，也就是2，1，0
arr.transpose(1,2,0) #指定对换轴，（3，4，2）

 

数组拉伸

np.tile(arr,rep)，rep是拉伸的倍数
横向拉伸
arr(5,3)
np.tile(arr,2) 横向拉伸2倍
纵向拉伸
np.tile(arr,[2,1]) 纵向拉伸2倍。0轴*2，1轴*1

 

数组合并

vstack 垂直合并

arr1(5,3)与arr2(9,3)
np.vstack([arr1,arr2]) #垂直堆叠两个数组，变成arr(14,3)

hstack水平合并
arr1(5,3)与arr2(5,2)
np.hstack([arr1,arr2]) #水平堆叠，变成arr(5,5)

stack 沿着新的轴进行数据合并，会拓展出一个新轴
arr1(3,5) arr2(3,5)
np.stack([arr1,arr2],axis=0) 变成 arr(2,3,5)
np.stack([arr1,arr2],axis=1) 变成 arr(3,2,5)
np.stack([arr1,arr2],axis=2) 变成 arr(3,5,2)