Numpy 基础

1. 通过array函数创建多维数组

• 创建一维数组

a = np.array([1,2,3,4])
print(a)

[1 2 3 4]

• 创建二维数组

b = np.array([[1,2,3],[4,5,6],[3,2,1]])
print(b)

[[1 2 3]
[4 5 6]
[3 2 1]]

2. 数组对象常用的属性（维度、形状、元素个数、元素字节数）

以下面的二维数组为例：

b = np.array([[1,2,3],[4,5,6],[3,2,1]])
print(b)

[[1 2 3]
[4 5 6]
[3 2 1]]

• 通过ndim属性，查看数组的维度

dim = b.ndim
print("b数组的维度是：", dim)

b数组的维度是： 2

• 通过shape属性，查看数组的形状

shape = b.shape
print("b数组的形状是：", shape)

b数组的形状是： （3, 3）

• 通过size属性，查看数组的元素个数

size = b.size
print("b数组的元素个数是：", size)

b数组的元素个数是：9

• 通过dtype属性，查看数组的元素字节数

dtype = b.dtype
print("b数组的元素字节数是：", dtype)

3. 创建特殊数组

• 通过np.arange(start, end, step)创建一个范围数组

c = np.arange(1, 10, 2)
print(c)

array([1, 3, 5, 7, 9])

• 通过np.ones((shape))创建一个元素全是1的数组

d = np.ones((3,4))

array([[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]])

• 通过np.zeros((shape))创建一个元素全是0的数组

d = np.zeros((4,5))

array([[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0]])

• 通过np.eye()创建一个对角线为1，其余为0的数组

f = np.eye(3)

array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])

4. 通过reshape和resize改变已经创建的数组形状

reshape会创建一个新的数组；resize则是直接在原数组上修改。

以下面的这个一维数组为例：

arr = np.arange(0, 20, 2)
print(arr)

[ 0 2 4 6 8 10 12 14 16 18]

• 通过reshape修改，在实际使用过程中需要结合赋值语句，将修改后的数组保存。

newarr = arr.reshape(2,5)
print(newarr)

array([[ 0, 2, 4, 6, 8],
[10, 12, 14, 16, 18]])

• 通过resize修改，直接在原数组上修改，不需要结合赋值语句。

arr.resize(2,5)
print(arr)

array([[ 0, 2, 4, 6, 8],
[10, 12, 14, 16, 18]])

5. Numpy的随机模块——numpy.random

np.random.rand(d0,d1,…,dn) 元素在[0,1)区间均匀分布的数组 浮点数

np.random.uniform(low, hige, size) 元素在[low, hige)区间均匀分布的数组 浮点数

np.random.randint(low, hige, size) 元素在[low, hige)区间均匀分布的数组 整数

np.random.randn(d0,d1,…,dn) 产生标准正泰分布的数组 浮点数

np.random,normal(loc, scale, size) 产生正态分布的数组 浮点数

np.random.seed(shuzi) 设置随机种子，仅一次有效

np.random.shuffle(序列） 打乱顺序函数（可以是列表或numpy数组）。如果是np，只打乱第一维。所以，如果是minist这样的数据集，可以将图片顺序打乱，而不会改变每张图片数据。

• 例如创建一个数值在1至255之间的整数，28x28的二维矩阵

arr = np.random.randint(1,256, (28,28))

通过matplotlib显示这个矩阵图像：

import matplotlib.pyplot as plt
plt.imshow(arr)
plt.show()