NumPy基本数据类型和初始化

一、NumPy

NumPy（Numerical Python）是Python语言的一个扩展程序库，支持了大量的维度数组和矩阵计算，同时也针对数组运算提供了大量的数学函数库。广泛应用于矩阵运算、线性代数、傅立叶变换、随机数生成等领域。

二、基本数据类型

NumPy支持的数据类型比Python内置的类型要多，基本上可以和C语言的数据类型对应，其中部分类型对应为Python内置的类型。常用NumPy基本类型如下：

# string
array_string=np.array(['1.24','2.6','21'], dtype=np.string_)
array_string.astype(float)

# print result
array([1.24,  2.6, 21.])

注意：由于NumPy的字符串数据类型大小是固定的，当发生截取时，不会告警。所以使用numpy.string_要小心，不要发生截取。实在用NumPy处理不了的字符串数据，可以用pandas，其提供了非数值数据的便利处理方法。第二，调用astype方法会创建一个新的数组，无论astype里的数据类型跟原始dtype是否一样。

三、NumPy数组初始化

import numpy as np

np.zeros(20, dtype=int)
# 创建一个长度为20的数组，数组的值都为0
# print
# array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

np.ones((4,5), dtype=float)
# 创建一个4*5的浮点数类型数组，数组的值都为1.
# print
# array([[1., 1., 1., 1., 1.],
#       [1., 1., 1., 1., 1.],
#       [1., 1., 1., 1., 1.],
#       [1., 1., 1., 1., 1.]])

np.full((4,5), 3.14)
# 创建一个4*5的浮点数类型数组，数组的值都为3.14
# print
# array([[3.14, 3.14, 3.14, 3.14, 3.14],
#        [3.14, 3.14, 3.14, 3.14, 3.14],
#        [3.14, 3.14, 3.14, 3.14, 3.14],
#        [3.14, 3.14, 3.14, 3.14, 3.14]])

np.arange(0, 20, 2)
# 创建一个整型数组，数组的值是一个线性序列，从0开始，到20结束，步长为2
# print
# array([ 0,  2,  4,  6,  8, 10, 12, 14, 16, 18])

p.random.random((4,4))
# 创建一个4*4数组，其值为0-1间均分分配的随机数
# print
# array([[0.06616471, 0.18139292, 0.29060494, 0.2100059 ],
#       [0.30988499, 0.02720308, 0.18864994, 0.62882524],
#       [0.27220117, 0.28404628, 0.63963573, 0.46723886],
#       [0.59130974, 0.42247367, 0.61229801, 0.0567741 ]])

p.random.normal(0, 1, (4,4))
# 创建一个4*4数组，其值为均值为0，方差为1的正态分布产生的随机数
# print
# array([[ 0.88720589, -1.62490681,  0.20583656, -2.08164876],
#       [-0.706591  , -0.15754023,  0.85172636,  0.65038692],
#       [-0.55309543,  0.76123212, -0.3306992 ,  0.57460791],
#       [ 1.08167741, -1.32120106, -1.33066866, -0.71509059]])

np.random.randint(0, 20, (4,4))
# 创建一个4*4数组，其值为[0, 20)间的随机整数
# print
# array([[ 6, 10,  8,  5],
#       [ 9,  3, 15, 10],
#       [ 1, 18,  2, 15],
#       [16, 10,  9,  9]])

# np.random.randint的上下限相等时，回报错
>>> np.random.randint(20,20)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "mtrand.pyx", line 992, in mtrand.RandomState.randint
ValueError: Range cannot be empty (low >= high) unless no samples are taken

np.eye(5)
# 创建一个5*5的单位矩阵
# print
# array([[1., 0., 0., 0., 0.],
#       [0., 1., 0., 0., 0.],
#       [0., 0., 1., 0., 0.],
#       [0., 0., 0., 1., 0.],
#       [0., 0., 0., 0., 1.]])

np.empty(5)
# 创建一个由5个整数组成的数组，其值是内存空间中的任意值
# print
# array([1., 1., 1., 1., 1.])

四、NumPy数组和list的互相转化

>>> import numpy as np
 
>>> list = [1,2,3,4]

>>> array = np.array(list)

>>> array
array([1, 2, 3, 4])
 
>>> list2 = array.tolist()

>>> list2
[1, 2, 3, 4]

引用

【1】NumPy Data types：https://numpy.org/doc/stable/user/basics.types.html

【2】https://www.runoob.com/numpy/numpy-dtype.html

【3】NumPy 源代码：https://github.com/numpy/numpy

【4】SciPy 官网：https://www.scipy.org/

【5】SciPy 源代码：https://github.com/scipy/scipy

【6】Matplotlib 官网：https://matplotlib.org/

【7】Matplotlib 源代码：https://github.com/matplotlib/matplotlib

【8】https://numpy.org/doc/stable/reference/random/generated/numpy.random.randint.html?highlight=randint#numpy.random.randint