python——numpy简介和用法

目录

一、 numpy概述

二、 numpy常用配置

2.1 numpy配置显式格式

2.2 设置警告信息

2.3 numpy支持的数据类型

2.4 numpy的数组属性

2.5 numpy中的维，秩，轴

2.6 广播和矢量化

---

一、 numpy概述

NumPy是Python科学计算的基础软件包，提供多了维数组对象，多种派生对象（掩码数组、矩阵等）以及用于快速操作数组的函数及API，它包括数学、逻辑、数组形状变换、排序、选择、I/O 、离散傅立叶变换、基本线性代数、基本统计运算、随机模拟等。

NumPy是SciPy家族的成员之一。SciPy家族是一个专门应用于数学、科学和工程领域的开源Python生态圈，SciPy家族的核心成员为Matplotlib、SciPy和NumPy，可以概括为MSN这三个字母。

NumPy的核心是多维数组类numpy.ndarray，矩阵类numpy.matrix是多维数组类的派生类。以多维数组类为数据组织结构，NumPy提供了众多的数学、科学和工程函数。NumPy的组织结构如下图所示。

图中红色的两个子模块，numpy.core是NumPy的核心，包含ndarray、 ufuncs和dtypes等，numpy.lib提供NumPy的函数。这个两个子模块是私有的，所有的函数和对象都可以在numpy的命名空间中使用，使用时无需使用子模块名。

除了core和lib外，NumPy的其他常用子模块有：

numpy.random ：随机抽样子模块

numpy.ma：掩码数组子模块，用于处理包含无效或丢失的数据的数组

numpy.linalg ：线性代数子模块 numpy.fft ：离散傅里叶变换子模块

numpy.math ：由C标准定义的数学函数子模块

numpy.emath ：具有自动域的数学函数子模块

numpy.rec ：记录数组子模块，数组元素是多个不同类型的数据的组合，类似结构体

numpy.matrixlib ：矩阵类和函数子模块

numpy.ctypeslib ：ctypes外部函数接口子模块

numpy.polynomial：多项式子模块

numpy.char：向量化字符串操作子模块

numpy.testing ：测试支持子模块

二、 numpy常用配置

2.1 numpy配置显式格式

NumPy提供了一个配置字典，用于指定数据的显式格式或方式，比如精度位数，负数、非数字和无穷大的表示符号，是否使用科学计数法等。使用get_printoptions()可以查看配置字典的默认值：

import numpy as np

print(np.get_printoptions())

#输出
#{'edgeitems': 3, 'threshold': 1000, 'floatmode': 'maxprec', 'precision': 8, 'suppress': False, 'linewidth': 75, 'nanstr': 'nan', 'infstr': 'inf', 'sign': '-', 'formatter': None, 'legacy': False}

"edgeitems": 定义在打印数组时，数组两端显示的元素数量。默认值为3，表示打印数组时只显示数组的前3个元素和最后3个元素，中间的元素会被省略。

"threshold": 定义在数组打印过程中截断显示的元素数量。默认值为1000，当数组的元素数量超过这个阈值时，打印时会省略中间的元素，并显示省略号以表示截断。

"floatmode": 定义浮点数的打印模式。该键的值为"maxprec"。这意味着浮点数将以最大精度模式进行打印。最大精度模式("maxprec")是NumPy中的一种打印选项，它会根据浮点数的实际精度来决定打印的位数。换句话说，它会打印浮点数的所有有效位数，而不是根据固定的精度值来截断或舍入。

"precision": 定义打印浮点数的精度（小数点后的位数）。默认值为8，表示打印浮点数时会显示8位小数。

"suppress": 控制是否抑制小数的科学计数法显示。默认为False，表示不抑制科学计数法，即较大或较小的数字将以科学计数法的形式打印。

"linewidth": 定义打印每行的字符限制数。默认值为75，表示在打印数组时，每行字符的数量限制为75个。当一行字符超过这个限制时，将换行显示。

"nanstr": 定义表示NaN（Not a Number）的字符串。默认为"nan"，表示在打印数组时，将使用字符串"nan"来表示NaN值。

"infstr": 定义表示正无穷大的字符串。默认为"inf"，表示在打印数组时，将使用字符串"inf"来表示正无穷大的值。 "sign": 控制正数的显示方式。默认为"-"，表示在打印数组时，正数前面会显示减号。

"formatter": 定义一个函数或对象来自定义数组的打印格式。在提供的字典中，该键的值为None，表示没有自定义的打印格式。

"legacy": 控制是否使用旧版打印选项。在提供的字典中，该键的值为False，表示不使用旧版打印选项。

2.2 设置警告信息

在数学运算时，如果除数为0就会产生溢出错误，程序会异常中断。不过对NumPy而言，这个结果仅是个无效值（nan），通常不会导致程序中断，只是发出警告信息。如果想要屏蔽这个警告信息，可以使用seterr函数。

a = np.array([2,4,6])
b = np.array([1,0,3])
print(a/b)

[ 2. inf  2.]
D:\PyCharm\pycharmProjects\XPath\Numpy_1.py:6: RuntimeWarning: divide by zero encountered in divide
  print(a/b)

屏蔽警告信息：

np.seterr(invalid='ignore')

a = np.array([2,4,6])
b = np.array([1,0,3])
print(a/b)

2.3 numpy支持的数据类型

a = np.array([2,4,6])
print(a.dtype)

b = np.array([1,0,3],dtype='int16')
print(b.dtype)

c = np.array([1+1j,2-7j])
print(c.dtype)

d = np.array([1.1,1.2,1.3])
print(d.dtype)

e = np.array([1,0,1],dtype='bool')
print(e.dtype)

#'''
int32
int16
complex128
float64
bool
'''

2.4 numpy的数组属性

dtype可以查看数组的数据类型，dtype是数组对象的属性之一，除了dtype，NumPy数组还有其他一些属性，常用的有dtype和shape这两个属性，np对象加".属性名"即可输出属性值，这里不在详细解释。

2.5 numpy中的维，秩，轴

维，就是维度，指数组的维数，比如二维，三维。

秩是指数组的维度数。

数组的轴，和笛卡尔坐标系的轴。在对多维数组进行计算时，通过轴规定计算方向。

比如一维数组，类比于一维空间，只有一个轴，那就是0轴；二维数组，类比于二维平面，有两个轴，我们习惯表示成行、列，那么行的方向就是0轴，列的方向就是1轴；三维数组，类比于三维空间，有三个轴，我们习惯表示成层、行、列，那么层的方向就是0轴，行的方向就是1轴，列的方向就是2轴。

以三维数组的求和可以分为分层求和，逐行求和，逐列求和等，就需要用到轴规定计算方向。

a = np.arange(1,65).reshape((4,4,4)) # 3层3行3列的结构
print(np.sum(a))  #全部元素求和
print(np.sum(a,axis=0))  #分层求和  也就是层对应位置的和 消去层
print(np.sum(a,axis=1))  #分行求和  也就是行对应位置的和 消去行
print(np.sum(a,axis=2))  #分列求和  也就是列对应位置的和 消去列

#得到每一层的和
print(np.sum(np.sum(a,axis=1),axis=1))
print(np.sum(np.sum(a,axis=2),axis=1))

2.6 广播和矢量化

广播（broadcast）和矢量化（vectorization），是NumPy最精髓的特性，是NumPy的灵魂。所谓广播，就是将对数组的操作映射到每个数组元素上；矢量化可以理解为代码中没有显式的循环、索引等。NumPy数组最重要的特性是广播和矢量化，体现在性能上，就是接近C语言的运行效率，体现在代码上，则有这样的特点。

广播可以使用数组中每个值加1来体会：

a = np.arange(10)
print(a)
print(a+1)

结果：
[0 1 2 3 4 5 6 7 8 9]
[ 1  2  3  4  5  6  7  8  9 10]

矢量化可以体现在两个数组的加减乘除上：

a = np.arange(10)
a = a + 1
b = np.arange(10,20)
print(b + a)
print(b - a)
print(b / a)
print(b * a)

得到结果：
[11 13 15 17 19 21 23 25 27 29]
[9 9 9 9 9 9 9 9 9 9]
[10.          5.5         4.          3.25        2.8         2.5
  2.28571429  2.125       2.          1.9       ]
[ 10  22  36  52  70  90 112 136 162 190]