python——numpy学习笔记

numpy

numpy概述

运行速度快（C语言编写）
功能用途：数组运算

• 强大的N维数组对象ndarray
• 广播功能函数
• 线性代数、傅里叶变换、随机数生成等

ndarray数组

ndarray数组：

N维数组对象（矩阵），所有元素必须是相同的类型

创建ndarray数组函数：

array：将输入数据转换为ndarray
arange：返回一个ndarray而不是列表
ones：创建一个全1数组
zeros：创建一个全0数组
empty：创建新数组
eye：创建一个N*N的单位矩阵（对角线为1，其余为0）
linspace：创建等差数组

ndarray属性：

ndim：表示维度个数
shape：表示各维度大小
dtype：表示数据类型
size：表示数组大小
len：表示数组长度
itemsize：

指定ndarray数组元素的类型

ndarray数组的基本索引和切片，以及布尔索引

基本索引和切片

与Python列表的索引功能类似

boolean mask

通过关系式找数组中需要的元素
boolean mask：布尔索引，使用布尔数组作为索引

Brodcasting：ndarray的矢量化计算

对broadcasting理解

• 广播机制：numpy中array的一个重要操作，对不同shape的数组进行数值计算的方式，通过扩展数组的方法实现，即两个数组对应位元素之间的相加、相减以及相乘的操作（相乘操作区分于线性代数中的矩阵相乘）
• 原则：数组维度不同，但后缘维度的轴长相符，或其中一方的长度为1。后缘长度：从末尾开始算起的维度
• 原理：扩展数组

ndarray数组的浅拷贝与深拷贝

view：视图

数据的引用，通过改引用可访问、操作原数据。
函数：view

浅拷贝：

=运算符：赋值，为浅拷贝

深拷贝：

copy
copyto

ndarray数组的转置和轴对换

数组的转置/轴对换只会返回源数据的一个视图，不会对源数据进行修改。

函数：

transpose
swapaxes
rollaxis

ndarray数组重塑

函数：

reshape 数组重塑，返回的是视图，会影响原始矩阵
ravel：将多维数组转换为一维数组，返回的是视图，会影响原始矩阵
flatten：将多维数组转换为一维数组，返回的是拷贝
flat：将数组转换为一维的迭代器，可以用for访问数组中的每一个元素

ndarray数组的拆分和合并

函数：

concatenate：沿一条轴连接一组数组
stack：指定维度对数组进行堆叠
split：沿指定轴在指定的位置拆分数组

ndarray数组的元素重复操作

函数：

tile：以整个数组为单位的重复
repeat：以元素为单位的重复

ndarray数组的添加和移除

添加

append：将值赋加到数组的末尾
stack：按照不同轴的堆叠方式重新堆叠数组
insert：在指定轴上的对应位置插入元素

移除

delete：按指定轴删除元素，所有操作都在副本中进行

矩阵的翻转与旋转

函数：

fliplr：左右翻转。适用场景：图片左右翻转
flipud：上下翻转
roll：以指定维度滚动N个元素
rot90：矩阵旋转90°或90°的倍数

Structured Arrays：结构化数组

作用：将不同数据类型（一般有关联性）写入一个矩阵中
设置 创建ndarray数组函数中的 dtype参数

frompyfunc：函数向量化

ufunc的普通用法：通用函数的点对点操作
作用：将计算单个值的函数转化为计算数组中每个元素的函数，基于数组运算的函数，产生一个新的函数
缺点：因为这样的用法涉及大量的函数调用，因此，向量化函数的效率并不高

Finding Pattern

函数：

diff：沿指定轴计算第N位的离散差值

numpy中的随机数生成

函数：（import numpy.random）

seed：确定随机数生成器的种子
rand：产生均匀分布的样本值
randint：从给定的上下限范围内随机选取整数
randn：产生正态分布（平均值为0，标准差为1）的样本值
binomial：产生二项分布的样本值
normal：产生正态分布（高斯）的样本值
beta：产生Beta分布的样本值
chisquare：产生卡方分布的样本值
gamma：产生Gamma分布的样本值
uniform：产生在[0,1]中均匀分布的样本值

与for循环结合使用

ndarray常用的统计方法

函数：

sum：对数组中全部或某轴向的元素求和。零长度的数组sum为0
mean：算数平均数。零长度的数组mean为NaN
std、var：标准差、方差
min、max：最大值、最小值
argmin、argmax：最大、最小元素的索引
cumsum：所有元素的累计和
cumprod：所有元素的累计积

numpy中的线性代数

函数（import numpy.linalg）：

diag：以一维数组的形式返回方阵的对角线（或非对角线）元素，或将一维数组转换为方阵（非对角线元素为0）
dot：矩阵乘法
trace：计算对角线元素的和
det：计算矩阵行列式
eig：计算方阵的本征值和本征向量
inv：计算方阵的逆
pinv：计算矩阵的Moore-Penrose伪逆
qr：计算QR分解
svd：计算奇异值分解（SVD）
solve：解线性方程组Ax=b，其中A为一个方阵
lstsq：计算Ax=b的最小二乘解

numpy与matplotlib结合

矩阵matrix

代码示例（思维导图）

将所有知识点的代码示例及结果 以 思维导图 方式展现
实验平台：Jupyter Notebook
百度云链接: 思维导图
提取码：16in