Numpy学习笔记（Python）Part.I

 

创建一个数组

a = np.array([1,3,1,4,5,2,1])

print(a) [1 3 1 4 5 2 1] == 》 [1 3 1 4 5 2 1]

 

b = np.array((1,3,1,4,5,2,1))

print(b) ==》 [1 3 1 4 5 2 1]

 

c = np.arange(x)

print(c) == 》 [0 1 2 3 …… x-1]

 

np.arange(Start , End , Num)

== 》 创建一个以“Start”为起始，“End“为结尾的有“Num”个数的数组

 

d = np.linspace(Start , End , Num)

== 》 创建一个以“Start”为起始，“End“为结尾的有“Num”个数的数组

 

数组的维度

2D（二维）数组：列表的列表（或者是一个序列的序列）

3D（三维）数组：列表的列表的列表

4D（四维）数组：列表的列表的列表的列表

以此类推……

 

数组的切片

print(a[行,列])  对2D数组进行切片

print(a[0, 1:4]) # >>>[12 13 14]
print(a[1:4, 0]) # >>>[16 21 26]
print(a[::2,::2]) # >>>[[11 13 15]
                  #     [21 23 25]
                  #     [31 33 35]]
print(a[:, 1]) # >>>[12 17 22 27 32]

 

数组的各种属性

首先定义数组a

print(type(a))

== 》 返回数组a的类型

print(a.shape)

== 》返回数组a的形状，即行与列的数量

print(a.itemsize)
== 》 返回数组a每个项所占用的字节数

print(a.ndim)

== 》 返回数组a的维度数

print(a.nbytes)

== 》 返回数组a中所有数据消耗掉的字节数

 

数组的使用

基本操作符

使用“+”，“-”，“*”，“/”；来对数组进行四则运算，这些操作符都是对数组进行逐元素运算。

它将每一个元素进行配对，然后对它们进行运算，返回结果为一个数组。

而使用“>”,“<”的时候，返回的将是一个布尔型数组

dot()函数用于计算两个数组的点积，它的返回值是一个标量，而非一个数组。

数组的点积计算方法：

 数组特殊运算符

a.sum()

==》将数组a中的所有元素相加

a.min()

==》返回数组a的最小元素

a.max()

==》 返回数组a中的最大元素

 

索引进阶

花式索引

# Fancy indexing
a = np.arange(0, 100, 10)
indices = [1, 5, -1]
b = a[indices]
print(a)
# ==》 [ 0 10 20 30 40 50 60 70 80 90]
print(b)
# ==》 [10 50 90]

布尔屏蔽

布尔屏蔽可以根据我们指定的条件检索数组中的元素

import numpy as np
import matplotlib.pyplot as plt
a = np.linspace(0, 1 , 50)
b = np.cos(a)
plt.plot(a,b)
mask = b >= 0.3
plt.plot(a[mask], b[mask], 'r')
mask = (b >= 0.3) & (a <= 0.5)
plt.plot(a[mask], b[mask], 'g')
plt.show()

运行结果如下：

 缺省索引

a = arange(0,100,10)
b -a[a >= 50]

print(b)
# ==》 [50 60 70 80 90]

Where函数

Where函数用于返回数组中的值，返回值为一个列表。

a = np.arange(0,100,10)
b = np.where(a < 50)
c = np.where(a >= 50)[0]

print(b)
# ==》 (array([0, 1, 2, 3, 4], dtype=int64),)
print(c)
# ==》 [5 6 7 8 9]

（部分素材取自Numpy中文网）