Python中numpy库的使用！！！（超实用！！）

目录

Numpy的基本使用

NumPy库中用于创建数组的函数

NumPy库中用于随机数生成的函数

NumPy数组的属性（维度、形状、元素总数、数据类型和每个元素的字节大小）

---

Numpy的基本使用

NumPy是Python科学计算的基础库，主要用于数组和矩阵运算。NumPy提供了许多高效的方法来操作数据和执行数值计算，并且具有比Python内置列表更高的性能。

以下是一些NumPy库的使用示例：

1.导入NumPy库

import numpy as np

2.创建numpy数组

# 从列表创建numpy数组
a = np.array([1, 2, 3])
print(a)  # 输出: [1 2 3]

# 创建全0数组
b = np.zeros((2, 3))  # 传入一个元组表示数组的形状
print(b)              # 输出: [[0. 0. 0.]
                       #       [0. 0. 0.]]

# 创建全1数组
c = np.ones(4)
print(c)  # 输出: [1. 1. 1. 1.]

# 创建等差数组
d = np.arange(2, 10, 2) # 从2开始到10，间隔为2
print(d)                # 输出: [2 4 6 8]

3.对数组进行索引和切片

# 索引单个元素
a = np.array([1, 2, 3])
print(a[0])  # 输出: 1

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

# 多维数组的索引和切片
c = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(c[0][1])      # 输出: 2
print(c[1,:2])      # 输出: [4 5]
print(c[:2, 1:])    # 输出: [[2 3]
                    #       [5 6]]

4.数组的基本运算

# 数组加减乘除
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(a + b)  # 输出: [5 7 9]
print(a - b)  # 输出: [-3 -3 -3]
print(a * b)  # 输出: [ 4 10 18]
print(b / a)  # 输出: [4.  2.5 2. ]

# 数组的统计函数
c = np.array([4, 3, 6, 1, 2])
print(np.mean(c))     # 输出: 3.2
print(np.max(c))      # 输出: 6
print(np.min(c))      # 输出: 1
print(np.median(c))   # 输出: 3.0
print(np.var(c))      # 输出: 2.64

（1）mean函数

        mean函数是一个统计函数，用于计算数组或矩阵中元素的平均值。

        在NumPy中，np.mean()函数接受一个数组或矩阵作为参数，可以指定axis参数来计算该轴上的平均值。例如，当axis=0时，np.mean()函数将返回每列的平均值；当axis=1时，它将返回每行的平均值。

（2）median函数

        median函数是一种用于计算数值序列中位数的函数。在统计学中，中位数是将一组数值按照从小到大的顺序排列后，处于中间的一个数（当该序列为偶数个时，取中间两个数的算术平均数）。median函数广泛应用于数据分析和处理领域，例如用于消除极端值、测量数据集的变异性等。

        在Python NumPy中，numpy.median()函数可用于计算数组、列表等数值序列的中位数，其语法为：numpy.median(a, axis=None)，其中a为输入数组或列表，axis参数表示选择的轴向（默认为None，即所有元素）。该函数返回输入序列的中位数，可以同时计算多个轴向的中位数。

（3）var函数

        var函数是一种计算数值序列中方差的函数。在统计学中，方差是样本数据与其平均数之差的平方值的平均数。方差越大，说明数据的分布越分散；方差越小，说明数据的分布越集中。因此，方差是衡量数据离散程度的重要指标之一。

        在Python NumPy库中，numpy.var()函数用于计算数组、列表等数值序列的方差，其语法为：numpy.var(a, axis=None, ddof=0)，其中a为输入数组，axis参数表示选择的轴向（默认为None，即所有元素），ddof参数表示自由度修正值（默认为0）。该函数返回指定序列的方差。

        需要注意的是，在使用var函数计算方差时，可能需要根据不同的目的进行自由度修正，以避免由于样本数量较小而导致方差被低估的问题。

---

NumPy库中用于创建数组的函数

1.zeros函数是用来创建一个全零数组或矩阵。

numpy.zeros(shape, dtype = float, order = 'C')

        其中，shape参数表示数组的形状，可以接受一个整数或者一个整数组成的元组。dtype参数表示数组的数据类型，可以指定为int、float、complex等。order参数表示数组元素在内存中的排列顺序，可以指定为C（按行排列）或F（按列排列）。

import numpy as np

# 创建一个2*3的全零数组
a = np.zeros((2, 3))
print(a)  # 输出: [[0. 0. 0.]
          #       [0. 0. 0.]]

2.ones函数是用来创建一个全1数组或矩阵。其语法与zeros函数类似，只需将zeros替换为ones即可。

import numpy as np

# 创建一个4个元素的全1数组
b = np.ones(4)
print(b)  # 输出: [1. 1. 1. 1.]

# 创建一个3*3的全1矩阵
c = np.ones((3, 3))
print(c)  # 输出: [[1. 1. 1.]
          #       [1. 1. 1.]
          #       [1. 1. 1.]]

3.diag函数是用来创建对角阵的函数。

numpy.diag(v, k=0)

        其中，v参数可以是一个一维数组或列表，也可以是一个整数n（表示创建n*n的对角阵），k参数表示对角线的偏移量（默认为0，表示主对角线）。

import numpy as np

# 创建一个4*4的对角矩阵，对角线上的元素为1,2,3,4
a = np.diag([1, 2, 3, 4])
print(a)  # 输出: [[1 0 0 0]
          #       [0 2 0 0]
          #       [0 0 3 0]
          #       [0 0 0 4]]

4.eye函数是用来创建单位矩阵的函数。单位矩阵是一个主对角线上的元素都是1，其他元素都是零的方阵。

numpy.eye(N, M=None, k=0, dtype=float, order='C')

        其中，N参数表示行数，M参数表示列数（默认为N），k参数表示对角线的偏移量（默认为0），dtype参数表示数据类型，默认为float。

import numpy as np

# 创建一个3*3的单位矩阵
a = np.eye(3)
print(a)  # 输出: [[1. 0. 0.]
          #       [0. 1. 0.]
          #       [0. 0. 1.]]

5.full函数是用来创建填充指定值的数组的函数。

numpy.full(shape, fill_value, dtype=None, order='C')

        其中，shape参数表示数组的形状，fill_value参数表示要填充的值，dtype参数表示数据类型，order参数表示数组元素在内存中的排列顺序。

import numpy as np

# 创建一个2*3的数组，填充数值为7
a = np.full((2, 3), 7)
print(a)  # 输出: [[7 7 7]
          #       [7 7 7]]

---

NumPy库中用于随机数生成的函数

1.seed函数是用来设置随机数种子的函数。

numpy.random.seed(seed=None)

其中，seed参数为随机数种子，若不指定种子，则会根据当前时间生成一个随机种子。

import numpy as np

# 设置随机种子
np.random.seed(42)
a = np.random.rand(2, 3)
print(a)  # 输出: [[0.37454012 0.95071431 0.73199394]
          #       [0.59865848 0.15601864 0.15599452]]

# 重新设置相同的随机种子
np.random.seed(42)
b = np.random.rand(2, 3)
print(b)  # 输出: [[0.37454012 0.95071431 0.73199394]
          #       [0.59865848 0.15601864 0.15599452]]

重新设置相同的随机种子之后，生成的随机数序列也是相同的。

2.rand函数用于生成给定形状的随机数数组。

numpy.random.rand(d0, d1, ..., dn)

其中，d0, d1, ..., dn表示每个维度上数组的大小。

import numpy as np

# 生成一个100个元素的一维随机数数组
a = np.random.rand(100)
print(a)

# 生成一个3*3的二维随机数数组
b = np.random.rand(3, 3)
print(b)

3.randn函数用于生成标准正态分布中的样本值。

numpy.random.randn(d0, d1, ..., dn)

import numpy as np

a = np.random.randn(2, 3)
print(a)  # 输出: [[-0.3224172  -0.38405435  1.13376944]
          #       [-1.09989127 -0.17242821 -0.87785842]]

4.randint函数用于生成指定范围内的随机整数。

numpy.random.randint(low, high=None, size=None, dtype='l')

        其中，low参数表示随机整数的下限（包含），high参数表示随机整数的上限（不包含），如果不指定high参数，则默认生成low到2^31-1之间的随机整数。size参数表示生成数组的形状。

import numpy as np

# 生成一个大小为3的、取值范围在[0, 10)之间的随机整数数组
a = np.random.randint(0, 10, size=3)
print(a)  # 输出: [5 8 5]

# 生成一个3*3*3的、取值范围在[10, 20)之间的随机整数数组
b = np.random.randint(10, 20, size=(3, 3, 3))
print(b)

---

NumPy数组的属性（维度、形状、元素总数、数据类型和每个元素的字节大小）

1）.ndim属性：返回数组的维度数。

numpy.ndarray.ndim

import numpy as np

a = np.array([[1, 2], [3, 4]])
print(a.ndim)  # 输出: 2

2）.shape属性：返回数组的形状，即每个维度上的长度。

numpy.ndarray.shape

返回值为一个元组。

import numpy as np

a = np.array([[1, 2], [3, 4]])
print(a.shape)  # 输出: (2, 2)

3）.size属性：返回数组中的元素总数。

numpy.ndarray.size

import numpy as np

a = np.array([[1, 2], [3, 4]])
print(a.size)  # 输出: 4

4）.dtype属性：返回数组中元素的数据类型。

numpy.ndarray.dtype

import numpy as np

a = np.array([[1, 2], [3, 4]])
print(a.dtype)  # 输出: int64

5）.itemsize属性：返回数组中每个元素的字节数。

numpy.ndarray.itemsize

import numpy as np

a = np.array([[1, 2], [3, 4]])
print(a.itemsize)  # 输出: 8 (默认情况下，int64类型的元素占8个字节)