python基础——numpy包

import numpy as np

ndarry

同种类型元素组成的多维数组

a = np.array([[1, 2, 3],[4, 5, 6]], dtype = float)

属性

• ndim:维度
• shape:数组形状
• reshape:改变形状
• dtype:元素类型
• size:尺度，代表元素个数

a.ndim   #2
a.shape  #(2, 3)
a.reshape(3, -1) #(3, 2) -1代表未知，根据其他维度来计算这一维的数值
a.dtype  #float64
a.size   #6

创建方式

• array：将普通序列转化为ndarray
• zeros:创建指定长度或形状的全零数组
• ones：创建指定长度或形状的全1数组
• empty：创建一个未初始化的数组

np.zeros((3, 4))  #这里(3, 4)为自己想创建的数组类型
np.ones((3, 6))
np.empty((3, 6))

• arange:(开始值, 终值, 步长)和python的range相同，不包括最终值
• linspace:(开始值, 终值, 元素个数),包含最终值
• logspace:(n, m, 元素个数)，将从10^n开始到10m结束，为等比数列

np.arange(5)  #array([0, 1, 2, 3, 4])
np.arange(0, 5, 1)  #array([0, 1, 2, 3, 4])

np.linspace(0, 10, 5)  #array([0, 2.5, 5, 7.5, 10])

np.logspace(0, 2, 5) #array([  1.        ,   4.64158883,  21.5443469 , 100.        ])

• random:产生随机数

np.random.random((2, 4))  #数组维度为(2, 4)

数据类型

• astype:转换数组类型

example = a.astype (int)

常见类型：

• in8:-128 ~ 127，1个字节
• in16:-32768 ~ 32767，2个字节
• float16:5位指数，10位小数
• float32:8位指数，23位小数
• float64:11位指数，52位小数

操作

运算

采用广播机制，对于数组可以实现批量计算

• 标量运算较为简单,+-*/同理

b = 2 * a  #array([[2, 4, 6], [8, 10, 12]])

• 数组间元素运算（对应元素运算）：+-*/要求数组形状相同

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

c = a+b  #array([[2, 4], [6, 8]])

• 矩阵外积：矩阵乘积

c = np.dot(a, b) #array([[ 7, 10], [15, 22]])

附：矩阵内积为2+4+6+8

布尔索引

索引有很多花样，这里只介绍最常用的两种

该索引方式适用于数值和字符串

example = np.random.random((2, 2))  
#array([[0.88270165, 0.79228441],[0.24445323, 0.33982179]])

example>0.5
#array([[ True,  True], [False, False]])

example2 = example[example>0.5]
#array([0.88270165, 0.79228441])

转置

example2 = example.transpose()
example2 = example.T
# array([[0.88270165, 0.24445323],[0.79228441, 0.33982179]])

通用函数

• abs,fabs：计算整数、浮点数或复数的绝对值，fabs对非复数更快
• sqrt：计算各元素的平方根
• square:计算各元素的平方
• exp:计算各元素的指数e的x次方
• maximum、fmax:元素级别的最大值，fmax会忽略NaN
• minimum、fmin:元素级别的最小值,fmin会忽略NaN
• pow:对第一个数组中的元素A，根据第二个数组中的相应元素B， 计算A的B次方
• isnan:返回一个表示“哪些值是NaN（不是一个数字）”的布尔类型数组
• mod：元素级的求模（除法的余数）

最大值，最小值，均值

• max()：最大值
• min()：最小值
• std()：均值

a = np.array([[1, 2, 3],[4, 5, 6]])

a.max()  #6
a.min()  #1
a.std()  #1.707825127659933

a.min(axis=0)  #第0维即按列求最小值
#array([1, 2, 3])

where函数

np.where(条件, x, y)=x[x if 条件 else y]

example = np.array([[1, 2, np.NaN], [4, np.NaN, 6]])
example2 = np.where(np.isnan(example), 0, example)
# array([[1., 2., 0.], [4., 0., 6.]])

文件读写

二进制文件

a = np.array([[1, 2, 3],[4, 5, 6]])

np.save('data', a)
data = np.load('data.npy')

文本文件

主要以csv文件形式

np.savetxt('data.csv', a, delimiter=',')
data = np.loadtxt('data.csv', delimiter=',')

data = np.genfromtxt('data.csv', delimiter=',')
#会读取标题,如data['y']