Numpy基础与常用函数

基础部分
首先需要导入 NumPy 模块，并约定简称为 np。

一、 导入 NumPy：
import numpy as np

二、查看 NumPy 版本信息：
np.version

三、创建数组

通过列表创建一维数组：
np.array([1, 2, 3])
上方数组是一个秩为 1 的数组，因为它只有一个轴，而轴的长度为 3。

通过列表创建二维数组：
np.array([(1, 2, 3), (4, 5, 6)])
上方数组的秩为 2。第一个维度长度为 2,第二个维度长度为 3。

创建全为 0 的二维数组：
np.zeros((3, 3))
​

创建全为 1 的三维数组：
np.ones((2, 3, 4))
​

创建一维等差数组：
np.arange(5)
​

创建二维等差数组：
np.arange(6).reshape(2, 3)
​

创建单位矩阵（二维数组）：
np.eye(3)
​

创建等间隔一维数组：
np.linspace(1, 10, num=6)
​

创建二维随机数组：
np.random.rand(2, 3)
​

创建二维随机整数数组（数值小于 5）：
np.random.randint(5, size=(2, 3))
​

依据自定义函数创建数组：
np.fromfunction(lambda i, j: i + j, (3, 3))
​
四、数组运算

生成一维示例数组：
a = np.array([10, 20, 30, 40, 50])
b = np.arange(1, 6)
a, b

一维数组加法运算：
a + b

一维数组减法运算：
a - b
​

一维数组乘法运算：
a * b
​

一维数组除法运算：
a / b

生成二维示例数组（可以看作矩阵）：
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6],[7, 8]])
A, B

​
生成二维示例数组（可以看作矩阵）：
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6],[7, 8]])
A, B
​
矩阵加法运算：
A + B
​
矩阵减法运算：
A - B
​
矩阵元素间乘法运算：
A * B
​
矩阵乘法运算（注意与上题的区别）：
np.dot(A, B)

如果使用 np.mat 将二维数组准确定义为矩阵，就可以直接使用 * 完成矩阵乘法计算。
np.mat(A) * np.mat(B)
​
数乘矩阵：
2 * A
​
矩阵的转置：
A.T
​
 矩阵求逆：
np.linalg.inv(A)
​
五、数学函数
三角函数：
np.sin(a)
​
以自然对数函数为底数的指数函数：
np.exp(a)
​
数组的方根的运算（开平方）：
np.sqrt(a)
​
数组的方根的运算（立方）：
np.power(a, 3)
​

六、数组切片和索引
一维数组索引：
a = np.array([1, 2, 3, 4, 5])
a[0], a[-1]
​
一维数组切片：
a[0:2], a[:-1]
​
二维数组索引：
a = np.array([(1, 2, 3), (4, 5, 6), (7, 8, 9)])
a[0], a[-1]
​
二维数组切片（取第 2 列）：
print(a)
a[:, 1]
​
二维数组切片（取第 2，3 行）：
a[1:3, :]
​
七、数组属性及操作
np.ndim： 秩,维度
np.shape： 数组的维度，各维度的尺度 （2，5）
np.size： 数组元素的总个数
np.dtype： ndarray 元素的类型 dtype(‘int32’)
np.itemsize： ndarray 对象中每个元素的大小，以字节为单位
np.flags： ndarray 对象的内存信息
np.real： ndarray元素的实部
np.imag： ndarray 元素的虚部
np.data： 包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。

​
 查看数组形状：
a.shape
​
 更改数组形状（不改变原始数组）：
a.reshape(2, 3) # reshape 并不改变原始数组
​
更改数组形状（改变原始数组）：
a.resize(2, 3) # resize 会改变原始数组
​
 展平数组：
a.ravel()
​
垂直拼合数组：
np.vstack((a, b))
​
水平拼合数组：
np.hstack((a, b))
​
 沿横轴分割数组：
np.hsplit(a, 3)
​
沿纵轴分割数组：
np.vsplit(a, 3)

返回每列最大值：
np.max(a, axis=0)
​
返回每行最小值：
np.min(a, axis=1)
​
返回每列最大值索引：
np.argmax(a, axis=0)
​
返回每行最小值索引：
np.argmin(a, axis=1)
​
八、数组统计
统计数组各列的中位数：
np.median(a, axis=0)
​
统计数组各行的算术平均值：
np.mean(a, axis=1)
​
统计数组各列的加权平均值：
np.average(a, axis=0)
​
统计数组各行的方差：
np.var(a, axis=1)
​
统计数组各列的标准偏差：
np.std(a, axis=0)
————————————————
版权声明：本文为CSDN博主「往事随风beat」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/pythonbeatman/article/details/105536950