2021-01-10NumPy使用教程

最新推荐文章于 2022-07-29 05:44:52 发布

乡村农夫

最新推荐文章于 2022-07-29 05:44:52 发布

阅读量507

点赞数

分类专栏： python

本文链接：https://blog.csdn.net/qq_23114283/article/details/112439924

版权

python 专栏收录该内容

25 篇文章 0 订阅

订阅专栏

NumPy是python中很常用的基础库，在这里做个笔记。尽管内容不很全面，若加上自己举一反三的能力，掌握这些基本够用了。

NumPy数组创建：
1. np.empty(shape, dtype = float, order = 'C') #shape形状， dtype类型， order存储元素的顺序(一般不用指定这一项)。
2. np.zeros(shape, dtype = float, order = 'C')
3. np.ones(shape, dtype = float, order = 'C')
4. np.asarray(numpy, dtype = float, order = 'C')
5. np.arange(start, stop, step, dtype)
6. np.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
NumPy数组属性：
1. ndarray.ndim 秩，即轴的数量或维度的数量
2. ndarray.shape 数组的维度，对于矩阵，n 行 m 列
3. ndarray.size 数组元素的总个数，相当于 .shape 中 n*m 的值
4. ndarray.dtype ndarray 对象的元素类型
NumPy数组索引和切片
1. a[2:7:2]
2. a[...,1]
3. x[[0,1,2], [0,1,0]] #取3个元素，坐标分别是（0,0）（1,1），（2,0）
4. x[x > 5] #返回大于5的元素（返回结构是一维数组）
NumPy数组Broadcast
1. np.tile(b, (4, 1)) # 重复 b 的各个维度
NumPy数组操作
1. a.reshape(4,2)
2. np.transpose(a) #行列对调
3. np.broadcast_to(a,(4,4)) #返回一个新形状的数组视图
4. numpy.expand_dims(arr, axis) #在指定维度加一个维度
5. numpy.squeeze(arr, axis) #删除长度为1的一维数组
6. numpy.concatenate((a1, a2, ...), axis) # 数组链接
7. numpy.stack(arrays, axis) #数组堆叠，会增加一个维度
8. np.split(a,3) #将数组分为三个大小相等的子数组
NumPy数组计算
1. np.bitwise_and(a, b) #与
2. np.bitwise_or(13, 17) # 或
3. np.invert(a） # 非
4. np.left_shift(10,2) #左移
5. np.right_shift(40,2) #右移
6. np.char.add(['hello'],[' xyz']) #连接两个字符串（NumPy主要是数据处理，虽然它支持对字符串操作，但我们不需要理解很多）
7. np.sin(a), np.cos(a*np.pi/180), np.tan(a*np.pi/180)
8. np.around(a, decimals = 1) #四舍五入，保留小数点后一位有效数字
9. np.floor(a) #向下取整
10. np.ceil(a) #向上取整
11. np.add(a,b)， np.subtract(a,b)， np.multiply(a,b)，np.divide(a,b) #加减乘除
12. np.reciprocal(a) #倒数
13. np.power(a,2) #指数计算，若第二个元素是数组，则计算对应元素的指数
14. np.mod(a,b) #取模，若第二个元素是数组，则计算对应元素取模
15. np.amin(a,1) #计算指定维度的最小值
16. np.amax(a) #计算指定维度的最大值
17. np.ptp(a, axis = 1) # 计算指定维度最大最小值的差
18. np.percentile(a, 50, axis=0) #获取百分位数
19. np.median(a, axis = 0) #获取中位数，中位数就是百分位数的特例
20. np.mean(a, axis = 0) #获取某一个维度的算术平均值
21. np.average(a, axis = 1, weights = wt)) #获取加权平均值，若不指定加权值，则结果就是算术平均值
22. np.std([1,2,3,4]) # 获取标准差
23. np.var([1,2,3,4]) #获取方差
NumPy数组排列和条件筛选
1. numpy.sort(a, axis, kind, order) # kind 排列算法，默认快速排序， order指定排列字段
2. numpy.argsort(a, axis, kind, order) # 和sort不同的是，argsort返回对应数组的索引
3. numpy.lexsort #用于对多个序列进行排序
4. np.partition(a, (1, 3)) # 小于 1 的在前面，大于 3 的在后面，1和3之间的在中间
5. np.argmax(a, axis = 0) #返回指定维度最大值
6. np.argmin(a, axis = 0) #返回指定维度最小值
7. np.nonzero (a) #返回非零元素索引
8. np.where(x > 3) # 大于 3 的元素的索引
9. np.extract(condition, x) #使用条件提取元素
NumPy数组字节序交换
1. numpy.ndarray.byteswap() # 大小端字节序交换
NumPy数组副本和视图
1. 视图
  1. numpy 的切片操作返回原数据的视图
  2. 调用 ndarray 的 view() 函数产生一个视图
2. 副本：
  1. Python 序列的切片操作，调用deepCopy()函数
  2. 调用 ndarray 的 copy() 函数产生一个副本
NumPy矩阵库Matrix
1. a.T #转置数组
2. np.matlib.empty((2,2)) #返回一个2*2矩阵，填充为随机数据
3. np.matlib.zeros((2,2)) #返回一个2*2矩阵，填充为0
4. np.matlib.ones((2,2)) #返回一个2*2矩阵，填充为1
5. np.matlib.eye(n = 3, M = 4, k = 0, dtype = float) # 返回n行m列，对角元素为1，其他元素为0的矩阵
6. np.matlib.identity(5, dtype = float) #返回一个单位矩阵
7. np.matlib.rand(3,3) #创建指定大小的矩阵
NumPy线性代数
1. numpy.dot(a, b, out=None) #两个数组的点积，即元素对应相乘
2. np.vdot(a,b) #两个向量的点积
3. np.inner(np.array([1,2,3]),np.array([0,1,0])) # 返回一维数组的向量内积。对于更高的维度，它返回最后一个轴上的和的乘积
4. np.matmul(a,b) #返回两个数组的矩阵乘积
5. np.linalg.det(a) #计算输入矩阵的行列式
6. numpy.linalg.solve() #矩阵形式的线性方程的解
7. np.linalg.inv(x) #计算矩阵的乘法逆矩阵
NumPy IO
1. np.save('outfile.npy',a)
2. p.load('outfile.npy')
NumPy Matplotlib绘图

import numpy as np 
from matplotlib import pyplot as plt 
 
x = np.arange(1,11) 
y =  2  * x +  5 
plt.title("Matplotlib demo") 
plt.xlabel("x axis caption") 
plt.ylabel("y axis caption") 
plt.plot(x,y) 
plt.show()

内容摘抄：https://www.runoob.com/numpy/numpy-tutorial.html