NumPy学习笔记

1. 简介

版本1.15.4

NumPy是一个Python科学计算的基础包，包含了多维数组对象(multidemensional array object)和诸如矩阵等多种衍生对象，然后基于此进行数学计算、逻辑计算、维度改变、排序、筛选、输入输出、离散傅里叶变换、基础线性代数、基础统计操作、随机模拟等等一系列操作。

NumPy和Python内置序列的区别

• NumPy中的数组在创建的时候长度是固定的，修改长度会新建数组、删除原有数组；
• NumPy数组中的元素必须属于同一类型，对象数组除外；
• NumPy数组帮助实现大量数据的高级数学计算和其他类型操作，并且执行的效率比Python内置序列要更高；
• 越来越多的Python包都开始基于NumPy并且处理数据时都直接返回NumPy数组，所以掌握NumPy是非常有必要的

2. ndarray

NumPy的核心数据结构是一个包含同类型数据的多维数组ndarray，因为维度可能较高，所以常常使用一个包含正整数的元组进行索引，NumPy中维度又称“轴”(axis，复数是axes)

属性	解释
ndarray.ndim	返回ndarray的轴数
ndarray.shape	以元组的形式返回ndarray的维度
ndarray.size	返回ndarraty中元素的总数，相当于ndarray.shape中各个数字的乘积
ndarray.dtype	返回ndarray中元素的类型，常见的有numpy.int32, numpy.float32, numpy.float64
ndarray.itemsize	返回ndarray中元素所占的字节数
ndarray.data	不建议使用

2.1 创建

（1）直接将Python的列表或者元组（二者嵌套也可以）转换为多维数组；（适用于中小型数据的人工构建）

（2）**使用NumPy初始化函数，**通过占位符内容来初始化ndarray。（偏向大型数据的自动构建）

（3）从磁盘、标准格式、自定义格式中读取ndarray

（4）从字符串或缓存中创建

（5）使用特殊的库函数，比如random

函数	解释
zeros(shape)/zeros_like()	构建全0数组
ones(shape)/ones_like()	构建全1数组
empty(shape)/empty_like()	构建随机数组
arange(a, b, c)	类似Python中range()的构建方法，a,b,c分别代表起始值、终止值、步长/方向
linspace(a, b, c)	同上，只不过c不代表步长，而代表在a与b之间生成数字的个数
random.random(shape)	创建指定维度的随机数组，元素为0到1之间
random.rand()	(**待补充**)
random.randn()	(**待补充**)
fromfunction()	(**待补充**)
fromfile()	(**待补充**)

2.2 元素级运算

函数	解释
max(axis)/min(axis)	统计最值
sum(axis)	求和
np.exp(ndarray)	计算自然指数
np.sqrt(ndarray)	计算平方根
np.add(ndarray1, ndarray2)	元素级数组相加，相当于ndarray1+ndarray2
np.floor(ndarray)	计算小于的最大整数
np.ceil(ndarray)	计算大于的最小整数

2.3 更改维度

函数名	解释
ndarray.ravel()	将多维数组压成一个一维数组，并返回
ndarray.reshape(shape)	将ndarray调整为指定的维度并返回，reshape([3, 4])或者reshape(3, 4)都可以，如果是reshape(3, -1)则表示最后一个轴自动计算
ndarray.resize(shape)	原地方法，和reshape稍有不同
ndarray.T	矩阵的转置
ndarray[:, newaxis]	加一个轴，需要导入from numpy import newaxis

2.4 连接

函数名	解释
np.vstack((ndarray1, ndarray2))	竖直堆积，对于二维数组等价于row_stack()
np.hstack((ndarray1, ndarray2))	水平堆积，对于二维数组等价于column_stack()
np.c()	沿着第二个轴将切片对象连接在一起
np.r()	沿着第一个轴将切片对象连接在一起

2.5 分割

函数名	解释
hsplit(ndarray, 3)	将ndarray水平分割为三个大小相同的多维数组
hsplit(ndarray, (3, 4))	将ndarray水平分割为三个子数组，切割位置为第三列、第四列
vsplit()	依次类推

2.6 复制与视图

复制分为深复制和浅复制两种，由于NumPy中的==运算符会产生布尔数组，所以常用is来区分二者。

NumPy中的深浅复制和其余语言不同，为了统一，在这里稍作修改：深复制得到的变量的值发生变化会引起原变量的值的变化，而浅复制则相反。

（1）赋值操作不是复制

执行了a = b那么a is b一定成立

（2）view()和base

ndarray的切片其实就是创建一个视图，而视图其实生成了一个新的数组对象，只不过在产生的过程中视图窗口中的数据保持不变，需要注意的是修改视图中的数据等价于修改原数据（修改视图的维度和数据类型除外）。

（3）copy()实现浅复制

copy()函数得到的是一个独立的数组对象副本，对此副本的所有操作，都将和原来数组无关。