【Python】Numpy笔记（更新ing）

Python原生语法与Numpy对比

求数组元素的和：

（1）使用Python原生list：

def python_sum(n):
    """ Python实现数组的加法
    @param n：数组的长度
    """
    a = [i**2 for i in range(n)]
    b = [i**3 for i in range(n)]
    c = []
    for i in range(n):
        c.append(a[i] + b[i])
    return c

（2）使用Numpy：

def numpy_sum(n):
    """ numpy实现数组的加法
    @param n：数组的长度
    """
    a = np.arange(n) ** 2
    b = np.arange(n) ** 3
    return a+b

从上面的代码中可以看到，要求数组中各元素的和，如果用原生List，必须使用循环。而Numpy数组可以直接用运算符。

此外，Numpy的执行速度也比原生Python List快很多。

Numpy的核心array对象以及创建array的方法

创建array的方法：

（1）从Python的列表List和嵌套列表创建array：

import numpy as np
# 创建一个一维数组，也就是Python的单元素List
x = np.array([1,2,3,4,5,6,7,8])
# 创建一个二维数组，也就是Python的嵌套List
X = np.array(
    [
        [1,2,3,4],
        [5,6,7,8]
    ]
)

（2）使用预定函数的arange、ones/ones_like、zeros/zeros_like、empty/empty_like、full/full_like、eye等函数创建：

#【1】arange函数：arange([start,] stop[, step,], dtype=None)
np.arange(10) #array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
np.arange(2, 10, 2) #array([2, 4, 6, 8])
# 【2】ones函数：np.ones(shape, dtype=None, order='C')
#shape : int or tuple of ints Shape of the new array, e.g., (2, 3) or 2
np.ones(10)#array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])
np.ones((2,3))
#array([[1., 1., 1.],
#       [1., 1., 1.]])
# 【3】ones_like函数：ones_like(a, dtype=float, order='C')
np.ones_like(x)
np.ones_like(X)
# 【4】empty函数：empty(shape, dtype=float, order='C')
#注意：数据是未初始化的，里面的值可能是随机值不要用
np.empty(10)#array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
np.empty((2,4))
# 【5】full函数：np.full(shape, fill_value, dtype=None, order='C')
# 创建指定值的数组
np.full(10, 666)
np.full((2,4), 333)

（3）生成随机数的np.random模块构建：

#【1】设定随机种子，每次生成的随机数相同
np.random.seed(666)

#【2】rand(d0, d1, ..., dn)
#返回数据在[0,1)之间，具有均匀分布
np.random.rand(5)#array([0.70043712, 0.84418664, 0.67651434, 0.72785806, 0.95145796])
np.random.rand(3,