numpy

最新推荐文章于 2022-08-02 23:53:34 发布

爱吃萝卜的小青菜

最新推荐文章于 2022-08-02 23:53:34 发布

阅读量225

点赞数

分类专栏： python

本文链接：https://blog.csdn.net/qq_37160773/article/details/95327205

版权

python 专栏收录该内容

39 篇文章 1 订阅

订阅专栏

import numpy as np

属性

ndim
shape
size

创建array——numpy.ndarray

函数	含义
np.array()	创建一个numpy.ndarray类型的数组
np.zeros(shape)	返回一个指定shape的，元素全为0的numpy.ndarray类型的数组
np.arange(start, stop, step)	返回一个以step为步长，从start开始，到end前结束（左闭右开）的numpy.ndarray类型的数组
np.ones(shape)	返回一个指定shape的，元素全为1的numpy.ndarray类型的数组
np.empty(shape)	返回一个指定shape的numpy.ndarray类型的数组，其中的元素未初始化
np.linspace(start, stop, num, endpoint, retstep)	返回一个长度为num的数组，数组以start开始，可能以stop结束，其中的元素均匀分布

np.array()

import numpy as np

a = np.array([1, 2, 3])
print(type(a)) # <class 'numpy.ndarray'>
print(a) # [1 2 3]

np.zeros(shape)

shape : int or tuple of ints

import numpy as np

a = np.zeros((3,4))
print(type(a))
print(a)

在这里插入图片描述

np.ones(shape)

np.arange(start, stop, step, dtype)

Return evenly spaced values within a given interval.
dtype is the type of the output array.可以被指定

import numpy as np

a = np.arange(0, 24, 2).reshape((3, 4))
print(type(a))
print(a)

在这里插入图片描述

np.empty(shape)

Return a new array of given shape and type, without initializing entries.

import numpy as np

a = np.empty((2,3))
print(type(a))
print(a)

在这里插入图片描述

np.linspace(start, stop, num=50, endpoint=True, retstep=False)

start：

以start开始

num：

表示本数组有多少数，默认是50

endpoint：

True（默认）：表示以stop结束
False：表示以 [(stop - start)/num]*(num - 1) 结束

retstep：

False（默认）：表示np.linspace()返回的结果是个array
True：表示np.linspace()的返回结果是个tuple，包含(array, step)

import numpy as np

a = np.linspace(0, 20, 20, retstep= True)
print(type(a))
print(a)

在这里插入图片描述

numpy的其他函数

函数	含义
np.sin(arry)、cos(arry)、tan(arry)	求 arry 中每个元素的三角函数，其中元素的数值为弧长值
np.dot(a, b)	得到数组（又称向量）的内积，结果是一个数
np.sum(a, axis)	求和，axis表示从哪个方向求
np.min()、np.max()、np.mean()、np.average()	参照np.sum(a, axis)，其中mean、average结果差不多
np.median(a, axis)	求中位数
np.cumsum(a, axis)	挨个加，并得到结果，详见例子
np.nonzero(a)	返回非0的下标
np.sort()
np.clip(a, a_min, a_max)	相当于一个过滤+修改器，将不在（a_min, a_max）的改成a_min,或 a_max
np.transpose(a)或 a.T	转置

np.sin()、cos()、tan()

sin(1)得到的是弧长为1 的sin值

import numpy as np

a = np.linspace(1, 10, num= 10)
b = np.sin(a)
print(type(b))
print(b)

在这里插入图片描述

np.dot(a, b)

得到内积，是一个数字

import numpy as np

a = np.linspace(1, 10, num= 10)
b = np.arange(4, 14)
c = np.dot(a, b)
print(type(c))
print(c)

在这里插入图片描述

np.sum(a, axis)

import numpy as np

a = np.linspace(1, 12, num=12).reshape((3, 4))
print(a)
print(np.sum(a))
print(np.sum(a, axis=0))  # 求垂直方向的和
print(np.sum(a, axis=1))  # 求水平方向的和

在这里插入图片描述

np.min()、np.max()、np.mean()、np.average()

np.mean()：

Compute the arithmetic mean along the specified axis.

np.average():

Compute the weighted average along the specified axis.

并且这两个不在同一个模块中

np.median(a, axis)

这个函数会先排序，然后再找中位数
中位数是：

总长为奇时：中间的数
总长为偶时：中间两个数的均值

import numpy as np

a = np.linspace(1, 12, num=12)
print(np.median(a))
b = np.linspace(1, 11, num=11)
print(np.median(b))

在这里插入图片描述

np.cumsum(a, axis)

Return the cumulative sum of the elements along a given axis.
返回沿给定轴的元素的累积和。

import numpy as np

a = np.arange(2,11).reshape(3,3)
print(a)
print(np.cumsum(a)) # [ 2  5  9 14 20 27 35 44 54]

在这里插入图片描述

np.nonzero(a)

Return the indices of the elements that are non-zero.
Returns a tuple of arrays, one for each dimension of a,containing the indices of the non-zero elements in that dimension.

import numpy as np

a = np.arange(2,11).reshape(3,3)
print(a)
print(np.nonzero(a)) # (array([0, 0, 0, 1, 1, 1, 2, 2, 2], dtype=int64), array([0, 1, 2, 0, 1, 2, 0, 1, 2], dtype=int64))

在这里插入图片描述

np.sort()

np.clip(a, a_min, a_max)

import numpy as np

a = np.arange(2, 11).reshape(3, 3)
print(np.clip(a, 5, 9)) # <5的数全改成5，>9的数全改成9，5<x<9的数不变

在这里插入图片描述

np.transpose(a)，与a.T一样

import numpy as np

a = np.arange(2,11).reshape(3,3)
print(a)
print(np.transpose(a)) # 转置
print(a.T) # 转置

数组拼接

函数	含义
np.vstack(tup)、np.hstack(tup)	将tuple内的所有数组按照vertical、horizontal 方向拼接
np.concatenate(a_tuple, axis=0)	将a_tuple内的数组按照某个方向拼接
np.split(ary,indices_or_sections,axis)	对数组按照某方向均匀分割成indices_or_sections段
np.array_split(ary, indices_or_sections, axis)	实现不均匀分割

np.vstack(tup)、np.hstack(tup)

np.vstack((a, b))：

Stack arrays in sequence vertically

np.hstack((a, b))：

Stack arrays in sequence horizontally

import numpy as np

a = np.array([1, 2, 3])
b = np.array([7, 8, 9])
c = np.vstack((a, b)) # 在垂直方向上拼接
print(c)
print(np.hstack((a, b))) # 在水平方向上拼接

在这里插入图片描述

np.concatenate(a_tuple, axis=0)

import numpy as np

a = np.array([1, 2, 3])[np.newaxis,:]
b = np.array([7, 8, 9])[np.newaxis,:]
c = np.concatenate((a, b), axis = 0)
print(c)

在这里插入图片描述

np.split(ary,indices_or_sections,axis=0)，对数组的均匀分割

import numpy as np

a = np.arange(2,14).reshape(3,4)
print(a)
print(np.split(a, 3, axis= 0))

在这里插入图片描述

indices_or_sections：是要把ary均匀的切割成多少段，不能均匀切割的话会报错
例如报错：三行无法均匀分割成两行

import numpy as np

a = np.arange(2,14).reshape(3,4)
print(a)
print(np.split(a, 2, axis= 0)) # ValueError: array split does not result in an equal division 三行无法均匀分割成两行

np.array_split(ary, indices_or_sections, axis=0)，实现不均匀分割

import numpy as np

a = np.arange(2, 14).reshape(3, 7)
print(a)
print(np.array_split(a, 3, axis=1))
print(np.array_split(a, 2, axis=0))

可以看出不均匀分割的原则：

最长的几个是（7\3+1）
剩下几个是是（7\3）

numpy的一些属性

属性	含义
np.random
np.newaxis

np.random

a = np.random.random((3,4))
print(a)

在这里插入图片描述

np.newaxis

不大懂，知道有这么回事就行

import numpy as np

a = np.array([1, 2, 3])
print(a)
b = a[:, np.newaxis]
print(b)
c = a[np.newaxis, :]

在这里插入图片描述

copy，深浅克隆（这个方法与builtins.py里的copy方法不一样）

import numpy as np

a = np.arange(2, 23).reshape(3, 7)
b = a.copy() # 深拷贝
c = a[...] # 不知道
d = a # 内存地址一样
a[0][0] = 11
print(b) # 不会改变
print(c) # 会改变
print(c is a) # False
print(d) # 会改变
print(d is a) # True
print(id(d) == id(a)) # True