numpy常用功能

官方函数功能查找网址：https://docs.scipy.org/doc/numpy/reference/

 

一.numpy常用功能速查

内容转载自：https://zhuanlan.zhihu.com/p/27334246

1.创建ndarray对象

• np.array([[1,2,3],[3,4,5]],dtype=float64)：将输入数据（列表、元组、数组等）转换为ndarray。如果不指定dtype，会自动推断
• np.asarray((1,2,3)) #将输入装换为ndarray
• np.arange(10,25,5)#类似内置的range，返回ndarray
• np.ones((2,2),dtype=np.int32),np.ones_like(arr) #根据指定的形状和dtype创建全1数组。ones_like以另一个数组作为形状参数
• np.zeros((2,2),dtype=np.int32),np.zeros_like(arr)#同上，返回的元素都为0
• np.empty((2,2),dtype=np.float),np.empty_like(arr)#同上，返回的元素是未初始化的垃圾值
• np.eye(2),np.identity(3)#创建一个N*N的单位矩阵(对角线为1，其余为0)
• np.linspace(0,2,9)#创建等差数列,[0,2]中取9个数

2.索引和切片

• arr[2],arr[0][2]#基础索引
• A=a1*a2*...*an，an-1代表行，an代表列，A[0]代表从a1这个维度切片
• arr[1,:2],arr[1:2,:2]#切片索引，注意两者的差别，前者的结果是一维数组，后者是二维的
• arr[arr>0],arr[arr[:,1]==0,:]#布尔型索引，注意布尔型数组的形状/长度必须与被索引的数组形状/轴长度一致
• arr[[1,2,3],[2,1,0]]#花式索引，选出3个元素组成的一维数组，(1,2),(2,1),(3,0)
• arr[[1,5,7,2]][:,[0,3,1,2]],arr[:,[0,3,1,2]][[1,5,7,2]] #两个花式索引的先后顺序可变，不影响结果
• 总结一下：基本索引/切片、布尔索引、一级花式索引（仅传入一组数组）都是引用视图，，但是，花式索引中一次传入多个索引数组则会创建副本

3.数组的维度和形状变化

• arr.reshape((2,3))#更改数组的形状，数组中元素的顺序不变
• arr.T,arr.transpose((1, 0, 2))#简单转置和高级转置，用元组表示转换位置的轴，都会创建副本
• arr.swapaxes(1,2)#另一种转换轴位置的方法，生成的是视图
• 所有的转置都会导致数据中元素顺序的变化

4.通用函数：快速的元素级数组函数

• 一元ufunc
• np.abs(arr),np.fabs(arr)#计算整数、浮点数或复数元素的绝对值
• sqrt,square#计算数组中各元素的平方根、平方
• exp,log#计算各元素的指数e的x次方及自然对数
• log10,log2,log1p#分别是底数为10的log,底数为2的log，以及log(1+x)
• np.sign(arr)#计算各元素的正负号
• ceil,floor,rint#分别是大于等于该值的最小整数，小于等于该值的最大整数，四舍五入后最接近的整数
• modf#将数组的小数和整数部分以两个独立数组返回，，返回多个数组哦~
• isnan,isfinite,isinf#分别返回"哪些是NaN"“哪些是有穷的”“那些是无穷的”的布尔型数组
• cos,cosh,sin,sinh,tan,tanh,arcos,arcosh等三角反三角函数
• np.logical_not(arr)#相当于-arr,一般用于布尔型数组
• 二元ufunc
• np.add(arr,brr),arr+brr#两个元素或数组相加
• np.subtract(arr,brr),arr-brr#两个元素或数组相减
• np.divide(arr,brr),arr/brr#两个元素或数组相除
• np.multiply(arr,brr),arr*brr#两个元素或数组相除
• np.floor_divide(arr,brr),np.mod(arr,brr) #向下圆整除法（丢弃余数）和求模计算（除法的余数）
• np.power(arr,brr),arr**brr#乘方，既能是数组也能是元素，同上
• maximum,fmax#元素级的最大值计算，fmax将忽略NaN
• minimum,fmin#最小值计算，同上
• copysign#将第二个数组中值的符号复制给第一个数组中的值
• greater,greater_equal,less,less_equal,equal,not_equal#相当于中缀运算符>,>=,<,<=,=,!=，产生布尔型数组
• logical_and,logical_or,logical_xor#执行元素级的真值逻辑运算，相当于&,|,^

5.基本的数组统计方法(一般会有聚合效果)

• np.sum(arr),arr.sum(),np.sum(arr,axis),arr.sum(axis)#对数组中全部或某轴向的元素求和
• mean,std,var#分别代表平均值、标准差和方差(自由度可调默认为n)，使用方法同上
• min,max，argmin,argmax#最小值最大值，最小元素和最大元素(第一个)的索引，使用方法同上
• cumsum,cumprod#所有元素的累加与累积，不发生聚合
• 以上的统计方法，在使用轴参数时，都是计算该轴上各元素的统计值，比如axis=1即在列上计算每行对应数据的统计值

6.其它特殊函数

• where(cond,arr,brr)#cond是条件数组，arrbrr可以是数组或是数值，还可以多重嵌套
• arr.sort(axis)#数组多维时，默认在axis=0上排序。返回数组的已排序副本，就地排序则会修改原数据

7.数组的集合运算

• np.unique(arr)#找出数组中的唯一值并返回有序结果
• intersect1d(arr,brr),union1d(arr,brr)#分别计算交集和并集，并返回有序结果
• in1d(arr,brr)#得到一个表示"arr的元素是否包含于brr"的布尔型数组，size与arr相同
• setdiff1d(x,y),setxor1d(x,y)#集合的差和对称差

8.存取数据I/O（文本或二进制文件）

• np.load('some_array.npy') #读取二进制文件记得带上后缀n(女)p(朋)y(友)
• np.save('some_array.npy',arr) #存在当前路径下，二进制格式
• np.savez('array.npz',arr,brr)#存储多个数组到一个压缩文件
• np.load('array.npz')['arr']#读取压缩文件并选取其中一个数组
• np.loadtxt('array.txt',delimiter=','),np.savetxt('array.txt',delimiter=',')#存取文本文件,delimiter表示分隔符号

9.Numpy的数据类型

10.线性代数计算函数

• np.dot(x,y),x.dot(y)#矩阵乘法
• det#计算矩阵行列式
• arr,brr=qr(crr)#计算QR分解
• solve#解线性方程组Ax=b,其中A为方阵

11.随机数模块random

• np.random.seed(123456)#确定随机数生成器的种子数量
• np.random.rand(d1,d2,,dn)#元素是(0,1)之间的随机数，均匀分布
• np.random.randn(d0, d1, ...,dn)# 返回一个标准正态分布(平均值为0，标准差为1)
• randint(a,b,(d1,d2,,,dn))#给定上下限范围随机选取整数，[a,b)
• np.random.choice(arr,size,replace,p)#arr可以是一维数组或整数，size指结果数组大小，replace=False指结果数据不重复，p指原始数据选取概率的列表。举两个例子np.random.choice(5,4,replace=False,p=[0.1,0.1,0,0,0.8])与np.random.choice(arr,brr)
• permutation#返回一个随机排列，参数可以是整数或数组
• np.random.normal(loc,scale,size)#返回正态分布，loc是均值，scale是标准差，size是数组大小
• binomial(n,p,size)#二项分布，独立事件发生概率为p，n次伯努利实验后成功发生的次数
• uniform(low, high, size)#均匀分布,[low,high)
• np.random.chisquare(df,size)#卡方分布，前面是自由度，后面是size

 

二、np.random.seed()

功能解释：https://blog.csdn.net/linzch3/article/details/58220569

seed( ) 用于指定随机数生成时所用算法开始的整数值，如果使用相同的seed( )值，则每次生成的随即数都相同，如果不设置这个值，则系统根据时间来自己选择这个值，此时每次生成的随机数因时间差异而不同。

 

三、两个数组合并或拼接

内容转载自：https://blog.csdn.net/hustqb/article/details/78090365

Python中numpy数组的合并有很多方法，如

• np.append()
• np.concatenate()
• np.stack()
• np.hstack()
• np.vstack()
• np.dstack()

其中最泛用的是第一个和第二个。第一个可读性好，比较灵活，但是占内存大。第二个则没有内存占用大的问题。

方法一——append

parameters	introduction
arr	待合并的数组的复制（特别主页是复制，所以要多耗费很多内存）
values	用来合并到上述数组复制的值。如果指定了下面的参数axis的话，则这些值必须和arr的shape一致(shape[axis]之外都相等)，否则的话，则没有要求。
axis	要合并的轴

---

例程：

方法二——concatenate

parameters	introduction
*arrays	这些数组除了在待合并的axis（默认为axis=0）上之外，必须具有相同的shape
axis	待合并的轴，默认为0

---

例程：