numpy学习笔记---数组创建、属性、、数组形状、数组切片、数组基础计算

Numpy特点，N维数组对象ndarray。是一系列 同类型数据的集合。
跟列表的区别，打印元素中间没有逗号

一、数组创建

1.1、创建一维数组

import numpy as np
list=[1,2,3,4]
array=np.array(list)
print(type(array))
print(array)

<class ‘numpy.ndarray’>
[1 2 3 4]

创建数组的几种形式：

• 直接传入列表

list=np.array([1,2,3,4])
print(list)

[1 2 3 4]

• 传入range生成序列

list=np.array(range(5))
print(list)

[0 1 2 3 4]

• numpy自带的np.arrange()生成数组

list=np.arange(5)
print(list)

[0 1 2 3 4]

1.2、创建二维数组

list=[[1,2],[3,4],[5,6]]
array=np.array(list)
print(array)

[[1 2]
[3 4]
[5 6]]

1.3、属性（代码接上面二维数组）

• 获取数组维度

print(array.ndim)

2

• 获取数组的形状（几行几列）

print(array.shape)

(3, 2)

• 有多少元素

print(array.size)

6

1.4、调整数组的形状

注意shape与reshape的区别、与用法

• shape：修改的是原有的数组，shape后有=号

array.shape=(2,3)
print(array)

[[1 2 3]
[4 5 6]]

注意：转换为一维

#默认order="C",按行展开
array.shape=(6，)
#order="F",按列展开
array.shape=((6,),order="F")
print(array)

• reshape：原数组不修改，将修改后的返回一个新的数组；reshape后没有=号
  注意reshape(-1,3)中的-1可代表任意值，即确定了列数，自适应行数。反之同理

new_array=array.reshape(2,3)
print(new_array)
print(array)

[[1 2 3]
[4 5 6]]
[[1 2]
[3 4]
[5 6]]

test_array=array.reshape(-1,3)
print(test_array)

[[1 2 3]
[4 5 6]]

1.5、将数组转换为列表

a=np.array([2,4,5,6,7])
list_a=a.tolist()
print(list_a)
print(type(list_a))

1.6、NumPy的数据类型

f=np.array([1,2,3,4,5,6],dtype=np.int16)
#查看元素的字节单位长度
print(f.itemsize)
#查看数组中元素的数据类型dtype，即data type
print(f.dtype)
#修改数据类型
f=f.astype(np.int64)
print(f.dtype)

2
int16
int64

二、数组的计算

1、数组和数的计算：广播
数组与单个值进行加减乘除，对数组的每个数据都进行计算
2、数组与数组之间的操作：对应位置计算
3、不种形状的多维数组不能计算
4、行数或者列数相同的一维数组和多维数组可以进行计算：
行形状相同（会与每一行数组的对应位相操作)
列形状相同（会与每一个相同维度的数组的对应位相操作)

三、数组中的轴

axis=0,横轴为刻度，计算后的值为对每一个刻度的计算（即列的计算）
#可以理解为按照横轴操作（比如原来横轴上5个刻度，即5列），最后的结果还要返回这5个刻度，所以是对列的计算

axis=1,纵轴为刻度，计算后的值为对每一个刻度的计算（即行的计算）

import numpy as np
a = np.array([[1,2,3],[4,5,6]])
a.shape=(3,2)
print(a)
print(np.sum(a,axis=0)) # [5 7 9]
print(np.sum(a,axis = 1)) # [ 6 15]
print(np.sum(a))# 计算所有的值的和

[[1 2]
[3 4]
[5 6]]
[ 9 12]
[ 3 7 11]
21

四、切片

1、取一行
2、取连续多行
3、取不连续多行
4、取某个值
5、取多个不连续的值

c=np.arange(24).reshape(4,6)
print(c)
#取1行，2种写法
print(c[2])
print(c[2,:])
#取连续多行，3种写法
print(c[1:])
print(c[1:3])
print(c[1:3,:])
#取不连续的多行，2种写法
print(c[[1,3],:])  #我喜欢这种写法，更清晰
print(c[[1,3]])
#取某个值
print(c[2,3])   #三行四列
#取多个不连续的值，[[行，行。。。],[列，列。。。]]
print(c[[2,3],[1,2]]) 

1、数组c
[[ 0 1 2 3 4 5]
[ 6 7 8 9 10 11]
[12 13 14 15 16 17]
[18 19 20 21 22 23]]
2、一行
[12 13 14 15 16 17]
3、连续多行
[[ 6 7 8 9 10 11]
[12 13 14 15 16 17]
[18 19 20 21 22 23]]
[[ 6 7 8 9 10 11]
[12 13 14 15 16 17]]
4、不连续多行
[[ 6 7 8 9 10 11]
[18 19 20 21 22 23]]
5、某个值
15
6、多个不连续的值
[13 20]

五、 三目运算

（ np.where(condition, x, y)满足条件(condition)，输出x，不满足输出y。)）

score = np.array([[80,88],[82,81],[75,81]])
result = np.where(score>80,True,False)
print(result)

[[False True]
[ True True]
[False True]]

六、数组的增删改

6.1、※数组中数值的修改※

与切片类似，只是切片后赋值

• 通过索引定位修改

c[1,:]=0
c[:,1:3]=0
c[1:2,2:3]=0
c[[1,2],[2,3]]=0

• 通过条件判断元素值修改

c[c<10]=0
#逻辑判断，与或非
c[(c>2)&(c<9)]=0
c[(c<2)|(c>9)]=0
c[~(c>5)]=0

6.2、添加，append

numpy.append 函数在数组的末尾添加值。
追加操作会分配整个数组，并把原来的数组复制到新数组中。 即不改变原数组
参数说明：
arr：输入数组
values：要向arr添加的值，需要和arr形状相同（除了要添加的轴）
axis：默认为 None。当axis无定义时，是横向加成，返回总是为一维数组！
当axis有定义的时候，分别为0和1的时
候。当axis有定义的时候，分别为0的时候（列数要相同）。当axis为1时，数组是加在右边（行数要相同）。
#注意：添加的也是二维数组格式[[1,2]]

import numpy as np
a = np.array([[1,2,3],[4,5,6]])
b=np.append(a,[[7,8,9],[3,3,3]],axis=0)
print(b)

[[1 2 3]
[4 5 6]
[7 8 9]
[3 3 3]]

import numpy as np
a = np.array([[1,2,3],[4,5,6]])
b=np.append(a,[[7,8,9],[3,3,3]])
print(b)

[1 2 3 4 5 6 7 8 9 3 3 3]

6.3、插入insert

numpy.insert 函数在给定索引之前，沿给定轴在输入数组中插入值。
如果值的类型转换为要插入，则它与输入数组不同。 插入没有原地的，函数会返回一个新数组。 此外，如果未提供轴，则输入数组会被展开。
#注意，插入的数组，写二维的、一维的都可以。数字也可以，会广播插入

a = np.array([[1,2],[3,4],[5,6]])
print ('第一个数组：')
print (a)
print ('\n')
print ('未传递 Axis 参数。 在插入之前输入数组会被展开。')
print (np.insert(a,3,[11,12]))
print ('\n')
print ('传递了 Axis 参数。 会广播值数组来配输入数组。')
print ('沿轴 0 广播：')
print (np.insert(a,1,[11],axis = 0))
print ('\n')
print ('沿轴 1 广播：')
print (np.insert(a,1,11,axis = 1))

第一个数组：
[[1 2]
[3 4]
[5 6]]
未传递 Axis 参数。 在插入之前输入数组会被展开。
[ 1 2 3 11 12 4 5 6]
传递了 Axis 参数。 会广播值数组来配输入数组。
沿轴 0 广播：
[[ 1 2]
[11 11]
[ 3 4]
[ 5 6]]
沿轴 1 广播：
[[ 1 11 2]
[ 3 11 4]
[ 5 11 6]]

6.4、删除

numpy.delete 函数返回从输入数组中删除指定子数组的新数组。 与 insert() 函数的情况一样，如果未提供轴参数，则输入数组将展开。
‘’’
参数说明：
arr：输入数组
obj：可以被切片，整数或者整数数组，表明要从输入数组删除的子数组
数组去重
axis：沿着它删除给定子数组的轴，如果未提供，则输入数组会被展开

a = np.arange(12).reshape(3,4)
print ('第一个数组：')
print (a)
print ('\n')
print ('未传递 Axis 参数。 在删除之前输入数组会被展开。')
print (np.delete(a,5))
print ('\n')
print ('删除每一行中的第二列：')
print (np.delete(a,1,axis = 1))
print ('\n')

第一个数组：
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
未传递 Axis 参数。 在删除之前输入数组会被展开。
[ 0 1 2 3 4 6 7 8 9 10 11]
删除每一行中的第二列：
[[ 0 2 3]
[ 4 6 7]
[ 8 10 11]]

6.5、去重

numpy.unique 函数用于去除数组中的重复元素。
arr：输入数组，如果不是一维数组则会展开
return_index：如果为true，返回新列表元素在旧列表中的位置（下标），并以列表形式储
return_inverse：如果为true，返回旧列表元素在新列表中的位置（下标），并以列表形式储
return_counts：如果为true，返回去重数组中的元素在原数组中的出现次数

import numpy as np
a = np.array([5,2,6,2,7,5,6,8,2,9])
re,ind,cou=(np.unique(a,return_index=True,return_counts=True))
print(re,ind,cou)

[2 5 6 7 8 9] [1 0 2 4 7 9] [3 2 2 1 1 1]

七、Numpy的运算函数

• 数组中最大值

c=np.array([[10,11],[9,12],[8,13]])
a=np.max(c)

• 某轴中的最大/小值

a=np.min(c,axis=1)
#[10  9  8]

• 数据比较，两个数组比较

a=np.maximum([1,2,3,4,5],4)
#[4 4 4 4 5]
b=np.minimum([1,2,3,4,5],[6,1,7,2,3])
#[1 1 3 2 3]

• 平均值

a=np.mean(c,axis=0)
#[ 9. 12.]

• 给定轴的累积和

c=np.array([[1,2,3],[4,5,6]])
print(c.cumsum(0))

[[1 2 3]
[5 7 9]]

拼接、分割、转置，待完善