Numpy库一些常用属性和方法记录（自用）
可参考https://blog.csdn.net/u012421852/article/details/79394454
import numpy as np
1、numpy创建方法介绍
1.1 基础数组创建
| 方法 | 说明 |
|---|
| np.array(x) | 将输入数据转化为一个ndarray的数组 |
| np.array(x, dtype) | 将输入数据转化为一个类型为type的ndarray:np.int64 |
| np.asarray(array) | 将列表或元组转化为数组对象 |
| np.reshape(shape) | 不改变当前数组，按照shape创建新的数组 |
| np.resize(shape) | 改变当前数组，按照shape创建数组 |
当数据源本身已经是一个ndarray对象时，array()仍然会复制出一个副本，而asarray()则直接引用了本来的数组
1.2 ndarray的元素类型
| 数据类型 | 说明 |
|---|
| bool | 布尔类型，True或False |
| intc | 与c语言中的int类型一致，一般是int32或int64 |
| intp | 用于索引的整数，与c语言中ssize_t一致，int32或int64 |
| int8 | 字节长度的整数，取值：[-128,127] |
| int16 | 16位长度的整数，取值：[-32768,32767] |
| int32 | 32位长度的整数，取值：[-2^31 ,2^31-1] |
| int64 | 64位长度的整数，取值：[-2^63 ,2^63-1] |
| uint8 | 8位无符号整数，取值：[0,255] |
| uint16 | 16位无符号整数 |
| uint32 | 32位无符号整数 |
| uint64 | 64位无符号整数 |
| float16 | 16位半精度浮点数：1位符号位，5位指数，10位尾数 |
| float32 | 32位半精度浮点数：1位符号位，8位指数，23位尾数 |
| float64 | 64位半精度浮点数：1位符号位，11位指数，52位尾数 |
| complex64 | 复数类型，实部和虚部都是32位浮点数 |
| complex128 | 复数类型，实部和虚部都是32位浮点数 |
ndarray对象操作
| 方法 | 说明 |
|---|
| ndarray.mean( axis=0 ) | 求平均值 |
| ndarray.sum( axis= 0) | 求和 |
| ndarray.cumsum( axis=0) | 累加 |
| ndarray.cumprod( axis=0) | 累乘 |
| ndarray.std() | 方差 |
| ndarray.var() | 标准差 |
| ndarray.max() | 最大值 |
| ndarray.min() | 最小值 |
| ndarray.argmax() | 最大值索引 |
| ndarray.argmin() | 最小值索引 |
| ndarray.any() | 是否至少有一个True |
| ndarray.all() | 是否全部为True |
| ndarray.dot( ndarray) | 计算矩阵内积 |
1.3 ndarray与matrix对象的属性
| 属性 | 说明 |
|---|
| .ndim | 秩，即轴的数量或维度的数量 |
| .shape | ndarray对象的尺度，对于矩阵，n行m列 |
| .size | ndarray对象元素的个数，相当于.shape中n*m的值 |
| .dtype | ndarray对象的元素类型 |
| .itemsize | ndarray对象中每个元素的大小，以字节为单位 |
| .T | 简单转置矩阵ndarray |
| .I | 矩阵求逆 |
1.4 创建特殊数组
| 方法 | 说明 |
|---|
| np.arange(begin,end,step，dtype) | 创建数字序列可以有 |
| np.ones(shape,dtype) | 生成一个shape形状的全一ndarray,dtype为可选参数 |
| np.ones_like(ndarray) | 生成一个形状与参数相同的全一ndarray |
| np.zeros(shape,dtype) | 生成一个shape形状的一维全零ndarray,dtype可选参数 |
| np.zeros_like(ndarray) | 类似np.ones_like( ndarray ) |
| np.eye(shape) | 创建一个shape形状的单位矩阵（对角线为1，其余为0） |
| np.linspace(start,stop,num=5) | 创建等差数列 |
| np.logspace(start,stop,num=5,base=10) | 创建等比数列10^start ->10^stop |
1.5 矩阵创建
| 方法 | 说明 |
|---|
| np.matrix(str/list/tuble/array) | 创建字符串/列表/元组/数组的矩阵 |
| np.mat() | 与matrix一致 |
matrix矩阵的属性与ndarray一致
2、numpy中数组运算方法
2.1 矩阵函数
| 方法 | 说明 |
|---|
| np.dot() 、 np.matmul() | 矩阵相乘 |
| np.transpose() | 矩阵装置 |
| np.linalg.inv() | 矩阵求逆，详见numpy.linalg函数介绍 |
| np.trace() | 计算对角线元素的和 |
| np.diag(ndarray) | 以一维数组的形式返回方阵的对角线（或非对角线）元素 |
| np.diag([x,y,…]) | 将一维数组转化为方阵（非对角线元素为0） |
2.2 numpy.linalg函数
| 方法 | 说明 |
|---|
| np.linalg.det(ndarray) | 计算矩阵列式 |
| np.linalg.eig(ndarray) | 计算方阵的本征值和本征向量 |
| np.linalg.inv(ndarray) | 计算方阵的逆 |
| np.linalg.pinv(ndarray) | 计算方阵的Moore-Penrose伪逆 |
| np.linalg.qr(ndarray) | 计算qr分解 |
| np.linalg.svd(ndarray) | 计算奇异值分解svd |
| np.linalg.solve(ndarray) | 解线性方程组Ax = b，其中A为方阵 |
| np.linalg.lstsq(ndarray) | 计算Ax=b的最小二乘解 |
2.3 数组元素的运算
| 方法 | 说明 |
|---|
| np.sum() | 求和 |
| np.prod() | 所有元素的乘积 |
| np.diff() | 计算数组相邻元素之间的差 |
| np.sqrt() | 计算各元素的平方根 |
| np.square() | 计算x^2 |
| np.exp() | 计算各元素的指数值 |
| np.abs() | 取各元素的绝对值：e^x |
| np.mean() | 求平均值 |
| np.modf(ndarray) | 将数组的小数和整数部分以两个独立的数组方式返回 |
2.4 数组堆叠运算
| 方法 | 说明 |
|---|
| np.stack((数组1,数组2,…),axis) | axis决定堆叠的方向,axis=0,1,2,3… |
3、numpy中随机数函数
3.1 numpy.random常用函数
| 函数 | 说明 | 返回值 |
|---|
| np.random.seed() | 随机数种子 | |
| np.random.rand(d0,d1,…,dn) | 元素在[0,1)区间均匀分布的数组 | 浮点数 |
| np.random.uniform(low,hige,size) | 元素在[low,hige)区间均已分布 | 浮点数 |
| np.random.randint(low,hige,size) | 元素在[low,hige)区间均已分布 | 整数 |
| np.random.randn(N, M, …) | 生成一个NM…的标准正态分布（平均值为0，标准差为1） | 浮点数 |
| np.random.normal(loc,scale,size) | 产生正太(高斯)分布数组，loc均值 scale方差 | 浮点数 |
3.2 乱序函数
| 函数 | 说明 |
|---|
| np.random.shuffle(序列) | 打乱序列元素顺序 |
扫一扫
1277
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
