Python之Numpy模块中的方法详解

Numpy(Numerical Python)是科学计算基础库，提供大量科学计算相关功能，比如数据统计，随机数生成等，其提供最核心类型为多维数组类型（ndarray），支持大量的维度数组与矩阵运算，numpy支持向量处理ndarray对象，提高程序运算速度。
一、安装

1. 下载

    	pip install numpy
   

2. arange函数测试环境安装

    	import numpy as np
    	a = np.arange(10)
    	print(a)
   

3. 实例：

    # 检测numpy模块是否安装成功
    #导入numpy
    import numpy as np
    # 创建数组
    a = np.arange(10)
    print(a)
    print(type(a))
    # 对ndarray对象类进行向量处理
    print(np.sqrt(a))
    # 对列表中的元素开平方
    import math
    b = [3, 4, 9]
    # 定义存储开平方的结果的列表
    result = []
    # 遍历列表
    for i in b:
        result.append(math.sqrt(i))
    print(result)
    结果：
    [0 1 2 3 4 5 6 7 8 9]
    <class 'numpy.ndarray'>
    [0.         1.         1.41421356 1.73205081 2.         2.23606798
     2.44948974 2.64575131 2.82842712 3.        ]
    [1.7320508075688772, 2.0, 3.0]
   

二、数组的创建
（一）ndarray创建

1. numpy模块的array函数可以生成多为数组。例如，如果要生成一个二维数组，需要向array函数传递一个列表类型的参数。每一个列表元素是一维的ndarray类型数组，作为二维数组的行。另外，通过ndarray类的shape属性可以获取的数组没一维的元素个数（元组形式），也可以通过shape[n]形式获得每一维的元素个数，其中n是维度，从0开始。

2. 语法格式如下：
   numpy.array(object, type = None, opy = True, order= None, subok = False, ndmin = 0)
   实例：

    # 使用array创建数组
    
    import numpy as np
    
    # 使用array函数创建一维数组
    a = np.array([1, 2, 3, 4])
    print(a)
    print(type(a))
    
    # 使用array函数创建二维数组
    b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
    print(b)
    print(type(b))
    
    # 使用array函数创建三维数组
    c = np.array([[[1, 2, 3], [4, 5 ,6], [7, 8, 9]]])
    print(c)
    print(type(c))
    
    # array函数中dtype的使用
    d = np.array([3, 4, 5], dtype=float)
    print(d)
    print(type(d))
    
    # array函数中ndmin的使用
    e = np.array([5, 6, 7], dtype=float, ndmin=3)
    print(e)
    print(type(e))
    结果：
    [1 2 3 4]
    <class 'numpy.ndarray'>
    [[1 2 3]
     [4 5 6]
     [7 8 9]]
    <class 'numpy.ndarray'>
    [[[1 2 3]
      [4 5 6]
      [7 8 9]]]
    <class 'numpy.ndarray'>
    [3. 4. 5.]
    <class 'numpy.ndarray'>
    [[[5. 6. 7.]]]
    <class 'numpy.ndarray'>
   

（二）arange创建
使用arange函数创建数值范围并返回ndarray对象，函数格式如下：
numpy.arange(start,stop,step,dtype)
参数说明：
start：起始值，默认为0
stop：终止值（不包含）
step：步长，默认为1
dtype：返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。
实例：

    # 使用arange创建数组
    
    import numpy as np
    
    # range的使用
    # 格式：range(start, end, step)
    a = list(range(1, 10))
    print(a)
    b = list(range(10))     # 默认从0开始，步长为1
    print(b)
    c = list(range(1, 10, 3))
    print(c)
    
    # arange创建数组
    # 使用arange创建1-10的数组
    a = np.arange(1, 11)
    print(a)
    
    # 设置步长
    b = np.arange(1, 11, 2)
    print(b)
    
    # 设置dtype
    c = np.arange(10, 20, 2, dtype=float)
    print(c)
    结果：
    [1, 2, 3, 4, 5, 6, 7, 8, 9]
    [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
    [1, 4, 7]
    [ 1  2  3  4  5  6  7  8  9 10]
    [1 3 5 7 9]
    [10. 12. 14. 16. 18.]

（三）随机数创建
1.随机数
格式：
numpy.random.random(size=None)
**：该方法返回[0.0,1.0)范围（不包括1.0）的随机数
2.随机整数
格式：
numpy.random.randint(size=None)
3.正态分布创建
格式：
numpy.random.randn(d0,d1,…,dn)
**：randn函数返回一个或一组样本，具有标准正态分布（期望为0，方差为1）。
**：dn表示每个维度
**：返回值为指定维度的array
4.指定期望和方差的正态分布
格式：
np.random.normal(loc=3, scale=4, size=(2, 2, 3))
**：loc指的是期望
**：scale指的是方差

**：scale值得是形状
5.实例

# 使用随机数创建数组
import numpy as np

def randomTest():
    # 使用random创建一维数组[0.0,1.0)
    a = np.random.random(size=5)
    print(a)
    print(type(a))

    # 使用random创建二维数组
    b = np.random.random(size=(3, 4))
    print(b)

    # 使用random创建三维数组
    c = np.random.random(size=(2, 3, 4))
    print(c)

# 随机整数
def randomintTest():
    # 生成0-5之间的随机整数 一维
    a = np.random.randint(6, size=10)
    print(a)
    print(type(a))
    # 生成5-10之间的随机整数 二维
    b = np.random.randint(5, 11, size=(4, 3))   # 4行，3列
    print(b)
    # 生成5-10之间的随机整数 三维 类型是float
    c = np.random.randint(5, 11, size=(2, 4, 3))
    print(c)
    # dtype的使用
    d = np.random.randint(10, size=5)
    e = np.random.randint(10, size=5, dtype=np.int64)
    print(d)
    print("默认的dtype：", d.dtype)
    print(e)
    print(e.dtype)

# 创建标准的正态分布，期望为0，方差为1
def randnTest():
    # 创建一维的数组
    a = np.random.randn(4)
    print(a)

    # 创建二维的数组
    b = n