Python突击（三）Numpy基础

目录

1.创建数组

2. 访问数组

3.数组裁剪

4.数据类型

5.副本/视图

6.数组常用属性

7.随机

---

1.创建数组

 array() 函数创建一个 NumPy ndarray 对象

import numpy as np
a = np.array([1,2,3,4,5]) #np.array([1,2,4],ndim = 3)指定数组的维度
print(a)
print(type(a))
#[1 2 3 4 5]
#<class 'numpy.ndarray'>

一维数组和二维数组（通常表示矩阵和二维张量），三维矩阵（两个二维矩阵组成）

import numpy as np
a = np.array([1,2,3])
b = np.array([[1,2,3],[4,5,6]])
c = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]]) 
print(a)
print("\n",b)
print("\n",c)

print(a.ndim)
print(b.ndim)
print(c.ndim)

NumPy 有一个专门用于矩阵运算的完整子模块 numpy.mat

NumPy 数组提供了 ndim 属性，该属性返回一个整数，该整数会告诉我们数组有多少维。

2. 访问数组

和MATLAB中差不多。

import numpy as np
b = np.array([[1,2,3],[4,5,6]])
c = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]]) 
print("\n",b)
print(b.ndim)
print(b[0,1])

3.数组裁剪

import numpy as np
arr = np.array([1,2,3,4,5,6,7])
print(arr[1:5])
#[2 3 4 5] 左开右闭

4.数据类型

默认情况下，Python 拥有以下数据类型

• strings - 用于表示文本数据，文本用引号引起来。例如 "ABCD"。 
• integer - 用于表示整数。例如 -1, -2, -3。
• float - 用于表示实数。例如 1.2, 42.42。
• boolean - 用于表示 True 或 False。
• complex - 用于表示复平面中的数字。例如 1.0 + 2.0j，1.5 + 2.5j。

NumPy 有一些额外的数据类型，并通过一个字符引用数据类型，例如 i 代表整数，u 代表无符号整数等。

以下是 NumPy 中所有数据类型的列表以及用于表示它们的字符。

• i - 整数
• b - 布尔
• u - 无符号整数
• f - 浮点
• c - 复合浮点数
• m - timedelta
• M - datetime
• O - 对象
• S - 字符串
• U - unicode 字符串
• V - 固定的其他类型的内存块 ( void )

NumPy 数组对象有一个名为 dtype 的属性，该属性返回数组的数据类型。

import numpy as np
a = np.array([1,2,3])
print(a.dtype)  # int32
#print(type(a))

5.副本/视图

副本和数组视图之间的主要区别在于副本是一个新数组，而这个视图只是原始数组的视图。副本拥有数据，对副本所做的任何更改都不会影响原始数组，对原始数组所做的任何更改也不会影响副本。视图不拥有数据，对视图所做的任何更改都会影响原始数组，而对原始数组所做的任何更改都会影响视图。

import numpy as np
a = np.array([1,2,3,4,5])
# 创建视图
x = a.view()
# 创建副本
# x = a.copy()
a[0] = 61
print(a)
print(x)
# 视图
#[61  2  3  4  5]
#[61  2  3  4  5]

#副本
#[61  2  3  4  5]
#[1 2 3 4 5]

副本拥有数据，而视图不拥有数据,每个 NumPy 数组都有一个属性 base，如果该数组拥有数据，则这个 base 属性返回 None。否则，base 属性将引用原始对象。

import numpy as np

arr = np.array([1, 2, 3, 4, 5])

x = arr.copy()
y = arr.view()

print(x.base)
print(y.base)

# None
# [1 2 3 4 5]

6.数组常用属性

• NumPy 数组有一个名为 shape 的属性，该属性返回一个元组，每个索引具有相应元素的数量。
• 重塑数组reshape属性，返回的是视图
• 将多维数组转换为 1D 数组reshape(-1)

import numpy as np
arr = np.array([1,2,3,4,5,6])# 一维数组
print(arr)
arr1 = arr.reshape(2,3) # 重塑为二维数组
print(arr1)
print(new_arr.base) # 重塑后返回的是视图不是副本
arr2 = arr1.reshape(-1) # 重塑为一维数组
print(arr2)

结果如下所示

• 数组拼接concatenate(，axis=) 函数，hstack() 沿行堆叠，vstack() 沿列堆叠，dstack() 沿高度堆叠
• 排序
• 拆分

7.随机

NumPy 提供了 random 模块来处理随机数。

• 生成随机数

from numpy import random
a = random.randint(100)
print(a)

• 生成随机数组

from numpy import random
a = random.randint(100,size=(2,3))#生成二维数组
print(a)