Numpy：array的创建和ndarray的基本操作

Numpy

导入：import numpy as np

1.创建数组

• 一维数组的创建
  arr1=np.array([1,2,3,4,5],float)

• 二维数组的创建
  arr2=np.array([[1,2,3],[3,4,5],[1,5,8]])

注意：
如果传进来的列表中包含不同的类型，则统一为统一类型，str>float>int

2.使用np的routines函数创建

• np.ones([3,3])
  输出结果：
  array([[ 1., 1., 1.],
  [ 1., 1., 1.],
  [ 1., 1., 1.]])

• np.full([3,3],3.14)
  输出结果：
  array([[ 3.14, 3.14, 3.14],
  [ 3.14, 3.14, 3.14],
  [ 3.14, 3.14, 3.14]])

• np.eye(4)
  eye()返回一个对角线为1的矩阵
  输出结果：
  array([[ 1., 0., 0., 0.],
  [ 0., 1., 0., 0.],
  [ 0., 0., 1., 0.],
  [ 0., 0., 0., 1.]])

• 等差数列（此处num=5）
  np.linspace(0,10,5)
  输出结果：
  array([ 0. , 2.5, 5. , 7.5, 10. ])

• 等差数列（此处step=2）
  np.arange(0,10,2)
  输出结果：
  array([0, 2, 4, 6, 8])

• 随机整数
  np.random.randint(0,10,5)
  输出结果：
  array([0, 7, 2, 3, 7])

• np.random.seed(100)#随机的种子，有了种子，每次都一样
  np.random.randn(10)
  输出结果：
  array([ 0.37332715, -0.2887605 , 0.04985088, -0.93815832, -0.4087037 ,
  1.13352254, 0.52713526, -0.76014192, -0.97292788, 0.16290446])

• random.random()默认0-1,左开右闭
  np.random.seed(3)#时间种子,将时间固定，产生固定不变的随机数
  np.random.random(size=[2,2])
  输出结果：
  array([[0.5507979 , 0.70814782],
  [0.29090474, 0.51082761]])

3.ndarray的属性

4个必记参数：

• ndim：维度
• shape:形状
• size：总长度
• dtype：元素类型

注意：dtype返回数组元素的类型，type()函数返回数组类型

4.索引

一维与列表完全一致 多维时同理

arr=np.random.randint(10,50,size=(3,4))
arr
a
array([[19, 46, 25, 10],
   [38, 35, 39, 39],
   [18, 19, 10, 46]])
  arr[1][2]
  39

5.切片

用以上例子中的a：
a[0:2] 获取前两行
a[0:2,0:2] 获取前两行前两列
a[:,0:2] 获取前两列
a[::-1] 行倒序
a[:,::-1] 列倒序
a[::-1,::-1] 行、列全部倒序

6.变形

arr=np.random.randint(1,100,size=(100,))

• 将一个一维数组arr变成多维数组

  arr.reshape((10,10)) #两个参数分别是新数组的行和列
  

• 将多维数组变成一维数组

  a.reshape(12) #12是数组长度
  

• arr.reshape(-1,10)
  -1：手动指定列数，自动计算行数

7.级联

np.concatenate() 级联需要注意的点：

• 级联的参数是列表：一定要加中括号
• 维度必须相同
• 形状相符
• axis参数：0表示纵向级联，1表示横向级联；axis的范围由数组维度决定0-（维度-1）

np.hstack与np.vstack 水平级联与垂直级联

8.切分

• np.spilt()

x = np.arange(1,10)
x

输出：
array([1, 2, 3, 4, 5, 6, 7, 8, 9])

x1,x2,x3 = np.split(x,[3,5])
print(x1,x2,x3)
输出：
[1 2 3] [4 5] [6 7 8 9]

• np.hsplit() 切分行

  x = np.arange(16).reshape(4,4)
  x
  输出：
  array([[ 0,  1,  2,  3],
         [ 4,  5,  6,  7],
         [ 8,  9, 10, 11],
         [12, 13, 14, 15]])
  
  print(np.hsplit(x,[2,3]))
  输出：
  [array([[ 0,  1],[ 4,  5], [ 8,  9], [12, 13]]),
           array([[ 2],  [ 6],  [10], [14]]), 
           array([[ 3],  [ 7],  [11],  [15]])]
  

• np.vsplit () 切分列

  x = np.arange(16).reshape(4,4)
  x
  输出：
  array([[ 0,  1,  2,  3],
         [ 4,  5,  6,  7],
         [ 8,  9, 10, 11],
         [12, 13, 14, 15]])
  print(np.vsplit(x,[2,3]))
  输出：
  [array([[0, 1, 2, 3],
          [4, 5, 6, 7]]), array([[ 8,  9, 10, 11]]), array([[12, 13, 14, 15]])]
  

9.副本

• 所有赋值运算不会为ndarray的任何元素创建副本。对赋值后的对象的操作也对原来的对象生效

  a = np.array([1,2,3])
  b=a
  print(a,b)
  
  输出：
  [1 2 3] [1 2 3]
  
  b[0]=2
  a
  输出：
  array([2, 2, 3])
  

• copy()函数可创建副本，对副本的操作，不会影响原来的对象

  a = np.array([1,2,3])
  b = a.copy()
  b
  输出：
  [1,2,3]
  
  b[0]=3
  print(a,b)
  输出：
  [1 2 3] [3 2 3]
  

10.使用matplotlib.pyplot获取一个数组，数据来源于一张图片

import matplotlib.pyplot as plt
img=plt.imread('C:/Users/jiaxinyi/Desktop/a4coho1467042412050.jpg')
img.shape #得到的数组形状
输出：
（650，1200，3）