Numpy常用模块

一、什么是Numpy

    NumPy（Numerical Python）是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix）），支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。英文官方文档，中文文档

二、之前用到的模块

1、linspace（）

    创建一个具有指定间隔的浮点数的数组。其参数如下官方文档：

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)

    参数含义如下：

start:返回样本数据开始点
stop:返回样本数据结束点
num:生成的样本数据量，默认为50
endpoint：True则包含stop；False则不包含stop
retstep：If True, return (samples, step), where step is the spacing between samples.(即如果为True则结果会给出数据间隔)
dtype：输出数组类型
axis：0(默认)或-1

    示例代码如下：

import numpy as np

array=np.linspace(0,100,5,endpoint=True,retstep=True,axis=0)

print(array)

    输出一个元祖：

(array([ 0., 25., 50., 75., 100.]), 25.0)

2、meshgrid（）

    numpy.meshgrid()的作用就是生成网格点坐标矩阵。其参数如下官方文档：

numpy.meshgrid(*xi, copy=True, sparse=False, indexing=‘xy’)

    参数含义如下：参考链接

*xi：x1, x2,…, xn。表示网格坐标的一维阵列。
indexing：输出的笛卡尔（‘xy’，默认值）或矩阵（‘ij’）索引。
sparse：bool类型，如果为True，返回一个稀疏矩阵保存在内存中，默认是False。
copy：bool类型，如果是False，返回一个原始数组的视图保存在内存中，默认是True。如果，sparse和copy都为False，将有可能返回一个不连续的数组。而且，如果广播数组的元素超过一个，可以使用一个独立的内存。如果想要对这个数组进行写操作，请先拷贝这个数组。

    返回值：

x1,x2,…,xn：ndarray(numpy数组)

    示例代码如下：

import numpy as np
x = np.linspace(0,1,3)
#[ 0.   0.5  1. ]
y = np.linspace(0,1,2)
# [0.  1.]
xv,yv = np.meshgrid(x,y)
print('xv:',xv)
print('yv:',yv)

输出如下：

xv: [[0. 0.5 1. ]
[0. 0.5 1. ]]
yv: [[0. 0. 0.]
[1. 1. 1.]]

    通过上面的例子，其实可以发现meshgrid函数将两个输入的数组x和y进行扩展，前一个的扩展与后一个有关，后一个的扩展与前一个有关，前一个是竖向扩展，后一个是横向扩展。因为，y的大小为2，所以x竖向扩展为原来的两倍，而x的大小为3，所以y横向扩展为原来的3倍。通过meshgrid函数之后，输入由原来的数组变成了一个矩阵。

3、vstack()和hstack()

    两个方法都是用作数据拼接，只不过拼接的维度方向不同，两个方法都只接受一个参数。

3.1、vstack()

    vstack要求拼接的数据具用相同的列数，如果列数不同，将会报错。vstack相当于将数据一行一行的向后堆叠，示例代码如下：

import numpy as np
array1=np.array([[0,1,2],[2,3,4]])
array2=np.array([3,4,5])
print(np.vstack(((array1,array2))))

    输出：

[[0 1 2]
[2 3 4]
[3 4 5]]

3.2、hstack()

    hstack要求数据具有有相同的行数，如果行数不同，将会报错。hstack将同一纬度的数据按照原始数据的顺序合并为一个新的列表，作为该维度新的数据。示例代码如下：

import numpy as np
array1=np.array([0,1,2])
array2=np.array([3,4,5])
print(np.hstack(((array1,array2))))

    输出：

[0 1 2 3 4 5]

4、ndarray.T

    numpy中的数组其实就是线性代数中的矩阵。矩阵是可以进行转置的。ndarray有一个T属性，可以返回这个数组的转置的结果。示例代码如下：

import numpy as np
array=np.array([[0,1,2],[2,3,4]])
print('原矩阵：',array)
print('转置矩阵：',array.T)

    输出：

原矩阵：
[[0 1 2]
[2 3 4]]
转置矩阵：
[[0 2]
[1 3]
[2 4]]

5、arange()

    该函数的作用是返回一个有终点和起点的固定步长的排列（可理解为一个等差数组）。其参数如下：

np.arange([start, ]stop, [step, ]dtype=None)

    参数含义如下：

• start:起点值；可忽略不写，默认从0开始
• stop:终点值；生成的元素不包括结束值
• step:步长；可忽略不写，默认步长为1
• dtype:默认为None，设置显示元素的数据类型

    不同参数个数情况介绍：

• 一个参数时，参数值为终点值，起点取默认值0，步长取默认值1。
• 两个参数时，第一个参数为起点值，第二个参数为终点，步长取默认值1。
• 三个参数时，第一个参数为起点，第二个参数为终点，第三个参数为步长，其中步长支持小数。

    示例代码如下：

import numpy as np
print("np.arange(7): ",np.arange(7))    
print("np.arange(3,7): ",np.arange(3,7)) 
print("np.arange(3,7,2): ",np.arange(3,7,2))
print("np.arange(3,7,0.5): ",np.arange(3,7,0.5))

    输出：

np.arange(7): [0 1 2 3 4 5 6]
np.arange(3,7): [3 4 5 6]
np.arange(3,7,2): [3 5]
np.arange(3,7,0.5): [3. 3.5 4. 4.5 5. 5.5 6. 6.5]

6、dot()

    获取矩阵乘积，参数如下：

np.dot(a, b, out=None)

    示例代码如下：

import numpy as np
print("np.dot(7,2): ",np.dot(7,2))    
print("np.dot([3,7],[2,3]): ",np.dot([3,7],[2,3])) 
print("np.dot([1,2],[[1,2],[2,3]]): ",np.dot([1,2],[[1,2],[2,3]]))

    输出如下：

np.dot(7,2): 14 -----即：7x2=14
np.dot([3,7],[2,3]): 27 -----即：3x2+7x3=27
np.dot([1,2],[[1,2],[2,3]]): [5 8] -----即：矩阵乘法

三、其他常用模块

1、ravel()

    ravel函数是将矩阵变为一个一维的数组,示例代码如下：

import numpy as np
array=np.array([[0,1,2],[2,3,4]])
print(array.ravel())

    输出：

[0 1 2 2 3 4]