【Python】常用工具包系列1 —— numpy

笔者：YY同学Serendipity

生命不息，代码不止。好玩的项目尽在GitHub！

---

---

1. 数组（矩阵）通用

导入

模块名	功能	代码示例	解释说明
numpy	python 多维数组模块	import numpy as np	np 也可以命名为其他的
numpy.linalg	线性代数	import numpy.linalg as la	la 也可以命名为其他的

创建

方法名	功能	代码示例	解释说明
np.array	创建数组	a = np.array([1, 2])	注意数组（array）与列表（list）的区别，两者部分 method 不是通用的
np.asarray	创建与 list 相同的数组	a = [1,2,3], b = np.asarray(a)	数组 b 与列表 a 的元素完全相同，创建的对象可以是列表也可以是数组
=	引用传值	b = a	b 数组与 a 相同，修改 b 中元素相应的 a 也会被修改（存储空间相同）
np.copy	复制传值	b = a.copy()	b 数组与 a 相同，修改 b 中元素 a 不会被修改（存储空间不同）
np.empty	创建空数组	a = np.empty([3,2])	创建形状为 (3, 2) 的随机数组
np.zeros	创建全 0 数组	a = np.zeros([3,2])	创建形状为 (3, 2) 的全 0 数组
np.ones	创建全 1 数组	a = np.ones([3,2])	创建形状为 (3, 2) 的全 1 数组
np.eye	创建单位矩阵 $I$	a = np.eye(3)	创建形状为 (3, 3) 的单位矩阵
np.arange	在范围内创建数组	a = np.arange(6)	生成 [0 1 2 3 4 5] 的数组，该写法是省略起始和步长，写全应该是 a = np.arange(0, 6, 1)，左闭右开
np.linspace	在范围内创建等差数组	a = np.linspace(0, 20, 5)	生成 [ 0. 5. 10. 15. 20.] 的数组，左闭右闭，如果将 endpoint 值设为 False 则不包括终止点
np.logspace	在范围内创建等比数组	a = np.logspace(0,9,10,base=2)	生成 [ 1. 2. 4. 8. 16. 32. 64. 128. 256. 512.] 的数组，左闭右闭，如果将 endpoint 值设为 False 则不包括终止点，基底（base）默认值为 10

属性

属性名	功能	代码示例	解释说明
np.ndarray.ndim	数组维度	a.ndim	输出数组维度，例如 [1. 2. 3. 4. 5.] 维度为 1
np.ndarray.shape	数组形状	a.shape	输出数组形状，例如 [1. 2. 3. 4. 5.] 形状为 (5, )
np.ndarray.size	数组大小	a.size	输出数组总的元素个数。如果是向量则输出长度，如果是矩阵则输出行列之积，例如 [1. 2. 3. 4. 5.] 大小为 5
np.ndarray.dtype	数组数据类型	a.dtype	输出数组数据类型，例如 [1. 2. 3. 4. 5.] 数据类型为 float64
np.ndarray.base	判断数组是否共享内存	a.base is b.base	复制传值、引用传值的 base 相同、切片的 base 不相同
np.ndarray.shape 或 np.shape	查询数组形状	a.shape 或 np.shape(a)	例如五元组的向量则形状为 (5, )，如果是五元组的矩阵则形状为 (5, 1)
np.ndarray.T	矩阵转置	a.T	得到 矩阵 a 的转置矩阵

切片（左闭右开）
$$A=[1.2.3.4.5.6.]$$
$$B=\left[\begin{array}{ccc}1& 2& 3\\ 4& 5& 6\\ 7& 8& 9\end{array}\right]\text{\hspace{1em}(3)}$$

示例	功能	输出
A[0]	读取向量 A 的第一个数	1
A[-1]	读取向量 A 的倒数第一个数	6
A[1: -1:2]	读取向量 A 的第二个数到最后一个数（不包括最后一个），两个两个读	[2 4]
A[1::2]	读取向量 A 的第二个数到最后一个数，两个两个读	[2 4 6]
B[1][2] 或 B[1, 2]	读取矩阵 B 的第二行第三个数	6
B[2, :]	读取矩阵 B 的第三行全部	[7 8 9]
B[::-1, ::-1]	倒着输出矩阵 B	[ [9 8 7][6 5 4][3 2 1] ]

更改

方法名	功能	代码示例	解释说明
np.reshape	改变数组形状	a = np.zeros(9) b = a.reshape(3,3)	有返回值且不会修改原数组，b 是形状为 (3, 3) 的全 0 数组，a 仍为 0 到 9 的向量
np.resize	改变数组形状	a = np.zeros(9) b=a.resize(3,3)	无返回值且会修改原数组，b 为 None，a 是形状为 (3, 3) 的全 0 数组
np.concatenate	数组拼接	c = np.concatenate((a,b), axis=0)	去掉 a 数组和 b 数组的最外围（第0层）然后拼接
np.split	数组拆分	a=np.array([[1, 2], [3, 4]]) b = np.split(a, 2)	b 为包含 [1, 2] 和 [3, 4] 的二元组

判断

方法名	功能	代码示例	解释说明
np.isclose	判断两数相等	np.isclose(0.333333, 1/3))	返回 True，用于判断两个数的误差是否在相等的范围内，是则两数相等
np.allclose	判断数组相等	np.allclose([0.333333, 3.1415926], [1/3, np.pi]))	返回 True，用于判断两个数组的每个元素之间误差是否在相等的范围内，是则两数组相等。如果使用 isclose 比较数组，则返回值为包含数组个数的 True/False 的数组。这是因为 isclose 是逐个比较，而 allclose 是全部比较完后生成一个 True/False

存取

方法名	功能	代码示例	解释说明
np.save	保存数组至文件	np.save(“example”, np.arange(5))	生成 [0, 4] 的数组并存储在名为 “example.npy” 的文件下，注意 “.npy” 后缀会自动生成
np.load	读取数组文件	y = np.load(“example.npy”)	从文件中读取数组存放至变量 y 中，注意需要加上 “.npy” 后缀
np.savetxt	保存数组至 .txt 文件	np.save(“example.txt”, np.arange(5))	生成 [0, 4] 的数组并存储在名为 “example.txt” 的文件下
np.loadtxt	读取 .txt 数组文件	y = np.load(“example.txt”)	从文件中读取数组存放至变量 y 中
np.genfromtxt	按头尾读取 .txt 数组文件	y = np.genfromtxt(“example.txt”, skip_header=2, skip_footer=1)	从文件中读取第二行到倒数第二行的数组存放至变量 y 中

---

2. 计算数学

方法名	功能	代码示例	解释说明
np.pi	常数 $\pi$	a = np.pi	获得常数 $\pi =3.141592653589793$
np.e	常数 $e$	a = np.e	获得常数 $e=2.718281828459045$
np.sin	正弦	a = np.sin(np.pi/2)	参数可以是数或者数组，注意括号里的参数为弧度
np.cos	余弦	a = np.cos(np.pi/2)	参数可以是数或者数组，注意括号里的参数为弧度
np.tan	正切	a = np.tan(np.pi/2)	参数可以是数或者数组，注意括号里的参数为弧度
np.round / np.around	四舍五入	a = np.round(4.50)	参数可以是数或者数组，注意 4.50 四舍五入为 4.0，4.501 四舍五入为 5.0
np.floor	向下取整	a = np.floor(4.50)	4.0，参数可以是数或者数组
np.ceil	向上取整	a = np.ceil(4.50)	5.0，参数可以是数或者数组
np.power	幂运算	a = np.power(2, 4)	16，参数可以是数或者数组
np.mod	模运算	a = np.mod(10, 3)	1，参数可以是数或者数组
np.random	随机数	a = np.random.rand(10)	随机生成 10 个 0 到 1 之间的伪随机数

---

3. 线性代数

方法名	功能	代码示例	解释说明
*	矩阵元素相乘	a * b	计算矩阵 a 与矩阵 b 的每个元素的乘积，乘完矩阵大小不变
np.dot	点积	c = np.dot(a,b)	计算矩阵 a 与矩阵 b 的点积
np.vdot	向量点积	c = np.vdot(a,b)	计算向量 a 与向量 b 的点积
np.inner	内积	c = np.inner(a,b)	计算矩阵 a 与矩阵 b 的内积
np.matmul	矩阵乘积	c = np.matmul(a,b)	计算矩阵 a 与矩阵 b 的乘积
la.norm	矩阵的模	n = la.norm(a)	计算矩阵 a 的模长
la.inv	逆矩阵	b = la.inv(a)	计算矩阵 a 的逆矩阵，逆矩阵点积为单位矩阵 $I$
la.det	行列式	b = la.det(a)	计算矩阵 a 的行列式
la.solve	求解 x	x = la.solve(A, b)	计算 Ax = b 的解
la.eig	求特征值和特征向量	eval, evec = la.eig(A)	计算 A 的特征值和特征向量

---

4. 概率统计

方法名	功能	代码示例	解释说明
np.mean	平均数	b = np.mean(a)	计算 a 数组或列表的平均数
np.average	加权平均数	b = np.average(a,weights = wts)	计算 a 数组或列表的加权平均数
np.median	中位数	b = np.median(a)	计算 a 数组或列表的中位数
np.max	最大值	b = np.max(a)	计算 a 数组或列表的最大值
np.min	最小值	b = np.min(a)	计算 a 数组或列表的最小值
np.ptp	最大最小差值	b = np.ptp(a)	计算 a 数组或列表的最大最小差值
np.var	方差	b = np.var(a)	计算 a 数组或列表的方差
np.std	标准差	b = np.std(a)	计算 a 数组或列表的标准差

---

持续更新中~