Numpy基础

为什么要用Numpy

Numpy是由C语言编写的，对代码编译更快、Numpy数组内的数据必须统一，且保持连续的存储在内存中。在相同的计算下，Numpy的运行速度是python的25倍，这是质的飞跃。

什么时候用Numpy

实现向量化、矩阵化操作的时候优先考虑Numpy。

Numpy的安装

numpy安装非常简单，打开命令指示符输入代码

pip install numpy

既可。

Numpy数组的创建

从列表开始

设置数据类型

 二维数组

从头开始创建 

创建一个长度为5的数组，值都为零

创建一个2*4的浮点型数组，值都为1

  

 创建一个3*5的数组，值都为8.8

创建一个3*3的单位矩阵

创建一个线性序列的数组，从1开始，到15结束，步长为2

 创建一个4元素的数组，这四个数均匀的分配到0-1

创建一个10个元素的数组，形成1-10^9的等比数列

 创建一个3*3的，在0-1之间均匀分布的随机数构成的数组

创建一个3*3的，在0-1之间正态的随机数构成的数组

 

创建一个3*3的，在0-10之间随机整数构成的数组

 随机重排列

产生新的列表

 修改原列表

随机采样

生成一个10-25步长为1的数组

 随机选择其中的数据，组成4行5列的数组

 按概率采样

 p为一维数组。表示每个元素被采样的概率。如果不指定，则默认每个元素被采样的概率相等。

下面代码为每一个元素越大，他被采样的几率就越大。

 Numpy数组的性质

 数组的属性

数组的形状shape

 数组的维度

数组的大小 

 数组的大小为元素的个数。

数组的数据类型 

数组的索引

一维数组的索引

 类似于列表的索引

多维数组的索引---以二维为例

 注意：numpy数组的数据类型是固定的，向整形数组插入一个浮点值，浮点值会向下取整。

数组的切片

一维数组

跟列表相似

多维数组---以二位为例 

 前两行、前三列

获取数组的行和列

从0开始计数，取第一行

切片获取的是试图，而非副本

 

注意：视图元素发生修改，则原数据亦发生相应的修改

修改切片的安全方式：copy

 

数组的变形

n*m转a*b（reshape）

注意：reshape返回的是视图，而非副本。

 多维向量转一维向量（flatten、ravel）

flatten

 

注意：flatten返回的是一个副本 

ravel

注意：raval返回的视图 

数组的拼接

水平拼接--非视图（列拼接hstack）

 垂直拼接-非视图（行拼接vsrtack） 

 数组的分裂

split的用法

 hsplit的用法（列分裂）

vsplit的用法（行分裂） 

 Numpy四大运算

向量化运算

与数字加减乘除

绝对值

三角函数

 指数运算 

对数运算

 

 两个数组的运算

都是点对点的运算

 

 矩阵运算

矩阵转置

矩阵乘法

 dot矩阵乘法

 

点乘

 

广播运算

规则：如果两个数组的形状在维度上不相同不相匹配

          那么数组的形式会沿着维度较小的往大的进行扩展匹配数组形状

 

 比较运算和掩码

比较运算

 操作布尔数组

 sum

计算满足条件的个数

all

是否所有元素都满足这个条件

 

 any

至少一个元素满足这个条件

对行或者列判断

 将布尔数组作为掩码

 

花哨的索引

一维数组

注意：结果的形状与索引数组ind一致

 

 多维数组

其他Numpy通用的函数

数值排序

产生新的数组 （np.sort）

 

 替换原数组（sort）

获得排序索引 （argsort）

 最大值最小值

取最大值和最小值

最大值和最小值的索引

数值求和、求积 

求和

整体求和

 按行求和

 

按列求和

 求积

中位数 

 

 均值

 方差

标准差