数模美赛准备——Numpy

数模美赛准备——Numpy

C题多用到Python进行数据处理，因此在赛前准备相关知识

1. 安装Numpy

1. win+R，输入cmd。
2. 输入pip install numpy。

如图所示，完成安装。

2. 创建数组

再完成创建数组前，首先应该导入Numpy模块

import numpy as np

创建一维数组

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

创建二维数组

a = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])

dtype属性

a.dtype

shape属性

a.shape

利用shape改变数组的行和列
例如上面的a是三行四列的二维数组
输入

a.shape = 4,3

此时查看这个数组

它变成了一个四行三列的数组，需要注意的是这一操作并非并非转置，只是安装顺序调整数组的行和列。

当修改shape属性时，将最后一个参数改为-1，则会根据前几个参数自动算出最后一个参数：
例如：

a.shape = 2 ,-1

根据元素个数，计算出总共需要6列。

reshape函数

与直接修改数组的shape属性不同的是，reshape函数在原数组的基础上创建新的数组而非直接对原数组进行修改。
输入：

b = a.reshape(3,4)

查看数组b

通过数组索引，修改数组元素

输入：

b[1] = 2021

将数组b的第二行所有元素修改为2021

创建数组时修改元素类型

a = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9,
10]], dtype=np.float)

a = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9,
10]], dtype=np.complex)

arange函数

arrange的三个参数分别是起始值，终止值，步长，依然是左闭右开区间

f = np.arange(0,1,0.1)

linspace函数

和arrange类似，只不过第三个参数是元素个数。

np.linspace(0,1,10)

如果输入endpoint = False这个参数，则不包括终点

logshape函数

从$10^m$到$10^n$直间产生$N$个数

np.logspace(0, 2, 20)

特殊的创建函数

zeros函数：用于创建元素全为0的数组
ones函数：用于创建元素全为1的数组
empty函数：用于创建未初始化的规定大小的数组

np.empty((2,3),np.int) #只分配内存，不对其进行初始化

3. 存取元素

切片

a[3:5] #第4个到第5个元素

a[:5] #没有参数，默认从0开始

a[:-1] #负数代表从后向前

a[1:-1:2] # 范围中的第三个参数表示步长，2表示隔一个元素取一个元素

共享

和Python的列表序列不同，通过下标范围获取的新的数组是原始数组的一个视图。它与原始数组共享同一块数据空间：

b = a[3:7] # 通过下标范围产生一个新的数组b，b和a共享同一块数据空间

此时修改数组b的元素

b[2] = -10 # 将b的第3个元素修改为 -10

查看数组b

再查看数组a

a中相应元素也被修改。

布尔数组

生成一个从10到2递减的数组

x = np.arange(10,1,-1)

x[[3, 3, 1, 8]] # 获取x中的下标为3, 3, 1, 8的4个元素，组成一个新的数组

b = x[np.array([3,3,-3,8])] #下标可以是负数

此时b并非从x的切片而来，因此b与x并不共享数据空间。

x = np.random.rand(10) # 产生一个长度为10，元素值为0-1的随机数的数组

查找随机数中大于0.5的元素

x[x>0.5]

这就是根据布尔数组的原理取出对应的元素。