numpy入门

Numpy

• 维度：一组数据的组织形式
• 多维数据：由一维或二维数据在新维度上扩展形成。
• 高维数据：仅使用最基本的二元关系展示数据之间的复杂结构。
• 数组对象采用相同的数据类型，有助于节省运算和存储空间。
• 轴：保存数据的维度
• 秩：轴的数量

import numpy as np
a = np.array([1, 2, 3, 4])
print(a)# [1 2 3 4]
print(a.ndim)#秩 1
print(a.shape)#尺度 (4,)
print(a.size)#个数 4
print(a.dtype)#元素类型 int32
print(a.itemsize)#每个元素的大小 4

元素类型

为什么nadarry需要这么多数据类型？

• 科学计算涉及数据较多，对存储和性能都有较高要求
• 对数据类型精确定义，利于Numpy合理使用存储空间并优化性能
• 利于程序员对程序规模合理评估

nadarry数组可以由非同质对象构成

import numpy as np
a = np.array([[1, 2, 3, 4],[1,2,3]])
print(a)# [list([1, 2, 3, 4]) list([1, 2, 3])]
print(a.ndim)#秩 1
print(a.shape)#尺度 (2,)
print(a.size)#个数 2
print(a.dtype)#元素类型 object
print(a.itemsize)#每个元素的大小 8

创建方法

从列表/元组中创建

可以指定数据类型，若不指定则编译器会根据所读入的数据对类型进行指定。

import numpy as np
l = [[1, 2, 3, 4] ,[5, 6, 7, 8]]
a_list = np.array(l, dtype=np.float)
print(a_list)#[[1. 2. 3. 4.] [5. 6. 7. 8.]]

t = (1, 2, 3, 4)
a_t = np.array(t)
print(a_t)# [1 2 3 4]
print(np.array([[1, 2],[3, 4],(5, 6)]))
'''
[[1 2]
 [3 4]
 [5 6]]
'''

从NumPy中的函数创建

注意！ones，zeros，eye生成的是浮点数类型。

import numpy as np
print(np.arange(10))
print(np.ones((2, 5),dtype=np.int))
print(np.zeros((2, 3, 4)))
print(np.eye(5))

a = np.ones((2,3), dtype=np.int)
print(np.zeros_like(a))
print(np.ones_like(a))
print(np.full_like(a,2))

linspace & concatenate

import numpy as np
a = np.linspace(1, 10, 4)
print(a)#[ 1.  4.  7. 10.]
b = np.linspace(1, 10, 4, endpoint=False)
print(b) #10将不作为最后的元素 [1.   3.25 5.5  7.75]

print(np.concatenate((a, b))) #[ 1.    4.    7.   10.    1.    3.25  5.5   7.75]

维度变换

import numpy as np

a = np.ones((2, 3, 4))
print(a.reshape((6, 4)))
a.resize((6,4))
print(a)
print(a.flatten())
'''
[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]
[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]
[1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
'''

类型变化

import numpy as np
a = np.zeros((2, 3))
print(a)
b = a.astype(np.float)
print(b)
'''
[[0. 0. 0.]
 [0. 0. 0.]]
[[0 0 0]
 [0 0 0]]
'''

#转换为列表
print(b.tolist()) #[[0, 0, 0], [0, 0, 0]]

元素获取

import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(a[1: 4: 2])#[2 4]
a = np.arange(24).reshape((2, 3, 4))
print(a)
print(a[-1, -2, -3])
print(a[:, :, ::2])
"""
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
17

[[[ 0  2]
  [ 4  6]
  [ 8 10]]

 [[12 14]
  [16 18]
  [20 22]]]
"""

数组运算

• 数组与标量之间的运算作用于数组的每一个元素

• 一元函数：对ndarray中的数据执行元素级别运算的函数

• 二元函数：对ndarray中的俩个数组进行运算