第二章总结

第二章、科学计算库numpy

NumPy数组对象

NumPy中最重要的一个特点就是其N维数组对象，即ndarray（array）对象，该对象可以执行一些科学计算。

array.shape:这是一个整数的元组，表示每个维度上数组的大小。例如一个n行和m列的数组，他的shape属性为（n，m）。

array.dtype:描述数组中元素类型的对象，例如numpy.int32、numpy.float64。

创建NumPy数组

#创建一维数组
import numpy as np
data1=np.array([1,2,3)]

#创建二维数组
data2=np.array([[1,2,3],[4,5,6]])

创建元素值全是随机数的数组

np.empty((5,2))

用arrange()函数创建等差数组

np.arange(1, 20, 5)

用array.dtype创建表示数据类型的对象，dtype可以指定数据类型的长度

data_one = np.array([[1, 2, 3], [4, 5, 6]])

ndarray对象的数据类型可以通过astype()方法进行转换。

data = np.array([[1, 2, 3], [4, 5, 6]]) 
data.dtype
#数据类型转换为float64
float_data = data.astype(np.float64)
float_data.dtype

array的索引和切片

arr = np.arange(8)
# 获取索引为5的元素
arr[5]
# 获取索引为3~5的元素，但不包括5
arr[3:5]

二维数组的索引

在二维数组中，每个索引位置上的元素不再是一个标量而是一个一维数组。

arr2d = np.array([[1, 2, 3],
                  [4, 5, 6],
                  [7, 8, 9]]) 
# 获取索引为1的元素
arr2d[1]

用"arr[x,y]"的索引来获取二维数组的单个元素（x表示行号，y表示列号）。

# 获取位于第0行第1列的元素
arr2d[0, 1]

切片

多维数组的切片是沿着行或列的方向选取元素的，我们可以传入一个切片，也可以传入多个切片，还可以将切片与整数索引混合使用。

eg：
arr2d[:2]

#两个切片
arr2d[0:2, 0:2

#切片与整数索引混合使用
arr2d[1, :2]

布尔型索引

布尔型索引指的是将一个布尔数组作为数组索引，返回的数据是布尔数组中True对应位置的值。

array([False, False,  
       True, False])

利用NumPy数组进行数据处理

将条件逻辑转为数组运算

NumPy的where()函数是三元表达式x if condition else y的矢量化版本。

arr_x = np.array([1, 5, 7])
arr_y = np.array([2, 6, 8])
arr_con = np.array([True, False, True])
result = np.where(arr_con, arr_x, arr_y)

数组的统计汇总方法

• sum：对数组中全部或某个轴向的元素求和
• mean：算数平均值
• min：计算组中的最小值
• max：计算组中的最大值
• argmin：表示最小值的索引
• argmax：表示最大值的索引

数组排序

arr = np.array([[6, 2, 7], 
                [3, 6, 2], 
                [4, 3, 2]])
arr.sort()

检查数组元素

all()函数用于判断整个数组中的元素的值是否全部满足条件，如果满足条件返回True，否则返回False。

arr = np.array([[1, -2, -7], 
                [-3, 6, 2], 
                [-4, 3, 2]])
# arr的所有元素是否都大于0
np.all(arr > 0)

any()函数用于判断整个数组中的元素至少有一个满足条件就返回True，否则就返回False。

arr = np.array([[1, -2, -7], 
                [-3, 6, 2], 
                [-4, 3, 2]])
# arr的所有元素是否有一个大于0
np.any(arr > 0)

随机数模块

# 随机生成一个二维数组
np.random.rand(3, 3)

seed( )函数可以保证生成的随机数具有可预测性，也就是说产生的随机数相同。

numpy.random.seed(seed=None)

可以生成服从多种概率分布随机数的函数：

• seed：生成随机数的种子
• rand：产生均匀分布的样本值
• randint：从给定的上下限范围内随机选取整数