NumPy 学习笔记

NumPy

优点

NumPy 可以很便捷高效地处理大量数据，使用 NumPy 做数据处理的优点如下:

NumPy 是 Python 科学计算基础库

NumPy 可以对数组进行高效的数学运算

NumPy 的 ndarray 对象可以用来构建多维数组

NumPy 能够执行傅立叶变换与重塑多维数组形状

NumPy 提供了线性代数，以及随机数生成的内置函数

安装

安装镜像

pip install numpy -i Simple Index

array创建对象

通过 NumPy 的内置函数 array() 可以创建 ndarray 对象，其语法格式如下：

numpy.array(object, dtype = None, copy = True, order = None,ndmin = 0)

案例

引入：import numpy as np

reshape数组变维

reshape() 函数允许你在不改变数组数据的情况下，改变数组的维度。

reshape() 返回的是一个新的数组，原数组不会被修改。reshape() 可以用于多维数组，例如将一个一维数组重塑为二维数组。

元素总数必须匹配：新形状中的元素总数必须与原数组中的元素总数相同。

-1 作为占位符：你可以使用 -1 作为占位符，让 numpy 自动计算某个维度的大小。

reshape() 还可以将一维数组重塑为三维数组。

结果

数据类型

NumPy 提供了比 Python 更加丰富的数据类型，如下所示：

数据类型对象

数据类型对象（Data Type Object）又称 dtype 对象，是用来描述与数组对应的内存区域如何使用。

可以在创建数组时指定 dtype 参数来定义数组中元素的数据类型。

数据类型标识码

NumPy 中每种数据类型都有一个唯一标识的字符码，int8, int16, int32, int64 四种数据类型可以使用字符串 'i1', 'i2','i4','i8' 代替，如下所示：

以下是 NumPy 中常见的数据类型标识码及其对应的详细列表：

说明：

在编程中，字节序标记用于指定数据的字节顺序。常见的字节序标记包括：

<: 小端序，数据的最低有效字节存储在内存的最低地址，而最高有效字节存储在内存的最高地址。

>: 大端序，数据的最高有效字节存储在内存的最低地址，而最低有效字节存储在内存的最高地址。

数组属性

shape

返回一个元组，元组中的每个元素表示数组在对应维度上的大小。元组的长度等于数组的维度数。

shape 属性功能：

未传入参数，返回一个由数组维度构成的元组

传入参数，可以用来调整数组维度的大小

如果使用shape属性修改数组的形状，则修改的是原数组的形状，reshape修改数组的形状会返回一个新数组，不修改原数组的形状。

ndim

ndim 属性功能：

返回的是数组的维数

itemsize

itemsize 属性功能：

返回数组中每个元素的大小（以字节为单位）

flags

flags 属性功能：

返回 ndarray 数组的内存信息

说明：

C_CONTIGUOUS:
表示数组在内存中是 C 风格连续的（行优先）。
如果为 True，则数组是 C 风格连续的。
​
F_CONTIGUOUS:
表示数组在内存中是 Fortran 风格连续的（列优先）。
如果为 True，则数组是 Fortran 风格连续的。
​
OWNDATA:
表示数组是否拥有自己的数据。
如果为 True，则数组拥有自己的数据；如果为 False，则数组可能是从另一个数组或对象借用数据的。
​
WRITEABLE:
表示数组是否可写。
如果为 True，则数组是可写的；如果为 False，则数组是只读的。
​
ALIGNED:
表示数组是否对齐。
如果为 True，则数组的数据在内存中是对齐的。
​
WRITEBACKIFCOPY:
表示数组是否是通过 np.copy 创建的副本，并且需要将更改写回原始数组。
如果为 True，则数组是通过 np.copy 创建的副本，并且需要将更改写回原始数组。
​
UPDATEIFCOPY:
表示数组是否是通过 np.copy 创建的副本，并且需要将更改写回原始数组。
如果为 True，则数组是通过 np.copy 创建的副本，并且需要将更改写回原始数组。

创建数组的其他方法

empty()

empty() 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组（数组元素为随机值）

格式：
numpy.empty(shape, dtype = float, order = 'C')

zeros()

创建指定大小的数组，数组元素以 0 来填充

格式：
numpy.zeros(shape, dtype = float, order = 'C')

ones()

创建指定形状的数组，数组元素以 1 来填充

格式：
numpy.ones(shape, dtype = None, order = 'C')

结果

arange()

arange() 函数用于创建一个等差数列的数组。它类似于 Python 内置的 range() 函数，但返回的是一个 NumPy 数组而不是一个列表。

格式：
numpy.arange(start, stop, step, dtype)

根据 start 与 stop 指定的范围以及 step 设定的步长，生成一个 ndarray。

注意：

arange创建一个数组
np.arange(start,stop,step),start默认为0,step默认为1
数组终止值不包含stop
step为正数，stop要比start大，step为负数，stop要比start小，否则生成空数组

linspace

在指定的数值区间内，返回均匀间隔的一维等差数组，默认均分 50 份

格式：
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

linespace:将指定start和stop的数值平均分成“num”分，在生成一维数组
stop是终止值，
 start 默认为0
 num是平均分的份数默认为50，
 endpoint ：为True，数组包含终止值，为False，不包含终止值
 计算公式，理解为endpoint为Ture,步长为（stop-start）/num-1,,endpoint为False，步长为：(stop-start)/num

结果

切片

ndarray 对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样；

slice()

在 Python 中，slice 可以作为一个对象来使用。你可以创建一个 slice 对象，然后使用它来获取序列的片段。

参数：

start 是切片开始的位置（包含该位置）。

stop 是切片结束的位置（不包含该位置）。

step 是切片的步长，即选取元素的间隔。

冒号 : 的作用

表示范围: 冒号用于表示一个范围。例如，array[1:3] 表示从索引 1 到索引 3（不包括 3）的元素。

表示所有元素: 单独使用冒号表示所有元素。例如，array[:, 1] 表示所有行的第 1 列。

步长: 双冒号后面可以跟一个步长值，表示每隔多少个元素取一个。例如，array[::2] 表示每隔一个元素取一个。

注：冒号对于一维数组按索引号截取，二维数组按行和列截取。

省略号 ... 的作用

表示所有维度: 省略号用于表示数组的所有维度。例如，array[..., 1] 表示取所有行的第 1 列。

简化多维切片: 在多维数组中，省略号可以简化切片操作，避免显式地写出所有维度的索引。

高级索引

NumPy 中的高级索引指的是使用整数数组、布尔数组或者其他序列来访问数组的元素。相比于基本索引，高级索引可以访问到数组中的任意元素，并且可以用来对数组进行复杂的操作和修改。

整数数组索引

整数数组索引是指使用一个数组来访问另一个数组的元素。这个数组中的每个元素都是目标数组中某个维度上的索引值。

布尔索引

布尔索引通过布尔运算（如：比较运算符）来获取符合指定条件的元素的数组。

逻辑运算符：

& | ~：与或非

结果：

广播

广播（Broadcast）是 numpy 对不同形状（shape）的数组进行数值计算的方式， 对数组的算术运算通常在相应的元素上进行。这要求维数相同，且各维度的长度相同，如果不相同，可以通过广播机制，这种机制的核心是对形状较小的数组，在横向或纵向上进行一定次数的重复，使其与形状较大的数组拥有相同的维度。

广播规则

维度匹配：如果两个数组的维度数不同，维度数较少的数组会在前面补上长度为 1 的维度。

长度匹配：如果两个数组在某个维度上的长度不同，但其中一个数组在该维度上的长度为 1，则该数组会沿着该维度进行广播。

不匹配：如果两个数组在某个维度上的长度既不相同也不为 1，则广播失败，抛出 ValueError。

结果：