python numpy

nympy as np

numpy使用

ndarray元素属生

.ndim		秩，即轴的数量或维度的数量
.shape		ndarray对象的尺寸，对于矩阵，n行m列
.size		ndarray对象元素的个数，相当于.shape中m*n的值
.dtype		ndarray对象的元素类型
.itemsize	ndarray对象中每个元素的大小，以字节为单位

ndarray的元素类型

bool	布尔类型，True False
intc	与C语言中的int类型一致，一般是int32或int64
intp	用于索引的整数，与C语言中的size_t一致，int32或int64
int8	字节长度的整 数，取值[-128,127]
int16	16位长度的整数，取值[-32768,32767]
int32	32位长度的整数，取值[-2^31,2^31-1]
int64	64位长度的整数，取值[-2^63,2^63-1]

无符号整数

uint8		8位无符号整数，取值[0,255]
uint16
uint32
unit64
float16		16位半精度浮点数，1位符号位，5位指数位，10位尾数
float32		16位半精度浮点数，1位符号位，8位指数位，23位尾数
float64		16位半精度浮点数，1位符号位，11位指数位，52位尾数
complex64	复数类型，实况 和虚部都是32位浮点数
complex128 

numpy对象使用

ndarray数组的创建方法

x=np.array(list/tuple)	列表或无组生成numpy数组
x=np.array(list/tuple,dtype='int64')
-----------
X=np.array([1,2,3])
X=np.array([[1,2,3],[4,5,6]])

np.arange(n)		类似range()函数，返回ndarray类型，元素从0至n-1
np.ones(shape)		根据shape生成一个全1的数组，shape是无组类型
np.zeros(shape)		根据shape生成一个全0的数组，shape是元组类型
np.full(shape,val)	根据shape生成一个数组，每个元素值都是val
np.eye(n)			创建一个正方的n*n单位矩阵，对角线为1，其余为0

np.ones_like(a)		根据数组a的形状生成一个全1数组
np.zeros_like(a)	根据数组a的形状生成一个全0数组
np.full_like(a,val) 根据数组a的形状生成一个数组，每个元素都是val

np.linspace(start,stop,jianju,endpoint=True) 根据起止数据等间距地填充数据，形成数组
np.concatenate()	将两个或多个数组合并成一个新的数组

数组的维度变换

.reshape(shape)		不改变数组元素，返回一个shape形状的数组，原数组不变
.resize(shape)		将.reshape()功能一至，但修改原数组
.swapaxes(ax1,ax2)  将数组n个维度中两个维度进行调换
.flatten()			对数组进行降维，返回折叠后的一维数组，返回copy，修改不影响原数组
.ravel()			数组降至一维,返回视图，修改将影响原数组
.astype(new_type)	数组类型的改变
.tolist()			数组向列表的转换，生成列表的数据（列表计算速度较ndarray慢）

--------
d=np.arange(12)
d.reshape(3,4) 等价于 d.reshape(3,-1)
d.resize(2,6)
d.shape=(4,3) 等价于 d.shape(4,-1)

数组的复制

b=a 简单复制，数组的别名
c=a.view() 数组的浅复制
d=a.copy() 数组的深复制，完全复制
------
a=np.arange(12).reshape(3,4)
b=a    id(a)与id(b)完全相同,同一套数据
c=a.view() id不同，但数组值相同，c为a窗体值
d=a.copy() a与d完全两数组据，相互不影响

数组的拼接

.hstack((a,b)) 数组横向拼接
.vstack((a,b)) 数组纵向拼接
-------------------------
a = np.array((1,2,3))
b = np.array((2,3,4))
np.hstack((a,b))
    array([1, 2, 3, 2, 3, 4])
np.vstack((a,b))
	array([[1, 2, 3],
       		[2, 3, 4]])

数组的拆分

.hsplit(ary, indices_or_sections) 数组模向拆分
.vsplit()		数组纵向拆分
-------
x = np.arange(12.0).reshape(3, 4)
np.hsplit(x, 2) 按指定份数拆分
np.hsplit(x,(2,3)) 按指定位置拆分为三份

数组扩展

.title(x,shape) 数组的扩展
-----
a=np.arange(5)
b=np.tile(a,(2,3))

数组的索引和切片

a[序列]			数组的索引
a[起始:终止(不含):步长] a[1:5:2]
a[a,b]			多维数组索引，第一维度度的x,第二个维度的b
a[:,:,[x,y],::2] 不同维度用,分隔,第一二维度全部（：） 第三维度[x,y]列，第四维度步长为2

数组排序

.sort(axis=1)

numpy基本函数

np.abs(x) 
np.fabs(x)		计算数组各元素的绝对值
np.sqrt(x)		计算数组各元素的平方根
np.square(x)	计算数组各元素的平方
np.log(x) np.log10(x) np.log2(x) 计算自然对数，10，2为低的对数
np.ceil(x)		向上取整		
np.floor(x)		floor向下取整
np.rint(x) 		四舍五入
np.modf(x) 		生成整数与小数独立数组
np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x) 三角函数，双曲函数
np.exp(x) 		自然对数的指数
np.sign(x) 		计算数组各元素的符号值1（+），0，-1（-）

numpy二元函数

+ - * / ** 			两个数组各元素进行对应运算
np.maximum(x,y) np.fmax() 元素的最大值/最小值
np.minimum(x,y) np.fmin()
np.mod(x,y) 		元素级的模运算
np.copysign(x,y) 	将数组y中各元素值的符号赋值给数组x的对应元素
> < >= <= == != 	算术比较

np.random随机数函数

.rand(d0,d1,...,dn) 	随机数组，浮点数[0,1),均匀分布
.randn(d0,d1,...,dn)	随机数，标准正态分布
.ranint(low[,high,shape]) 根据shape创建随机整数数组，范围是[low,high]
.seed(s) 				随机数种子，s是给定的种子值

shuffle(a) 			根据数组a的第1轴进行随机排列，改变数组a
permutation(a) 		根据数组a的第1轴产生一个新的乱序数组，不改变数组
choice(a[,size,replace,pl]) 从一维数组a中以概率p抽取元素，形成size形状新数组，
							replace表示是否可以重用元素默认为False

uniform(low,high,size) 		产生均匀分布的数组
normal(loc,scale,size) 		loc均值，scale标准差，size形状
poisson(lam,size) 			泊松分布的数组，lam随机事件发生率，size形状

numpy 统计函数

.sum(a,axis=None) 	求和，axis指定轴计算
.mean(a,axis=NOne) 	期望，axis指定轴
.average(a,axis=None,weights=None) 加权平均值
.std(a,axis=None) 	标准差
.var(a,axis=None)  	方差

例：
np.mean(a,axis=1) shape(2,3,4)当axis=1时，计算结果shape(2,4)
np.averagea(a,axis=0,weights=[10,5,1]),
计算的对应位置*权重值=(a[0]*10+a[1]*5+a[2]*1)/(10+5+1)

.min() 
.max() 		最小最大值
.argmin() 	返回行/列最大值列/行的标签
.argmax()  	最小值，最大值降一维一标
.unravel_index(index,shape) 根据shape将一维下标index转换成多维下标
.ptp() 		计算数组a中元素最大值与最小值的差(权距)
.median() 	计算数组a中元素的中位数(中值)
------------
x=np.sin(range(12)).reshape(3,-1)
x.argmin(axis=0) 取行最小值标签
x[x.argmax(axis=0),range(x.shape[1])]  取出行的最大数据，输入行列最大值的标签
x[range(x.shape[0]),x.argmin(axis=1)] 取出列最小值

numpy梯度函数

np.gradient(f) 计算数组f中元素的梯度，当f为多维时，返回每个维度的梯度（斜率）

numpy的数据读取

savetxt读写

np.savetxt(frame,array,fmt=’%.18e’,delimiter=None)
frame:文件、字符串或产生器，可以是.gz或.bz2的压缩文件
array:存入文件的数组
fmt:写入文件的格式，如：%d %.2f %.18e
delimiter:分割字符串，默认是任何空格

a=np.arange(100).reshape(5,20)
np.savetxt('a.csv',a,fmt='%d',delimiter=',')

np.loadtxt(frame,dtype=np.float,delimiter=None,unpack=False)
frame:文件、字符串或产生器，可以是gz或.bz2的压缩文件
dtype:数据类型，可选，文件的写入格式
delimiter:分割字符串，默认是任何空格
unpack:如为True读入的属性将分别写入不同变量

b=np.loadtxt('a.csv',delimiter=',')

file读写,任意维度数据的读取

a.tofile(frame,sep=’’,format=’%s’)
frame:文件，字符串
sep:数据分割字符串，如果是空串，写入文件为二进制文件
format:格式%d %.2f %.18e

np.fromfilt(frame,dtype=float,count=-1,sep=’’)
frame:文件，字符串
dtype:读取的数据类型
count:读入元素个数，-1表示读入整个文件
sep:数据分割字符串，如果是空串，写入文件为二进制

文件读写

np.save(fname,array) np.savez(fname,array)
franme 文件名，以.npy为扩展名，压缩扩展名为.npz
array:数组变量

np.load(fname)
frname:文件名，以.npy为扩展名，压缩扩展名为.npz