Python - Numpy库的使用

Numpy简介

Numpy（Numerical Python的简称）是高性能科学计算和数据分析的基础包。

优点

1. Numpy底层使用C语言进行编写的，执行更快。
2. Numpy数组内部的数据类型必须是统一的，而Python列表list支持所有类型的内容填充，使得在使用列表时，每次调用元素都要查询元素类型。
3. Numpy数组的存储地址是连续的。
4. Python语言执行的时候有线程锁，无法实现真正的多线程，而C语言可以。

调用方法

import numpy as np

关于ndarray

数据类型

相对于python自带的list数组，ndarray数组的优点如下：

1. ndarray数组支持广播机制，不需要for循环就能进行矩阵运算。

# 矩阵运算1
a = np.array([1, 2, 3, 4, 5])
a = a + 1
# 无需使用for循环进行逐个增加，简化了矩阵的运算

# 矩阵运算2-广播机制
a = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]])
b = np.array([1, 2, 3, 4, 5])
c = a + b
# c = ([[2, 4, 6, 8, 10], [7, 9, 11, 13, 15]])

# 矩阵运算3-标量和矩阵
# 使用标量对矩阵进行加减乘除，都相对于使用标量对数组内每一个元素进行加减乘除操作

# 矩阵运算4-矩阵间运算（区别于2）
# 使用矩阵加减乘除矩阵，都相当于对应位置元素各自的加减乘除。 

2. 内部数据类型相同，地址空间连续，运行速度更快。

创建函数

函数	作用
np.array(object, dtype=)	接受一切序列型（常用list）的对象,然后产生一个新的含有传入数据的numpy数组，可设置类型dtype。
np.arange(m,n,x)	创建元素从m到n依次递增x的数组。
np.zeros()	创建指定长度或者形状（例如二位矩阵）的全0数组。
np.ones()	创建指定长度或者形状的全1数组。
np.full((), n)	创建指定长度或者形状的指定内容为n的数组。
np.eye(n)	创建n*n的单位矩阵。
np.linspace(0, 1, 5)	创建从0-1，长度为5的等差数列。
np.logspace(0,9,10)	创建一个长度为10，形成1-10^9的等比数列。

属性

属性(a=变量名)	作用
a.shape	数组的形状，1维数组（N, ），二维数组（M, N），三维数组（M, N, K）。
a.dtype	数组内的数据类型。
a.size	包含的元素个数，指单个元素。
a.ndim	数组的维度大小，如一维二维三维

操作函数

属性 (a=变量名)	作用
a = a.astype(type)	改变数组数据类型 。
a = a.reshape(shape)	改变数组形状, 返回视图，(-1,1)表示列数为1，行数自适应。
a = a.flatten() /a.reshape(-1)	展开数组，返回副本，无法修改。
a = a.ravel()	展开数组，返回视图，修改会保存到原数组。

属性 (a=变量名)	作用
np.median(x)	求x的中位数
a.mean()	计算算术平均数，零长度数组的mean为NaN
a.std() / a.var()	计算标准差/方差，自由度可调（默认为n）
a.sum()	对数组中全部或某轴向的元素求和，零长度数组的sum为0。
a.sum()	对数组中全部或某轴向的元素求积
a.max() / a.min()	返回最大值/最小值。
a.argmin() / a.argmax()	返回最大值/最小值的索引。
a.cumprod()	计算所有元素累积。
a.cumsum()	计算所有元素累加。

属性 (a=变量名)	作用
np.r_[a,b] / np.vstack([a, b])	两矩阵上下相加，要求列数相等
np.c_[a,b] / np.hstack([a, b])	两矩阵左右相加，要求行数相等
np.split(X, n)	将X进行分裂，返回n个等分数组
np.split(X, [n,m])	将X进行分裂，返回3个数组，从n和m为下标的元素进行左切割
np.hsplit(X, n / [n,m])	对X进行垂直切割，按列数或等分
np.vsplit(X, n / [n,m])	对X进行水平切割，按行数或等分

关于np.random

创建随机数组

建立随机数组之前一般先设置随机数种子，用以保证多次运行时能够建立相同的随机数组

np.<