Numpy 知识点总结

一维数组（向量）

1. 创建数组

• a = np.array([1., 2., 3.])
  print(a)

  序号	0	1	2
  结果	1.	2.	3.

2. 指定长度的并赋值0的数组

• b = np.zeros(3, int)
  print(b)

  序号	0	1	2
  结果	0.	0.	0.

3. 创建一个空数组，以大小和元素类型匹配现有数组

• c = np.zeros_like(a)
  print©

  序号	0	1	2
  结果	0.	0.	0.

4. 创建填充值的数组

• print(np.ones(3))

  序号	0	1	2
  结果	1.	1.	1.

• print(np.zeros(3))

  序号	0	1	2
  结果	0.	0.	0.

• print(np.empty(3))

  序号	0	1	2
  结果	0.	0.	0.

• print(np.full(3, 5.)

  序号	0	1	2
  结果	5.	5.	5.

有序数组

1. arange(start, stop, step)

• 传一个参数代表stop，如下：

• print(np.arange(6))

  序号	0	1	2	3	4	5
  结果	0	1	2	3	4	5

• 传两个参数代表start，stop，如下：

• print(np.arange(2, 6))

  序号	0	1	2	3
  结果	2	3	4	5

• 传三个参数代表start，stop，step，如下：

• print(np.arange(1, 6, 2)

  序号	0	1	2
  结果	1	3	5

2. linspace(start, stop, num)

• print(np.linspace(0, 0.5, 6))

  序号	0	1	2	3	4	5
  结果	0.	0.1	0.2	0.3	0.4	0.5

随机数

1. np.random.randint(start, stop, num)

• 返回start~stop区间的num个随机整数，默认num是1
• print(np.random.randint(0, 10, 3))

  序号	0	1	2
  结果	1	3	5

2. np.random.rand(num)

• 返回num个随机0~1的浮点数

  序号	0	1	2
  结果	0.68892097	0.66416965	0.63380222

3. np.random.uniform(start, stop, num)

• 返回start~stop区间的num个随机互不相同的数
• print(np.random.uniform(1, 10, 3))

  序号	0	1	2
  结果	2.72110897	9.02662942	9.66096014

4. np.random.randn(3)

• 和np.random.rand相似，只是该函数生成的随机数符合标准正态分布μ=0,σ=1

5. np.random.normal(5, 2, 3)
   符合正态分布μ=5,σ=2

数组索引(前闭后开)

1. 取值

• value = np.arange(1, 6)

• print(value)

  序号	0	1	2	3	4
  结果	1	2	3	4	5

• print(value [1])

  序号	0
  结果	1

• print(value [2:4]) # 前闭后开，取2~4

  序号	0	1
  结果	3	4

• print(value [-2:]) # 最后两个数

  序号	0	1
  结果	4	5

• print(value [::2]) # 从0开始隔一个取一个

  序号	0	1	2
  结果	1	3	5

• print(value [[1, 3, 4]] # 指定一个下标数组序列

  序号	0	1	2
  结果	2	4	5

2. 修改值

• value [2:4] = 0
• print(value)

  序号	0	1	2	3	4
  结果	1	2	0	0	5

通过切片修改数组

• 对比

  python list	numpy array
  pyList = [1, 2, 3]	npArray = np.array([1, 2, 3])
  List1 = pyList # no copy	Array1 = npArray # no copy
  List2 = pyList[:] # copy	Array2 = npArray[:] # no copy

    List3 = pyList.copy() # copy  | Array3 = npArray.copy() # copy|
  

轴参数

• 矩阵value
• print(value)

  1	2	3
  4	5	6

1. 整体求和
   $$result=\sum _{ij}valu{e}_{ij}$$

• print(result)

  21

注：i (axis=0) ; j (axis=1)

2. 按列求和
   $$result=\sum _{i}valu{e}_{ij}$$

• print(value)

  5	7	9

3. 按行求和
   $$result=\sum _{j}valu{e}_{ij}$$

• print(result)

  6
  15

矩阵算术运算

• value 为三行三列矩阵

  1	2	3
  4	5	6
  7	8	9

• ‘/’

  • result = value / 3

  • print(result)

    0.33333333	0.66666667	1.
    1.33333333	1.66666667	2.
    2.33333333	2.66666667	3.

• ‘/’

  • temp = np.array([[3], [6], [9]])

  • result = value / temp

  • print(result)

    0.33333333	0.66666667	1.
    0.66666667	0.83333333	1.
    0.77777778	0.88888889	1.

• ‘*’

  • temp = np.array([-1, 0, 1])

  • result = value * temp

  • print(result)

    -1	0	3
    -4	0	6
    -7	0	9

• ‘*’

  • value = np.array([1, 2, 3])

  • temp = np.array([[1], [2], [3]])

  • result = value * temp

  • print(result)

    1	2	3
    2	4	6
    3	6	9

矩阵统计

1. 返回数值

• min()
  value = [[4,8,5],
  [9,3,1]]
  print(value)

  4	8	5
  9	3	1

  $$result=\underset{ij}{\min }valu{e}_{ij}$$

  • print(value.min())

  1

  • 按列取最小值
    $$resul{t}_j=\underset{i}{\min }valu{e}_{ij}$$
  • print(value.min(axis=0))

  4	3	1

  • 按行取最小值
    $$resul{t}_i=\underset{j}{\min }valu{e}_{ij}$$
  • print(value.min(axis=1))

    4
    1

2. 返回索引，二维及更高版本中的argmin和argmax函数

   $$result=arg\underset{i,j}{\min }valu{e}_{ij}$$

   • print(value.argmin())

     5

   注：np.unravel_index(value.argmin(). value.shape) == (1, 2)
   $$result=arg\underset{i}{\min }valu{e}_{ij}$$

   • print(value.argmin(axis=0))

   0	1	1

   $$result=arg\underset{j}{\min }valu{e}_{ij}$$

   • print(value.argmin(axis=1))

   0
   2

3. 排序
   value = [[4, 8, 5],
   [9,3,1]]

   • print(value)

     4	8	5
     9	3	1

   • print(value.sort(axis=0)) # 按列排序

     4	3	1
     9	8	5

   • print(value.sort(axis=1)) # 按行排序

     4	5	8
     1	3	9

4. 三维及以上

   • print(np.arange(1, 9).reshape(2, 2, 2))
     结果：

   [[[1 2]
   	[3 4]]
   
   	[[5 6]
   [7 8]]]
   

   • 表格

     1	2
     3	4

     5	6
     7	8

   • 堆叠效果图