numpy 数组操作

1 numpy.arange

在给定的区间[start, stop) 内返回均匀间隔的值

语法：numpy.arange([start, ] stop, [step, ]dtype=None)

参数：

• start: 开始的区间，包含这个值，默认为0, 可选。
• stop：结束的区间，不包含这个值。
• step：间距值，可选。

返回：

• arange : ndarray

示例：

>>> np.arange(5)
array([0, 1, 2, 3, 4])
>>> np.arange(1,5)
array([1, 2, 3, 4])
>>> np.arange(1,5,0.5)
array([1. , 1.5, 2. , 2.5, 3. , 3.5, 4. , 4.5])
>>> np.arange(0.1,5.0)
array([0.1, 1.1, 2.1, 3.1, 4.1])

2 numpy.linspace

指定时间间隔，返回均匀间隔的数

语法： numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)

参数：

• start：起始值
• stop：结束值
• num：要生成的样本数，默认50，必须为非负整数，可选
• endpoint ：True表示包含stop这个数，False表示不包含，默认为True，可选
• retstep ：True表示返回间隔值，False表示不返还，默认为False，可选
• dtype：数据类型，如果没有指定则，从其他参数判断， version 1.9.0.新增的，可选
  -axis : 默认为0 ，可选

示例：

>>> np.linspace(1,5)
array([1.        , 1.08163265, 1.16326531, 1.24489796, 1.32653061,
       1.40816327, 1.48979592, 1.57142857, 1.65306122, 1.73469388,
       1.81632653, 1.89795918, 1.97959184, 2.06122449, 2.14285714,
       2.2244898 , 2.30612245, 2.3877551 , 2.46938776, 2.55102041,
       2.63265306, 2.71428571, 2.79591837, 2.87755102, 2.95918367,
       3.04081633, 3.12244898, 3.20408163, 3.28571429, 3.36734694,
       3.44897959, 3.53061224, 3.6122449 , 3.69387755, 3.7755102 ,
       3.85714286, 3.93877551, 4.02040816, 4.10204082, 4.18367347,
       4.26530612, 4.34693878, 4.42857143, 4.51020408, 4.59183673,
       4.67346939, 4.75510204, 4.83673469, 4.91836735, 5.        ])
>>> np.linspace(1,5,num=5)
array([1., 2., 3., 4., 5.])
>>> np.linspace(1,5,num=5,endpoint=False)
array([1. , 1.8, 2.6, 3.4, 4.2])
>>> np.linspace(1,5,num=5,retstep=True)
(array([1., 2., 3., 4., 5.]), 1.0)

3 numpy.random

产生随机数

3.1 numpy.random.rand(d0, d1, ..., dn)

返回一个给定形状的ndarray
示例：

>>> np.random.rand(2)
array([0.47914161, 0.961365  ])
>>> np.random.rand(2,3)
array([[0.18805626, 0.56805398, 0.22327111],
       [0.27509408, 0.80982919, 0.32038785]])

3.2 numpy.random.randn(d0, d1, ..., dn)

返回一个给定形状的服从标准正态分布(均值为0，方差为1)的ndarray

>>> np.random.randn(5)
array([ 1.57615724, -1.34411926, -0.38013751,  0.79231348,  0.82890589])
>>> np.random.randn(2,3)
array([[-0.70558487, -1.32330345,  0.65980561],
       [ 0.82518928,  0.42554509,  0.38364469]])

4 numpy.zeros

产生给定形状和类型的全零数组

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

• shape：整数或者元组，如：2,或者(2,2)
• dtype：数据类型，可选
• order： {‘C’, ‘F’}, ‘C’表示按行排列，‘F’表示按列排列，默认为‘C’，可选

示例：

>>> np.zeros(5)
array([0., 0., 0., 0., 0.])
>>> np.zeros((2,3))
array([[0., 0., 0.],
       [0., 0., 0.]])

另外，还有numpy.ones产生全1数组，用法类似

5 numpy.reshape

语法：numpy.reshape(a, newshape, order='C')

参数 ：

• a：需要修改的数组 ，注意(-1,4)表示列为4，行自动调整
• newshape：要改成的形状，整数或者元组
• order：{‘C’, ‘F’, ‘A’},可选

示例：

>>> a=np.arange(6)
>>> a
array([0, 1, 2, 3, 4, 5])
>>> np.reshape(a,(2,3))
array([[0, 1, 2],
       [3, 4, 5]])
>>> a
array([0, 1, 2, 3, 4, 5])
>>> a.reshape((2,3))
array([[0, 1, 2],
       [3, 4, 5]])

6 numpy.array

产生一个数组

示例：

>>> np.array([1, 2, 3])
array([1, 2, 3])
>>> np.array([[1, 2], [3, 4]])
array([[1, 2],
       [3, 4]])

7 python列表和numpy数组

7.1 python列表和numpy数组是可以进行运算的

先介绍矩阵的两种运算：
（1）对应元素相乘
两种方式：

• 一个是np.multiply()
• 另外一个是 *
  （2）内积或者点乘
• np.dot(A, B)

如：list4 = [[1,2],[3,4]] ，相当于shape为（2,2）的numpy数组

>>> list1 = [2]
>>> list2 = [1,2]
>>> list3 = [[1],[2]]
>>> list4 = [[1,2],[3,4]]
>>> a1 = np.array([[2,1],[4,5]]) 
>>> list1*a1
array([[ 4,  2],
       [ 8, 10]])
>>> list2*a1
array([[ 2,  2],
       [ 4, 10]])
>>> list3*a1
array([[ 2,  1],
       [ 8, 10]])
>>> list4*a1
array([[ 2,  2],
       [12, 20]])
>>> np.dot(list4,a1)
array([[10, 11],
       [22, 23]])

7.2 相互转换

将列表转化为numpy的数组:

np.array(list)

将numpy数组转化为python的列表

a.tolist()