一、介绍
中文文档：https://www.numpy.org.cn/
NumPy是Python语言的一个扩展包。支持多维数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。NumPy提供了与Matlab相似的功能与操作方式，因为两者皆为直译语言。
NumPy通常与SciPy(Scientific Python)和Matplotlib(绘图库)一起使用，这种组合广泛用于替代Matlab，是一个流行的技术平台。
NumPy中定义的最重要的对象是称为ndarray的N维数组类型。它描述相同类型的元素集合，可以使用基于零的索引访问集合中元素。基本的ndarray是使用NumPy中的数组函数创建的: numpy.array。
NumPy支持比Python更多种类的数值类型。NumPy数值是dtype(数据类型)对象的实例，每个对象具有唯一的特征。
二、生成numpy数组
1、方法一 使用np.array将list转换为numpy数组
x=[[1,2],[3,4],[5,6]] a=np.array(x) #转换成numpy数组
2、方法二 随机生成numpy数组
import numpy as np a1=np.ndarray([12]) #生成随机的12位的数组 a=np.random.randint(0,10,100)#范围内的整数,长度为100 b=np.random.rand(40)#0到1的均匀分布，长度为40 c=np.random.randn(10)#标准正态分布，长度为10 d=np.random.normal(0,1,100)#生成指定正态分布,长度为100 e=np.random.random(20)#0到1的均匀分布,长度20 f=np.random.ranf(20)#0到1的均匀分布,长度20 g=np.random.uniform(-1,1,100)#指定均匀分布,长度100
3、顺序生成数组
import numpy as np h=np.arange(12)#按顺序生成0-11的数组(类似pythn的range) b=np.arange(0,12,2)#python list的布长0,2,4,6,8等
4、生成零数组、1数组、空数组
import numpy as np #0数组 a= np.zeros(shape=[4,10],dtype=np.float32) #生成4*10的0数组，类型为float32 print(a) #1数组 b=np.ones(shape=[4,10],dtype=np.float32) print(b) #空数组（前面有0数组或1数组，就更前面一样，没有就是随机的数组） c=np.empty(shape=[4,10],dtype=np.float32) print(c)
#生成one-hot数组（将0数组中指定位置的值改成1）
#8,5,2,6(one-hot) a= np.zeros(shape=[4,10],dtype=np.float32)#8,5,2,6(one-hot) print(a) #遍历，修改对应的值为1 for i,k in enumerate(a): if i == 0: k[8]=1 elif i == 1: k[5]=1 elif i == 2: k[2]=1 else: k[6]=1 print(a c=np.argmax(a,axis=1) #1所在的下标 print(c) #[8 5 2 6]
5、将字符串元素转为数值元素
import numpy as np x = np.array(['1','2','3','4','5'],dtype=np.string_) y = x.astype(np.int8)#如果元素中有不为数字的元素，则会抛出异常
三、设置numpy数组维度与常用方法
1、设置数组的维度（使用reshape）
#设置3维数组 a=np.ndarray([12]) #定义0-11的12位numpy数组 a1=a.reshape(2,2,3) #2*2*3的数组,（由2组数组，每组数组再由2组数组组成，里面没个数组由3组数组成） #定义2维数组 b=np.arange(12).reshape(3,4) #类似range，从0开始到n的列表（这里是0-11的数字） print(b) #其它维度也是这么定义的
2、数组的一些属性与方法
import numpy as np b=np.arange((12),dtype=np.float32).reshape(2,2,3) #定义数组类型np.float32 #查看数组的一些属性 np.shape(b) #形状，上面reshape的值，如(3,4),(2,2,3) b.shape #和上面一样，获取形状值 b.size #数组、列表长度 如：12 b.dtype #获取类型，如int32 b.ndim #获取维度 #数组复制 a = np.arange(24).reshape(2,3,4) b = a.copy() #复制 #数组排序 a= np.array([12,45,1,6,8,9,32]) a.sort() #排序
3、二维数组的轴使用
import numpy as np a = np.arange(12).reshape(4,3) a[0,1]=20 #第0组，下标为1的值改为20（1改成20） print(a) b=np.argmin(a,axis=1) #[0 0 0 0] print(b) c=np.min(a,axis=1) #获取每组数组的第1个数（0下标的值） print(c) d=np.max(a,axis=1) #获取每组数组中最大的值 print(d) c=a[:,0] #获取每组数组0下标的值 print(c)
4、三维数组的轴使用
import numpy as np a = np.arange(24).reshape(2,3,4) a[0,0,2]=66 #0下标数组，中的第0号下标的数组中下标为2的值改成66（把2改成66） print(a) b=np.max(a,axis=1) #每个数组中下标相同的值，取下标的最大值，axis代表哪个轴 print(b) '''结果 [[ 8 9 66 11] [20 21 22 23]]''' c=np.sum(a,axis=1) #每组中下标相同的值相加的和 print(c) '''结果 [[12 15 82 21] [48 51 54 57]] ''' c=np.mean(a,axis=1) #每组中下标相同的值的平均值 print(c) '''结果 [[ 4. 5. 27.33333333 7. ] [16. 17. 18. 19. ]] '''
四、数组的广播机制
1、形状相同的广播
import numpy as np a=np.arange(12).reshape(4,3) b=3 c=a+b print(a) print(c) #广播后，全部数字加3了
2、形状不相同的广播
形状不相同，后缘维度要相同
import numpy as np a=np.arange(12).reshape(4,3) print(a) print() b=[3,2,1] #后缘维度长度要相同，即上面reshape(4,3)的后面的数和b的长度要一致（3） print(a+b,'a+b') #每一行都按3,2,1顺序相加，如3+0,2+1,1+2,3+3依次类推
五、numpy数组转置
1、numpy数组转置
import numpy as np a=np.arange(12).reshape(4,3) b=np.arange(12).reshape(3,4) c=np.dot(a,b) #转置 print(a) print(b) print(c)
2、图像转成np数组
图像的4个维度：N,H,W,C
N：批次中的图像数量
H：图像的高度
W：图像的宽度
C：图像的通道数(例如：3表示RGB,1表示灰度……)
import numpy as np import PIL.Image as img path="1.jpg" i=img.open(path) print(np.shape(i)) #(153, 232, 3) arr = np.array(i) #图片转成numpy数组 # print(arr) a=np.arange(24).reshape(2,3,4) #设置一个0-23的3维数组 print(a) b=a.T #T方法转置, print(b.shape) #(4, 3, 2) print(b) c=np.transpose(arr,[1,0,2]) #转置，轴对换 把(153, 232, 3) 改成(232, 153, 3) print(c) print(c.shape)
六、numpy数组的切片
1、二维数组的切片
import numpy as np a=np.arange(12).reshape(4,3) #生成numpy数组 b = a[1:,:2] #从下标为1的数组中,0-2(即0,1)下标的值 c = a[0][0] #取下标0的数组中，下标为0的值（0） d = a[0] #取下标为0的数组 e = a[0][2] #取下标为0的数组中。下标为2的值
2、三维数组的切片
import numpy as np a=np.arange(24).reshape(2,3,4) b = a[:1,:,2:] #取下标到1的数组（即下标为0，到2就是0,1）中，所有下标数组中，下标从2开始到所有的值 c = a[1,2,1] #取下标为1的数组中下标为2的数组中，下标为1的值 d = a[1][2][3] #取下标为1的数组中下标为2的数组中,下标为2的值
3、其它维度的数组以此类推
七、数组拼接
1、方式一、转成list再append追加
import numpy as np a = np.arange(12).reshape(3,4) b = np.array([4,5,6,7]) #将b放到a数组的后面 c=a.tolist() #将a转成list类型 c.append(b.tolist())
2、方式二、转成list后使用extend
import numpy as np a=np.arange(12).reshape(3,4) b=np.array([4,5,6,7]) a=a.tolist() a.extend([b.tolist()]) print(a)
3、轴拼接
import numpy as np a=np.arange(12).reshape(3,4) b=np.arange(12).reshape(3,4) c=np.vstack((a,b)) #将b最佳到a的后面,(拼接0轴) print(c.shape) #(6, 4) d=np.hstack((a,b)) #把a和b数组中下标相同的列表合并（拼接1轴） print(d.shape) #(3, 8)
八、使用numpy采样例子
import numpy as np
import os
import PIL.Image as img
path_image = r"F:/test4/img" #图片目录路径
class Sample:
'''读取所有图像数据'''
def read_data(self):
self.img_arr=[]
#遍历系统文件夹里的文件名
for name in os.listdir(path_image):
imgs = img.open(r"{0}/{1}".format(path_image,name))
images=(np.array(imgs)/255-0.5)*2#/0.5（除0.5） #神经网络通常不会使用太大的数据。所以除255等操作，尽量归1化（通常使用正负1之间的数据）
self.img_arr.append(images)
return self.img_arr
def get_batch(self,set):
'''获取随机数据采样的批次'''
self.read_data()
self.get_arr = []
for i in range(set):
#生成图像个数长度内的一个随机数字
num=np.random.randint(0,len(self.img_arr))
#将生成的随机数作为图像数据集的索引
imge=self.img_arr[num]
#把得到的随机图像数据累计起来
self.get_arr.append(imge)
return self.get_arr
sample=Sample()
# sample.read_data()
#查看随机图像批次形状（4维数组）
print(np.shape(sample.get_batch(100))) #100张，48*48尺寸的图片，图像的通道数(例如：3表示RGB）
#查看随机获得的图像数据
sample.get_batch(10)
九、pandas简单使用
1、pandas介绍
pandas是基于NumPy构建的，让以NumPy为中心的应用变得更加简单
2、pandas简单实用
import numpy as np from pandas import Series,DataFrame #左边是索引，右边是数据 a=Series([1,2,3,4],dtype=np.float32) #创建Series数据结构，类型为np.float32 print(a) ''' 0 1.0 1 2.0 2 3.0 3 4.0 dtype: float32 ''' print(a.values) #值[1,2,3,4] print(a.index) #RangeIndex(start=0, stop=4, step=1) #长度0-4，布长为1 #自定义索引(值和索引长度一样) b=Series([4,5,6,7],index=["a","b","c","d"]) print(b) ''' a 4 b 5 c 6 d 7 dtype: int64 ''' b["a"]=8 #改变索引为"a"的值为8 print(b) #自定义索引方式二 b=Series({"A":1,"B":2}) print(b) #DataFrame类型，类似课表或者excel表格一样，拥有行索引和列索引 c=DataFrame(data=[[2,4,6],[7,8,3],[4,7,5]],index=["d","e","f"],columns=["a","b","c"]) print(c) ''' a b c d 2 4 6 e 7 8 3 f 4 7 5 '''
346
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
