python_numpy

Numpy的数组对象ndarray

属性

属性	说明
.ndim	秩。即轴的数量或维度的数量
.shape	对象的尺度
.size	对象元素的个数
.dtype	对象的元素类型
.itemsize	对象中每个元素的大小，以字节为单位

>>> import numpy as np
>>> a = np.array([[0,1,2],[3,4,5],[6,7,8]])
>>> a
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> a.ndim
3
>>> a.shape
(3, 3)
>>> a.size
9
>>> a.dtype
dtype('int32')
>>> a.itemsize
4

元素类型

数据类型	说明
bool	布尔，true或false
intc	int整数类型
intp	用于索引的整数
int8	整数，取值【-128，127】
int16	整数，取值【-32768，32767】
int32	整数，取值【$-2^{31},2^{31}-1$】
int64	整数，取值【$-2^{63},2^{63}-1$】
uint8	8位无符号整数，取值【0，255】
unit16	16位无符号整数，取值【0，65535】
unit32	取值【$0，2^{32}-1$】
unit64	取值【$0,2^{64}-1$】
float16	16位半精度浮点数
float32	32位半精度浮点数
float64	64位半精度浮点数
complex64	复数类型，实部和虚部都是32位浮点数
complex128	复数类型，实部和虚部都是64位浮点数

ndarray数组的创建变换

1. 从python中的列表、元组等类型创建ndarray数组
   x =np.array(list/tuple)
2. 创建函数

函数	说明
np.arange(n)	返回ndarray类型，元素从0到n-1
np,ones(shape)	根据shape生成一个全1数组
np.zeros(shape)	根据shape生成一个全0数组
np.full(shape,val)	根据shape生成一个全val值的数组
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生成一个全1数组
np.zeros_like(a)	根据数组a生成一个全0数组
np.full_like(a,val)	根据数组a生成一个全值为val的数组
np.linspace(start，end，spac)	根据气质数据等间距地填充数据
np.concatenate(start，end，n，endpoint)	合并两个数组，生成一个新的数组

>>> np.array([[0,1,2],[3,4,5],[6,7,8],[9,10,11]])
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])
>>> np.arange(12)
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])
>>> np.ones((3,3))
array([[1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])
>>> np.zeros((3,3))
array([[0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.]])
>>> np.full((2,3,4),6)
array([[[6, 6, 6, 6],
        [6, 6, 6, 6],
        [6, 6, 6, 6]],

       [[6, 6, 6, 6],
        [6, 6, 6, 6],
        [6, 6, 6, 6]]])
>>> np.eye(3)
array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])
       a = np.array([[0,1,2],[3,4,5],[6,7,8],[9,10,11]])
>>> a
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])
>>> np.ones_like(a)
array([[1, 1, 1],
       [1, 1, 1],
       [1, 1, 1],
       [1, 1, 1]])
>>> np.zeros_like(a)
array([[0, 0, 0],
       [0, 0, 0],
       [0, 0, 0],
       [0, 0, 0]])
>>> np.full_like(a,6)
array([[6, 6, 6],
       [6, 6, 6],
       [6, 6, 6],
       [6, 6, 6]])
>>> a = np.linspace(1,10,5)
>>> a
array([ 1.  ,  3.25,  5.5 ,  7.75, 10.  ])
>>> b = np.linspace(1,10,5,endpoint = False)
>>> b
array([1. , 2.8, 4.6, 6.4, 8.2])
>>> c = np.concatenate((a,b))
>>> c
array([ 1.  ,  3.25,  5.5 ,  7.75, 10. ,\
		 1.  ,  2.8 ,  4.6 ,  6.4 ,8.2 ])

数组维度变换

方法	说明
.reshape(shape)	返回一个shape形状的数组，原数组不变
.resize(shape)	修改原数组为shape形状
.swapaxes(ax1,ax2)	将数组n个维度中两个维度进行调换
.flatien()	对数组进行降维，返回折叠后的一维数组，原数组不变

数组的运算

函数	说明
np.abs(x) & np.fabs(x)	计算各元素的绝对值
np.sqrt(x)	计算各元素的平方根
np.square(x)	计算各元素的平方
np.log(x)	计算各元素的对数
np.ceil(x)&np.floor(x)	计算各元素的ceiling或floor
np.rint(x)	对各元素四舍五入
np.modf(x)	返回各元素的小数部分和整数部分
np.sin(x)…	计算各元素的三角函数
np.exp(x)	计算各元素的指数值
np.sign(x)	计算元素符号值，1(+),0(0),-1(-)
np.fmax(x,y)	元素级的最大值
np.fmin(x,y)	元素级的最小值
np.mod(x,y)	元素级的模运算
np.copysign(x,y)	将数组y中各元素的符号赋值给数组x对应的元素

Numpy数据存储

CSV文件_适合二维以下数据

• 写入函数：
  np.savetxt(frame,array,fmt,delimiter)
  -frame:文件
  -array:写入文件的数组
  -fmt:写入文件格式
  -deliniter:分隔字符串，默认是空格
• 读取函数
  np.loadtxt(frame,dtype,delimiter,unpack)
  -frame：文件
  -deype：数据类型
  -delimiter：分隔字符串，默认空格
  -unpack：如果True，读入属性将分别写入不同变量

多维度数据

• 文件写入
  a.tolife(frame,sep=’ ‘,format=’%s’)
  -frame:文件
  -sep:分隔字符串，如果是空格，写入文件为二进制
  -format:写入数据格式
• 文件读取
• np.froomfile(frame,deype=float,count=-1,sep=’ ')
  -frame:文件
  -deype:读取的数据类型
  -count:读入元素个数
  -sep:数据分割字符串
• 注意：
  文件的读取时必须明确原数组的属性，写入格式。

numpy的便捷文件存取

• 文件写入
  np.save(fname,array)
  -fname:文件
  -array:数组
• 文件读取
  np.load(fname)
  -fname:文件名
• 注意：
  文件以 .npy 为扩展名，压缩扩展名为 .npz

Numpy函数

函数	说明
sum(a,axis=None)	根据轴axis计算数组a元素之和
mean(a,axis=None)	根据轴axis计算数组a元素期望值
average(a,axis=None,weights=None)	根据轴axis计算数组a元素加权平均值
std(a,axis=None)	根据轴axis计算数组a元素标准差
var(a,axis=None)	根据轴axis计算数组a元素方差
min(a)、max(a)	数组a中元素的最小（大）值
argmin(a)、argmax(a)	数组a中元素最小值、最大值的降一维后下标
unravel_index(index,shape)	根据shape将一维下标index转换成多维下标
ptp(a)	数组a中元素最大值和最小值的差
median(a)	数组a中元素的中位数
np.gradient(f)	计算数组f中元素的梯度，当f为多维时，返回每个维度梯度