python的numpy库

图像数组表示

im=np.array(Image.open("00,jpg"))
print(im.shape)
im1=np.array(Image.open("00,jpg").convert('L'),'f')
#转换为灰度图，浮点型
print(im.shape)

数组元素访问

用下标直接访问

value=im[i,j,k]#访问坐标i，j的颜色通道k的像素值

切片方式访问，仅使用一个下标，该下标为行下标

im[i,:]=im[j,:];#将第j行数据赋值给第i行
im[:,i]=100#第i列元素为100
im[:100,:50].sum()#计算前100行和前50列的数值总和
im[50:100,50:100]#第50到100行，列
im[i].mean()#计算第i行的平均值
im[:,-1]#倒数第一列
im[-2,:]#倒数第二行
im[-2]#倒数第二行

ndarry对象的属性

轴(axis):保存数据的维度；秩(rank):轴的数量

属性
ndim	秩，轴和维度的数量
shape	对象的尺度，对于图像(行，列，颜色通道）
size	对象元素的个数
dtype	对象的元素类型
itemsize	对象每个元素的大小(单位为字节)

数组的创建

1.使用np.arange(n)函数：类似range()函数，返回ndarray类型，元素从0到n-1
2.使用np.ones(shape)函数: 根据shape生成一个元素全为1的数组，shape是元祖类型
3.使用np.zeros(shape)函数：根据shape生成一个元素全为0的数组，shape是元祖类型，有指定元素数据类型时，默认为浮点型或者指定类型

a=np.zeros((3,4),dtype=np.int32)

4.使用np.full(shape, val)函数：根据shape生成一个数组，每个元素值均为val，shape是元祖类型
5.使用np.eye(n)函数：创建一个正方形的n*n单位矩阵，对角线元素为1，其余为0

5.np.ones_like(a) ：根据数组a的形状生成一个元素全为1的数组；
6.np.zeros_like(a) ：根据数组a的形状生成一个元素全为0的数组；
7.np.full_like(a，val) ：根据数组a的形状生成一个元素全为val的数组；
8.np.linspace(a,b,c)：从a到b，等间隔去c个数，形成数组
9.np.linspace(a,b,c，endpoint=false)：从a到b等间隔取c个数，舍弃最后一个数
10. np.concatenate((arr1,arr2)): 将两个或多个数组合并成一个新的数组

从Python中的列表、元组等类型创建ndarray数组

当np.array()的参数不指定dtype时，numpy将根据数据的情况关联一个dtype类型

a=np.array([0,1,2,3,4])#从列表类型创建
a=np.array((0,1,2,3,4))#从元组类型创建
a=np.array([[0,1],[2,3,4]])#混合类型创建

数组变换

维度变换

1…reshape(shape)：不改变数组元素，返回一个shape形状的数组，原数组不变。
2. resize(shape)：不改变数组元素，不返回一个shape形状的数组，而且原数组改变。
3.
4. flatten()：对数组进行降维，返回折叠后的一维数组，原数组不变。

元素类型的变换

new_a = a.astype(new_type)
a.astype (np.float)  

数组向列表的转换

ls = a.tolist()

数据的存取

csv文件的保存与读取

1.保存

np.savetxt(frame, array, fmt='%.18e', delimiter=None)

frame:文件、字符串或产生器，可以是.gz或.bz2的压缩文件，可以是’a.csv’,‘a.txt’
array:存入文件的数组
fmt:写入文件的格式，例如：%d %.2d %.18e
delimiter : 分隔字符串，默认是任何空格，可以是’,’

csv文件不支持保存多维数据。只能存取一维和二维数组
2.读取

np.loadtxt(frame, dtype=np.float, delimiter=None, unpack=False)

frame : 文件、字符串或产生器,可以是.gz或.bz2的压缩文件
dtype: 数据类型,可选
delimiter : 分割字符串,默认是任何空格
unpack : 如果True,读入属性将分别写入不同变量

多维数组的保存与读取

1.保存

a.tofile(frame, sep='', format='%s')

frame : 文件、字符串，一般是’a.bat’
sep : 数据分割字符串,如果是空串,写入文件为二进制
format : 写入数据的格式
2.读取

np.fromfile(frame, dtype=np.float, count=-1, sep='')

frame : 文件、字符串
dtype : 读取的数据类型
count : 读入元素个数,‐1表示读入整个文件
sep : 数据分割字符串,如果是空串,写入文件为二进制
多维数组保存时，维度会转化为一维。

np.fromfile(frame, dtype=np.float, count=-1, sep='').reshape((2,3,4))

便捷文件的保存与读取

1.保存

np.save(fname, array)
np.savez(fname, array)

fname : 文件名,以.npy为扩展名,压缩扩展名为.npz
array : 数组变量

2.读取

np.load(fname)

适用于一维二维多维数组的存取，用法最为简单便捷。但是保存的文件为二进制文件，该文件里的内容为二进制数据，不利于查看。

随机数函数

1.np.random.rand() 创建随机数组，浮点数，范围是[0,1),均匀分布
2.np.random.randn() : 创建随机数组,标准正态分布
3.np.random.randint(low, high, shape) : 根据shape创建随机数数组，范围是[low, high)

4.np.random.shuffle(a):根据数组a的每一纵列进行随机排列，数组a发生改变
5.np.random.permutation(a):根据数组a的每一纵列进行随机排列，数组a不变
6.np.random.choice(a, size, replace, p):从一维数组a中以概率p抽取元素，形成size形状的新数组，replace表示是否可以重用元素，默认为True

7.uniform(low, high, size) : 产生具有均匀分布的数组,low起始值,high结束值,size形状
8.normal(loc,scale,size) : 产生具有正态分布的数组,loc均值,scale标准差,size形状
9.poisson(lam,size) : 产生具有泊松分布的数组,lam随机事件发生率,size形状

统计函数

1.np.sum(a, axis=None) :根据给定轴axis计算数组a相关元素之和,axis整数或元组。

• 当axis=None时，np.sum(a)表示数组a的所有元素总和
• 当axis=0时，表示的是数组a各纵列元素之和
• 当axis=1时，表示的是数组a各横列元素之和

2.mean(a, axis=None) ：根据给定轴axis计算数组a相关元素的期望,axis整数或元组。
3.average(a,axis=None,weights=None)：根据给定轴axis计算数组a相关元素的加权平均值。weights元组用于加权。
4.std(a, axis=None) : 根据给定轴axis计算数组a相关元素的标准差
5.var(a, axis=None) : 根据给定轴axis计算数组a相关元素的方差
6.min(a) max(a) : 计算数组a中元素的最小值、最大值
7.argmin(a) argmax(a) : 计算数组a中元素最小值、最大值的降一维后下标
8.unravel_index(index, shape) : 根据shape将一维下标index转换成多维下标
9.ptp(a) : 计算数组a中元素最大值与最小值的差
10.median(a) : 计算数组a中元素的中位数(中值)

梯度函数

np.gradient(a) ：计算数组a中元素的梯度,当a为多维时,返回每个维度梯度
梯度:连续值之间的变化率,即斜率
XY坐标轴连续三个X坐标对应的Y轴值:a, b, c,其中,b的梯度是: (c‐a)/2