科学计算之Numpy

Numpy使用

numpy.array对象

1. 对象创建

创建	功能	返回值
numpy.array()	将list、range、tuple等对象转换为numpy.array数组	numpy.array对象
numpy.zeros()	创建元素全为0的numpy.array数组	numpy.array对象
numpy.ones()	创建元素全为1的numpy.array数组	numpy.array对象
numpy.eye()	创建对角元素全为1的numpy.array数组	numpy.array对象
numpy.empty()	创建一个空的numpy.array数组	numpy.array对象
numpy.arange()	类似于range()，创建指定范围的numpy.array数组	numpy.array对象
numpy.linspace()	创建指定范围的指定元素个数的numpy.array数组(一维)	numpy.array对象
numpy.random.random()	创建由0-1之间的随机数构成的numpy.array数组	numpy.array对象

2. 对象属性

属性	功能	返回值类型
ndim	获取数组维度	整数
shape	获取数组形状	元组
size	获取数组元素个数	整数
dtype	获取数组元素类型	numpy.dtype类型对象
T	矩阵转置	numpy.array类型对象
flat	类似于flatten()方法，返回可将数组像一维数组一样进行迭代的迭代器	迭代器对象

4. 对象方法

方法	功能	返回值类型
reshape()	改变数组形状到指定shape	返回对原对象的引用
dot()	矩阵乘法	numpy.array类型对象
flatten()	将数组压缩到一维	numpy.array对象

5. 支持的基本运算

运算	功能	返回值
+、-、*、/、//、%	算术运算：按元素进行	numpy.array对象
> 、>=、<、<=、==	关系运算：按元素进行	numpy.array对象
numpy.sin()/cos()/tan()等	三角函数：按元素进行	numpy.array对象
numpy.dot()	计算矩阵乘法	numpy.array对象
numpy.argmin()/argmax()	返回数组最小值/最大值的在所有元素中位置，与维度无关	整数
numpy.min()/max()	返回数组最小值/最大值，可分行(axis=1)和列(axis=0)进行	-
numpy.sum()	对数组元素求和，可分行(axis=1)和列(axis=0)进行	-
numpy.cumsum()	对数组元素进行累加求和，可分行(axis=1)和列(axis=0)进行	-
numpy.diff()	求后一个元素与前一个元素的差值	-
numpy.mean()/average()	求数组元素的平均值，可分行(axis=1)和列(axis=0)进行	-
numpy.median()	求数组的中位数 ，可分行(axis=1)和列(axis=0)进行	-
numpy.nonzero()	返回非零元素的索引	-
numpy.sort()	对数组元素进行排序 ，可分行(axis=1)和列(axis=0)进行	-
numpy.transpose()	矩阵转置	-
numpy.clip()	将数组元素值截断到指定范围	-

6. 索引

方式	功能
a[row][col]、a[row,col]	索引位与row行col列的元素
a[:,col]	索引位于col列的全部元素
a[row]、a[row,:]	索引位于row行的所有元素
a[row,col1:col2]	索引位于row行的col1列到col2列(不包含col2列)的元素
a[[row1,row2,…],[col1,col2,…]]	索引(row1,col1),(row2,col2),…位置的元素
a[row1:row2,col1:col2]	索引位于row1行到row2行(不包含row2行)的col1列到col2列(不包含col2列)的元素
a[条件表达式]	(条件表达式返回的布尔矩阵shape必须等于a.shape)索引布尔值为True的元素
for row in A	对数组的行进行迭代
for col in A.T	对数组的列进行迭代

7. 合并与分割

函数	功能
numpy.vstack()/hstack()	按垂直(水平)方向合并多个数组
numpy.concatenate()	可通过axis=0(垂直)/1(水平)设置合并方向
numpy.newaxis	为数组增加一个维度a[:,np.newaxis]/a[np.newaxis,:]在列(行)上增加一个维度
numpy.split()	将数组分割为指定的块数，可通过axis=0(纵向)/1(横向)指定方向，只能进行等大小分割
numpy.array_split()	功能类似split()，但可进行不等大小分割
numpy.vsplit()/hsplit()	按垂直(水平)方向将数组分割为指定块数

8. 拷贝
   a = numpy.array([1,2,3])
   b = a 浅拷贝，b is a = True,对a、b的操作会相互影响
   b = a.copy 深拷贝 b is a = False ,a、b独立，相互之间没有影响

统计

import numpy
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<no value>) # 沿指定轴计算算术平均
numpy.average(a, axis=None, weights=None, returned=False)  # 沿指定轴计算加权平均，不指定weights参数，功能与mean相同

随机数生成

import numpy
numpy.random.seed(0)  # 设置随机数种子