Numpy基础教程

Numpy基础教程

目录

基本概念

numpy中的array创建

numpy中的array形状，纬度，大小

numpy中的array加减法，次方，三角函数，乘法

numpy中的最大小值，求和，平均值，中位数

numpy中值对应的索引

numpy中的累和，累差

numpy中判断非零元素

numpy中Transpose

numpy中np.clip 大小阈值

numpy中索引对应的值

numpy中的迭代

numpy中的数组矩阵合并

numpy中的数组矩阵分割

numpy中的赋值和deepcopy

基本概念：

数组：具有相同类型的数据组成的序列，且该序列是有序集合。
数组中的每一个数据称为数据元素。
数组元素由其所在的位置序号来区分。
一维数组是向量，二维数组是矩阵，三维数组.........

首先需要导入：

import numpy as np

numpy中的array创建：

• # 创建一维数组
  array_1 = np.array([1,2,3])
  

  

• # 创建二维数组（多维数组也同理）
  array_2 = np.array([[1,2,3],
                     	[4,5,6]])  # 可以放在同一排，也可以对齐
  

  

• # 生成全零的形状为[2,3]的数组，用括号也可以(2,3)
  o = np.zeros([2,3])
  

  

• # 生成全一的形状为[3,4]的数组
  one = np.ones([3,4])
  

  

• # 生成全为空的[3,3]的数组，其实是生成很小很小的数
  empty = np.empty([3,3])
  

• # 生成有序的一维数组
  youxu = np.arange(10)  # 0-9总的10个数
  # 将一维数组重成其他形状
  a = np.array(12)
  b = a.reshape([3,4])
  

  

  numpy中的array形状，纬度，大小：

• # 数组的形状，维度，大小
  print(array_2.shape)
  print(array_2.ndim)
  print(array_2.size)
  

  

  numpy中的array加减法，次方，三角函数，乘法：

• # array的减法和加法
  a = np.array([10,20,30,40])
  b = np,arange(4)
  c = a-b
  d = a+b
  

  

• # array的次方
  a = np.array([10,20,30,40])
  b = a**2
  print(b)
  

  

• # numpy中的三角函数sin cos tan
  a = np.array([[1,2,3],[2,3,4],[3,4,5]])
  

  

• # 判断各个数，返回True Flase
  a = np.arange(4)
  print(a<3)
  print(a>3)
  

  

• # numpy 的乘法（每个元素相乘和矩阵相乘）
  a = np.array([[2,3],[3,4]])
  b = np.arange(4).reshape([2,2])
  # 每个元素相乘
  c = a*b
  # 矩阵相乘
  d = np.dot(a,b)
  d_2 = a.dot(b)
  

  

  numpy中的最大小值，求和，平均值，中位数：

• # 矩阵元素的最大值最小值,求和，平均值，中位数
  # 最大值
  a = np.arange(2,14).reshape([3,4])
  np.max(a)  # 全部元素的最大值
  np.max(a,axis=0) # 按列  每列的最大值
  np.max(a,axis=1) # 按行  每行的最大值
  # 最小值同理
  np.min(a)
  np.min(a,axis=0)
  np.min(a,axis=1)
  # 求和同理
  np.sum(a)
  np.sum(a,axis=0)
  np.sum(a,axis=1)
  # 平均值同理
  np.mean(a)
  np.average(a)
  # 中位数同理
  np.median(a)
  

  

  numpy中值对应的索引：

• # 返回索引
  # 最大值索引
  np.argmax(a)  # 全部元素最大值的索引
  np.argmax(a,axis=0)  # 按列 每列的最大值索引
  np.argmax(a,axis=1)  # 按行 每行的最大值索引
  # 最小值索引同理
  np.argmin(a)
  np.argmin(a,axis=0)
  np.argmin(a,axis=1)
  

  

  numpy中的累和，累差：

• # 求累和和累差
  a = np.arange(2,14).reshape([3,4])
  # 累和
  np.cumsum(a)
  # 累差
  np.diff(a)
  

  

  numpy中判断非零元素：

• # 判断元素非零
  a = np.array([[1,2],[0,3]])
  np.nonzero(a)
  # 0行0列非零，0行1列非零，1行1列非零
  

  

  numpy中Transpose：

• # 矩阵的转置，行变列，列变行
  a = np.arange(6).reshape([2,3])
  print(a,a.shape)
  b = np.transpose(a)
  print(b,b.shape)
  

  

  numpy中np.clip 大小阈值：

• # np.clip 给定min和max，小于最小值元素的变为最小值，大于最大值的元素变为最大值，介于中介的保持不变
  a = np.array([[2,3,4],[3,7,8],[20,45,6]])
  np.clip(a,6,10)
  

  

  numpy中索引对应的值：

• # numpy的索引
  # 一维数组的索引
  one_array = np.arange(2,14)
  print(one_array)
  print(one_array[3]) # 想要显示5的话
  

  

• # 二维数组的索引
  two_array = np.arange(2,14).reshape([3,4])
  print(two_array)
  # 想要显示第二行
  print(two_array[1])  
  print(two_array[1,:])
  # 想要显示第三列
  print(two_array.T[2])   
  # 想要显示10
  print(two_array[2][0])  
  print(two_array[2,0])  
  # 想要显示[11,12,13]
  print(two_array[2,1:4])
  

  

  numpy中的迭代：

• two_array = np.arange(2,14).reshape([3,4])
  # 迭代行
  for row in two_array:
      print(row)
  # 迭代列
  for col in two_array.T:
      print(col)
  # 迭代每一个元素
  print(two_array.flatten())
  for item in two_array.flat:
      print(item)
  

  

  numpy中的数组矩阵合并：

• # 合并
  # a，b是一维数组
  a = np.array([1,1,1])
  b = np.array([2,2,2])
  # 上下合并后变成二维矩阵
  print(np.hstack((a,b)))   # horizontal stack  左右合并
  print(np.vstack((a,b)))   # vertical stack  上下合并
  
  # 直接给一维数组增加新的纬度
  print(a[np.newaxis,:])   # 在行上增加
  print(a[:,np.newaxis])   # 在列上增加
  c = a[:,np.newaxis]
  d = b[:,np.newaxis]
  merge_vstack = np.vstack((c,d,d,c))   # 上下合并
  merge_hstack = np.hstack((c,d,d,c))   # 左右合并
  merge_axis0 = np.concatenate((c,d,d,c), axis=0)  # axis=0 上下合并
  merge_axis1 = np.concatenate((c,d,d,c), axis=1)  # axis=1 左右合并
  print("merge_vstack:",merge_vstack )  
  print("merge_hstack:",merge_hstack)
  print("merge_axis0:",merge_axis0)
  print("merge_axis1:",merge_axis1)
  

  

  numpy中的数组矩阵分割：

• # 分割
  a = np.arange(12).reshape([3,4])
  # 水平均等分割
  print(np.split(a,2,axis=1))
  print(np.hsplit(a,2))
  # 上下均等分割
  print(np.split(a,3,axis=0))
  print(np.vsplit(a,3))
  # 不均等分割不能用np.split(),要用np.array_split()
  print(np.split(a,3,axis=1))  # 这句会报错
  print(np.array_split(a,3,axis=1))
  

  

  numpy中的赋值和deepcopy：

• # 赋值  a,b,c,都会关联
  a = np.arange(4)
  b = a
  c = a
  d = b
  b is a
  d is a
  a[0] = [13]
  print(a)
  print(b)
  print(c)
  print(d)
  # deep copy  不关联
  b = a.copy()  # deep copy
  b is a
  print(a)
  print(b)
  a[1:3] = [100,99]
  print(a)
  print(b)