numpy

Numpy数组

数据处理与计算、变换
导入numpy： import numpy as np
注意： numpy中的数组中元素的类型必须一致

Numpy：ndarray(多维数组的数据处理）

一、生成数组

1. array

用array函数将列表转换成数组

a1=np.arrary([1,2,3,4,5,6])
a1
a2=np.array([[1,2,3],[4,5,6]])
#array([10, 78, 34, 89, 23])

2.arange

用arange函数创建指定范围的数字数组（arange用法和range函数类似）

a3=np.arange(60,100,5)
a3
#array([60, 65, 70, 75, 80, 85, 90, 95])

3. linspace

用linspace函数创建等差数列

a4=np.linspace(1,100,5)
a4
#array([  1.  ,  25.75,  50.5 ,  75.25, 100.  ])

4.np.random

使用numpy的随机模块中的随机函数产生数字数组

np.random,random((m,n))：生成一个m行n列的随机数组

np.array([random.random() for i in range(n)])：随机生成一个包含n个元素的数组

np.random.randint(0,z,n)：随机生成一个包含n个元素且值全在0~z之间的一维数组

np.random.randint(0,z,(m,n))：在0~z之间生成一个有m行n列的随机数组

a5=np.random.randint(1,101,10)
#array([17, 73, 56, 21, 23, 83, 94, 14, 29, 61])
a6=np.random.rand(1,100,(3,4))
#array([[63, 68, 83, 93],
#       [81, 79, 60,  6],
#       [28, 81, 57, 87]])
#随机生成包含十个元素的数组
a6=np.array([random.random() for i in range(10)])
a6
#array([0.9495929 , 0.07423479, 0.19000517, 0.64636538, 0.66012647,
#       0.91676274, 0.27137253, 0.07187407, 0.73341749, 0.17518598])

5.特殊函数

np.eye(n)：创建一个n行n列的单位矩阵
np.zeros((m,n))：生成m行n列全为0的数组
np.ones( (m,n) )：生成m行n列全为1的数组
np.full( (m,n ) , y)：生成有m行n列元素全为y的数组

a7=np.eye(4)
#array([[1., 0., 0., 0.],
#       [0., 1., 0., 0.],
#       [0., 0., 1., 0.],
#       [0., 0., 0., 1.]])

二、数组的属性

1.查看属性

函数	意义
a.size	数组元素的个数
a.shape	数组的形状（几行几列）
a.reshape()	改变数组的形状
andim	维度（如一维、二维、三维），数组轴的个数
a.dtype	数组的类型
a.itemsize	每个元素所占的内存大小（单位字节）
a.nbytes	整个数组所占的内存大小（单位字节）
np.argmax(a,axis=0)	获取最大值所在位置
np.argmin(a,axis=1)	获取最小值所在位置

2.转换方法

函数	功能	说明
a.sort( )	排序	从小到大排序（直接修改原数组）
sorted( )	排序	进行简单的升序排序，返回一个新的list
np.unique(a)	去重	去重
a.reshape( )	改变形状	调整数组形状 ，产生一个新的数组，不修改原数组
a.reshape((n,))	数组扁平化	将共有n个元素的多维数组转换为一行有n个元素的一维数组
a.resize( )	改变大小	调整数组大小或形状，直接改变原数组，会在数据不够时自动填补为0
a.flatten( )	数组扁平化	将多维数组变成一维数组，返回一个拷贝不会改变原数组
a.flatten()[n]=x	数组扁平化	将数组变为一维数组后修改某个元素的值，不会修改原数组
a.ravel()	数组扁平化	将多维数组变成一维数组，不改变原数组，返回一个视图；
a.ravel()[n]=x	数组扁平化	将数组变为一维数组后修改某个元素的值，会直接改变原数组的值