[Python] 学习笔记-numpy

[Python] numpy

---

前言

ndarray是numpy中的多维数组

---

一、数组生成

作为对象，有属性和方法

import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([1, 2, 3, 4])
c = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])

# ndarray的维度看有几层括号，每层的维度看每层括号里有几个元素
print(a.shape)  # (2, 3)
print(b.shape)  # (4,)
print(c.shape)  # (2, 2, 3)

# 生成0、1数组
a = np.zeros(shape=(3, 4), dtype="float32")
b = np.ones(shape=(2, 1, 3), dtype=np.int32)

# 从现有数组中创建数组
data1 = np.array(a)    # 深拷贝
data2 = np.asarray(a)  # 浅拷贝，即改变原数组，生成的素组也会改变
data3 = np.asarray(a)  # 深拷贝

# 生成固定范围内数组
# 生成[0,10]内100个元素
a = np.linspace(0, 10, 100)
# 生成[0,100)，步长为10
b = np.arange(0, 100, 10)

# 生成随机数
# 均匀分布
data1 = np.random.uniform(-1, 1, 10000)
# 正态分布 (均值，标准差，数据个数)
data2 = np.random.normal(1.75, 0.1, 10000)

二、常见操作

import numpy as np
# 形状修改
data = np.array([[1, 2, 3], [4, 5, 6]])
data1 = data.reshape((3, 2))  # 返回新的ndarray，但原始数据不改变
data2 = data.resize((3, 2))   # 没有返回值，但改变原始数据
data3 = data.T                # 转置

# 类型修改
data.astype("int32")

三、运算

1.逻辑运算

a = np.random.normal(0, 1, (8, 10))
# 逻辑判断，若大于0.5，则标记为true
b = a > 0.5
# 筛选出满足条件的元素
c = a[a > 0.5]
# 索引改值
a[a > 0.5] = 1.1

# 只要有一个False就返回Flase，只有全是True才返回True
np.all(a[0:1, 1:2] > 0)
# 只要有一个True就返回True，只有全是False才返回False
np.any(a[0:1, 1:2] > 0)

# 三元运算符
# 若满足条件则将满足元素置1，否则置0
np.where(a > 0, 1, 0)
np.where(np.logical_and(a > 0.5, a < 1), 1, 0)
np.where(np.logical_or(a > 0.5, a < -0.5), 1, 0)

2.统计运算

# max、min、std、mean
data.max()
data.max(axis=0)  # 二维数组求每列的最大值
data.max(axis=1)  # 二维数组求每行的最大值axis=-1
# 返回max的索引，返回二维每行最大值的列索引
np.argmax(data, axis=-1)

3.数组间的运算

广播机制：低位对齐，满足对应维度的大小相等或者为1，两者可以相乘。结果是每个维度的大值

4.矩阵运算

matrix，和ndarray的区别在于，矩阵是二维数组，数组可以是2维的也可以是多维的
矩阵运算需要满足矩阵运算法则

# 存储矩阵的两种形式，ndarray和matrix
data1 = np.array([[1, 2], [3, 4]])
data2 = np.mat([[1, 2], [3, 4]])

# 矩阵乘法
# ndarray存储举证
np.matmul(A,B)
np.dot(A, B)
A @ B
# matrix存储矩阵
A * B

四、合并、分割

# 水平拼接
a = np.array((1, 2, 3))
b = np.array((2, 3, 4))
np.hstack((a, b))  
"""[1, 2, 3, 2, 3, 4]
"""

# 竖直拼接
a = np.array([1], [2], [3])
b = np.array([2], [3], [4])
np.vstack((a, b))
""" array([[1],
		   [2],
		   [3],
		   [2],
		   [3],
		   [4]])
"""

# 指定维度拼接
a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6]])
np.concatenate((a, b), axis=0)
"""array([[1, 2],
          [3, 4],
          [5, 6]])
"""np.concatenate((a, b.T), axis=1)
"""
array([[1, 2, 5],
       [3, 4, 6]])
"""

五、IO操作和数据处理

1.读取数据文件

data = np.genfromtxt("test.csv", delimiter=",")