Numpy使用（学习记录）

“小辣椒”

已于 2023-06-16 11:16:39 修改

阅读量117

点赞数 1

分类专栏： python 文章标签： numpy python 开发语言

于 2023-06-13 11:53:33 首次发布

本文链接：https://blog.csdn.net/weixin_48032173/article/details/131116991

版权

python 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

一·Numpy介绍

二·Numpy简单使用

1.创建数组

1.将python序列转换为NumPy数组

一·Numpy介绍

NumPy（Numerical Python）是一个开源Python库，用于几乎所有的科学和工程领域。这是通用的标准在Python中处理数字数据，这是科学研究的核心 Python和PyData生态系统NumPy的用户包括从初级编码员到经验丰富的研究人员进行最先进的科学和工业研究和发展。NumPy API广泛用于Pandas、SciPy、 Matplotlib，scikit-learn，scikit-image和大多数其他数据科学和科学Python包。

NumPy库包含多维数组和矩阵数据结构 (you将在后面的部分中找到有关此的更多信息）。它提供 ndarray，一个同构n维数组对象，其中包含的方法有效地操作它。NumPy可用于执行各种各样的数组的数学运算。它为Python添加了强大的数据结构它保证了数组和矩阵的高效计算一个巨大的高级数学函数库数组和矩阵。

二·Numpy简单使用

1.创建数组

数组是NumPy库的中心数据结构。数组是值的网格，它包含有关原始数据、如何定位元素以及如何解释元素的信息。它有一个元素网格，可以以各种方式进行索引。所有元素都是相同的类型，称为数组dtype。数组可以由非负整数的元组、布尔值、另一个数组或整数索引。数组的秩是维数。数组的形状是一个整数元组，给出了数组沿着每个维度的大小。我们可以初始化NumPy数组的一种方法是从Python列表中使用嵌套列表来处理二维或更高维的数据。

我们可以用以下方法创建数组：

1.将python序列转换为NumPy数组

数字列表将创建1D阵列
列表套列表将创建2D阵列
进一步嵌套的列表将创建更高维的数组。

import numpy as np
a1D = np.array([1,2,3])
a2D = np.array([[1,2,3],[4,5,6]])
a3D = np.array([[[1,2],[3,4]],[[5,6],[7,8]]])

2.内部NumPy数组创建函数

1.1D阵列创建

可以利用numpy.linspace和numpy.arange创建1D阵列，通常需要传入两个参数，start和stop.

numpy.arange将创建具有定期递增值的数组。

>>>import numpy as np
>>>np.arange(3)
array([0, 1, 2])
>>>np.arange(1, 4, dtype=int)
array([1, 2, 3])
>>>np.arange(1, 3, 0.5)
array([1, 1.5, 2, 2.5])

numpy.linspace将创建具有指定数量元素的数组，并在指定开始值和结束值之间等间隔。

>>>import numpy as np
>>>np.linspace(1, 4, 5)
array([1.  , 1.75, 2.5 , 3.25, 4.  ])

此创建函数的优点是可以保证元素的数量以及起点和终点，numpy.arange(start, stop, step)将不包括stop。

2.2D阵列创建

可以运用numpy.eye，numpy.diag，numpy.vander定义表示为2D数组的特殊矩阵的属性。

numpy.eye(n, m)定义2D单位矩阵。i=j（行索引与列索引相等）的元素为1，其余元素为0：

>>>import numpy as np
>>>np.eye(3)
array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])
>>>np.eye(3,4)
array([[1., 0., 0., 0.],
       [0., 1., 0., 0.],
       [0., 0., 1., 0.]])

numpy.diag可以定义具有沿着对角线的给定值的正方形2D数组，或者如果给定2D数组，则返回仅为对角线元素的1D数组：

>>>import numpy as np
>>>np.diag([1, 2, 3])
array([[1, 0, 0],
       [0, 2, 0],
       [0, 0, 3]])
>>>np.diag([1, 2, 3], -1)
array([[0, 0, 0, 0],
       [1, 0, 0, 0],
       [0, 2, 0, 0],
       [0, 0, 3, 0]])
>>>np.diag([1, 2, 3], 1)
array([[0, 1, 0, 0],
       [0, 0, 2, 0],
       [0, 0, 0, 3],
       [0, 0, 0, 0]])
>>>np.diag([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
array([1, 5, 9])

vabder(x, n)将Vandermonde矩阵定义为2D NumPy数组。范德蒙矩阵的每一列是输入1D数组或列表或元组x的递减幂，其中最高多项式阶数是n-1。此数组创建例程有助于生成线性最小二乘模型，如下所示：

>>>import numpy as np
>>>np.vander([1, 2, 3], 3)
array([[1, 1, 1],
       [4, 2, 1],
       [9, 3, 1]])
>>>np.vander(np.linspace(0, 2, 4), 2)
array([[0.        , 1.        ],
       [0.66666667, 1.        ],
       [1.33333333, 1.        ],
       [2.        , 1.        ]])

3.一般ndarray创建函数

numpy.ones 将创建一个数组，数组中每个元素都是1。

>>>import numpy as np
>>>np.ones(3)
array([1., 1., 1.])
>>>np.ones((3, 3))
array([[1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])

numpy.zeros 将创建一个填充有0值且具有指定形状的数组。默认的dtype是float64：

>>>import numpy as np
>>>np.zeros(3)
array([0., 0., 0.])
>>>np.zeros((3, 2))
array([[0., 0.],
       [0., 0.],
       [0., 0.]])

default_rng的random方法将创建一个数组，其中填充了0到1之间的随机值。它包含在numpy.random库中.

>>>from numpy.random import default_rng
>>>default_rng(42).random((3, 2))
array([[0.77395605, 0.43887844],
       [0.85859792, 0.69736803],
       [0.09417735, 0.97562235]])

2.复制、连接或更改现有阵列

1.复制数组

当将一个数组或它的元素赋值给一个新变量时，必须显式地numpy.copy数组，否则变量就是原始数组的视图。请考虑以下示例：

>>>import numpy as np
>>>a = np.array([1, 2, 3, 4])
>>>b = a[:2]
>>>b += 1
>>>print(f'a = {a}; b = {b}')
a = [2 3 3 4]; b = [2 3]
>>>c = a[:2].copy()
>>>c += 1
>>>print(f'a = {a}; c = {c}')
a = [1 2 3 4]; c = [2 3]

2.连接数组

可以运用numpy.vstack、numpy.hstack和numpy.block连接现有数组：

>>>import numpy as np
>>>a = np.array([1, 2, 3])
>>>b = np.array([4, 5, 6])
>>>np.hstack((a, b))
array([[1, 2, 3],
      [4, 5, 6]])
>>>a1 = np.array([[1], [2], [3]])
>>>b1 = np.array([[4], [5], [6]])
>>>np.vstack((a1, b1))
array([[1],
       [2],
       [3],
       [4],
       [5],
       [6]])
>>>A = np.ones((2, 2))
>>>B = np.eye((2, 2))
>>>C = np.zeros((2, 2))
>>>D = np.diag((-1, -1))
>>>np.block([[A, B], [C, D]])
array([[ 1.,  1.,  1.,  0.],
       [ 1.,  1.,  0.,  1.],
       [ 0.,  0., -3.,  0.],
       [ 0.,  0.,  0., -4.]])

3.给数组添加行或列

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

现在要给数组a添加一行[7, 8, 9]，或者添加一列[7, 8]

# numpy.r_添加行，注意维度
>>>np.r_[a, [[7, 8, 9]]]
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

# numpy.c_添加列
>>>np.c_[a, [7, 8]]
array([[1, 2, 3, 7],
       [4, 5, 6, 8]])


# numpy.append() 添加行
>>>np.append(a,[[7, 8, 9]], axis=0)
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

# numpy.append() 添加列，注意添加的数组格式
>>>np.append(a, [[7], [8]])
array([[1, 2, 3, 7],
       [4, 5, 6, 8]])

# 注意在使用numpy.append()添加行或列时一定要加上axis,否则数组就变成一维了
>>>np.append(a, [[7, 8, 9]])
array([1, 2, 3, 4, 5, 6, 7, 8, 9])


# 使用numpy.insert() 添加行
>>>np.insert(a, 1, [[7, 8, 9]], axis=0)
array([[1, 2, 3],
       [7, 8, 9],
       [4, 5, 6]])

# numpy.insert() 添加列
>>>np.insert(a, -1, [7, 8], axis=1)
array([[1, 2, 7, 3],
       [4, 5, 8, 6]])

# 注意在使用numpy.insert()给数组添加行或列时axis也必须要写，否则得到一维数组；
# 第二个参数为插入的索引位置，当插入位置为-1时实际插入位置为倒数第二个，若要插入到最后的位置可将a.shape[0]作为第二个参数传入

4.对数组进行转置

代码示例：

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

对于一维数组上述方法对此无用，但多数情况下对一维数组不必进行转置。

三·参考文献

[1] NumPy documentation — NumPy v1.24 Manual

[2] 给numpy数组添加行或列的几种方法_numpy 添加行_景韦的博客-CSDN博客

“小辣椒”

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
1
评论
Numpy使用（学习记录）

NumPy（Numerical Python）是一个开源Python库，用于几乎所有的科学和工程领域。这是通用的标准在Python中处理数字数据，这是科学研究的核心 Python和PyData生态系统NumPy的用户包括从初级编码员到经验丰富的研究人员进行最先进的科学和工业研究和发展。NumPy API广泛用于Pandas、SciPy、 Matplotlib，scikit-learn，scikit-image和大多数其他数据科学和科学Python包。
复制链接

扫一扫