python进阶学习日志（一）——Numpy库(1)

本文为大一人工智能专业学生，本文仅为个人学习路线的记录，如有问题或疏漏，欢迎指正！如有侵权请联系我个人微信：GZE08_myh

1. 1Numpy安装

安装numpy：

pip install numpy # 从国外官网下载最新版本的numpy

pip install numpy -i http://pypi.douban.com/simple --trusted-host pypi.douban.com # 指定从国内源(豆瓣源)下载 这个速度比较快

pip install D:\python\numpy-1.19.5-cp36-cp36m-win_amd64.whl # 指定从本地库安装

1. 2ndarray对象

1、创建多维数组

import numpy as np
print('一维数组')
a = np.array([1,2,3]) # 一维数组
print(a) # [1 2 3]
print(type(a)) # <class 'numpy.ndarray'>
print('二维数组')
a = np.array([[1,2],
[3,4],
[5,6]]) # 二维数组
print(a)
# [[1 2]
# [3 4]
# [5 6]]
print(type(a)) # <class 'numpy.ndarray'>
print('三维数组')
a = np.array([[[1,2],
[3,4]],
[[5,6],
[7,8]]])
print(a)
# [[[1 2]
# [3 4]]
# 
# [[5 6]
# [7 8]]]

2、通过dtype参数指定数据类型

a = np.array([1,2,3])
print(a) # [1 2 3]
a = np.array([1,2,3], dtype='float')
print(a) # [1. 2. 3.]
a = np.array([1,2,3], dtype='complex')
print(a) # [1.+0.j 2.+0.j 3.+0.j]
a = np.array([1,2,3], dtype='bool')
print(a) # [ True True True]

3、ndim 维度个数和shape 形状

a = np.array([1,2,3])
print(a.ndim) # 1
print(a.shape) # (3,)
a = np.array([[1,2],
[3,4],
[5,6]]) # 二维数组
print(a.ndim) # 2
print(a.shape) # (3,2) 3行2列
a = np.array([[[1,2],
[3,4]],
[[5,6],
[7,8]]])
print(a.ndim) # 3
print(a.shape) # (2,2,2)

1.3 Numpy的数据类型

Python的数值类型：

number（bool、int、float、complex）

Numpy的数据类型：

Numpy的数据类型：

bool：布尔

intc：C语言的整型

intp：Python的整型

int8：8位整型（-128 ~ 127）

int16：16位整型

int32：32位整型

int64：64整型

uint8：无符号8位整型（0~255）

uint16：无符号16位整型

uint32：无符号32位整型

uint64：无符号64位整型

float：浮点型

float16：半精度浮点数

float32：全精度浮点数

float64：双精度浮点数

complex：复数

complex64：实部32位，虚部32位

complex128：实部64位，虚部64位

通过dtype()查看数据类型：

import numpy as np
dt = np.dtype(np.int32)
print(dt) # int32
a = np.array([1,2,3], dtype='float32')
print(a) # [1. 2. 3.]

1. 4Numpy数组属性

秩：numpy中的维度。通过ndim属性来查看

形状：每个维度的大小。通过shape属性来查看

改变形状：通过reshape()函数来调整

import numpy as np
a = np.array([[1,2],
[3,4],
[5,6]])
print(a.shape) # (3, 2) 3行2列
print(a)
# [[1 2]
# [3 4]
# [5 6]]
b = a.reshape(2,3)
print(b.shape) # (2, 3) 2行3列
print(b)
# [[1 2 3]
# [4 5 6]]

如果不确定其中一个维度的大小是多少，可以使用 -1 来代替，

程序会自动进行计算，计算该值实际上是多少

1. 5Numpy数组属性

numpy.empty() 创建空的指定形状的数组

# 创建空数组
a = np.empty([3,2])
print(a)
# [[6.23042070e-307 3.56043053e-307]
# [1.37961641e-306 2.22518251e-306]
# [1.33511969e-306 1.24610383e-306]]

numpy.zeros() 创建指定形状的数组，且数组中的元素全部为0

numpy.ones() 创建指定形状的数组，且数组中的元素全部为1

1. 6Numpy数组属性

numpy.asarray()

根据已有的数组拷贝创建新数组

import numpy as np
x = [1,2,3]
a = np.asarray(x)
print(a) # [1 2 3]
x[2] = 4 # 对原来的数组做了修改并不会影响拷贝后的数组
print(x) # [1, 2, 4]
print(a) # [1 2 3]

numpy.frombuffer()

实现动态数组（拷贝二进制数据）

s = b'hello' # 二进制数据
print(type(s)) # <class 'bytes'>
a = np.frombuffer(s, dtype='S1')
print(a) # [b'h' b'e' b'l' b'l' b'o']

numpy.fromiter()

从迭代对象（列表、元组、集合、迭代器）中读取数据

list1 = [1,3,5,7,9]
it = iter(list1) # 根据列表创建迭代对象
a = np.fromiter(it, dtype='int32')
print(a) # [1 3 5 7 9]

1. 7从数值范围创建数组

numpy.arange() 创建数值范围

import numpy as np
a = np.arange(5)
print(a) # [0 1 2 3 4]
a = np.arange(2, 10)
print(a) # [2 3 4 5 6 7 8 9]
a = np.arange(2, 10, 2)
print(a) # [2 4 6 8]

numpy.linspace() 创建等差数列

# 创建等差数列 从4开始到8结束 总共5个数 包含开始位置也包含结束位置(8) 数据类型为float32
a = np.linspace(4, 8, 5, dtype='float32')
print(a) # [4. 5. 6. 7. 8.]
# 创建等差数列 从4开始到8结束 总共5个数 包含开始位置不包含结束位置(8) 数据类型为float32
a = np.linspace(4, 8, 5, dtype='float32', endpoint=False)
print(a) # [4. 4.8 5.6 6.4 7.2]

numpy.logspace() 创建等比数列

# 创建等比数列 从10的1次幂开始到10的5次幂结束 包含开始位置也包含结束位置 数据类型为int32
a = np.logspace(1, 5, 5, dtype='int32')
print(a) # [ 10 100 1000 10000 100000]

1. 8切片和索引

a = np.arange(10)
print(a) # [0 1 2 3 4 5 6 7 8 9]
s = slice(3,8,2)
b = a[s]
print(b) # [3 5 7]


a = np.array([[1,2,3],
[4,5,6],
[7,8,9]])
print(a)
# 取所有的行所有列
s = a[:,:]
print(s)
# 取所有行 第1列的数据
s = a[:, 1]
print(s) # [2 5 8]
# 取第1行 第1列的数据
s = a[1,1]
print(s) # 5
# 取第0行到第2行(不包含第2行) 第1列的数据