【学习记录】【Python】【numpy】自学numpy库的简要记录帖（已经腰斩换新的）

1.极其基础的操作

import numpy as np

#创建一个数组 数组的类型为numpy.ndarray,其中数据的类型为numpy.int32s
array1=np.array([[[1,2,3],[4,5,6],[7,8,9]],[[10,11,12],[13,14,15],[16,17,18]]],dtype=np.int32)
print(array1,'\ntype of array1 is:',type(array1))

#查看数组维数
print('dimensions of array1:',array1.ndim)

#查看数组形状
print('shape of array1:',array1.shape)

#改变数组形状
array2=array1.reshape(6,3)
print(array2)

#提取数据(array2是二维数组)
print(array2[1:4,0:2])          #2、3、4行前两列
print(array2[1:4][0:2])         #两次切片  [1:4]切完后再[0:2]
print(array2[:,2])              #第三列
print(array2[:4])               #前四行
print(array2[:4,:])             #前四行

#数组的大小
print('size of array1 and array2:',array1.size,array2.size)

#矩阵计算
print(array1+array2.reshape(2,3,3))     #矩阵相加
print(array1*array2.reshape(2,3,3))     #矩阵相乘
print(array1+2)                         #矩阵元素+2

2.索引

import numpy as np

array1=np.array([[[1,2,3],[4,5,6],[7,8,9]],[[10,11,12],[13,14,15],[16,17,18]]],dtype=np.int32)


#取元素   第一维的一、二项，第二维的第一项，第三维的一、三项
array2=array1[np.ix_([0,1],[0],[0,2])]
print(array2)

#取 array1[0,0,0],以及 array1[1,2,1](最终取出两个数，1和17:[1,17])
array3=array1[[0,1],[0,2],[0,1]]
print(array3)

#顺序变的
array4=array1.reshape(6,3)[[0,5,3,1]]
print(array4)

#bool索引
array3=np.array(range(100))     #建立一个0-99的一维数组
print(array3)

array3Bool=array3%3==0          #意会
print(array3Bool)

array3Final=array3[array3Bool]          #得到array3中是3的倍数的项
print(array3Final)
array3Final_another=array3[array3%3==0] #得到array3中是3的倍数的项
print(array3Final_another)

3.简单文件储存

import numpy as np

#txt
x=np.genfromtxt('abc.txt',delimiter='&&',dtype=np.str,usecols=1)        #载入文件
print(x)
#delimiter 分割值
#dtype 数据类型
#usecols 不太清楚

y=np.loadtxt('abc.txt',delimiter='&&',dtype=np.str,usecols=1)           #载入文件
print(y)

np.savetxt('bca.txt',y,fmt='%s')


print('分割线-----------------------')
#二进制

np.save('b_bca.npyy',y)                     #使用此方法保存的后缀名文件总为npy:  b_bca.npyy.npy

np.savez('b_z_bca.npz',the_x=x,the_y=y)     #此方法可以保存多个数组，后缀名为npz  the_x等形参名对应导入后的操作的键名

tmp_a=np.load('b_bca.npy')
print(tmp_a)

tmp_b=np.load('b_z_bca.npz')
print(tmp_b)
print(tmp_b['the_x'])                   #类似字典，key值为先前保存时的形参名，如the_x
print(tmp_b['the_y'])

4.简单练习 && 矩阵的合并与转置

import numpy as np

np.set_printoptions(precision=1,threshold=3000,suppress=True)
#precision控制小数点位数
#threshold控制输出值的个数，其他的以...代替(查的资料上这么说的，实际没看出效果)
#suppress=True 取消使用科学计数法


array1=np.genfromtxt(r'D:\0我的下载\上证指数\上证指数副本.txt',usecols=(0,4,6),)
print(array1)

daySpan=(array1[:,0]>=20180901)&(array1[:,0]<20190101)  #筛选出其中2018年9月1日至2019年1月1日的信息
array2=array1[daySpan]                                  #筛选出其中2018年9月1日至2019年1月1日的信息
print(array2)

#纵向合并
#把array1第三列大于0的设为1，不大于0的设为-1，添加至数组最右边
tmp=array1[:,2].copy()
tmp[tmp>0]=1
tmp[tmp<=0]=-1
array_new=np.c_[array1,tmp]#等同于array_new=np.column_stack((array1,tmp))
print(array_new)

#横向合并
arr1=np.array([[1,2,3],[4,5,6],[7,8,9]])
arr2=np.array([['x','x','x']])

arr_new=np.r_[arr1,arr2]#等同于arr_new=np.row_stack((arr1,arr2))
print(arr_new)

#一维数组默认时列向量，要转化为行向量才能横向合并
#eg:[1,2,3]这是一个列向量 (3,)
#eg:[[1,2,3]]这时一个行向量(1,3)



#矩阵的转置
print(arr_new.T)

5.矩阵的切割

import numpy as np

#新建0-15的数组
array1=np.arange(16).reshape(4,4)
print(array1)


#用hsplit(ary,indices_or_sections)拆分   (相当于split的axis参数=1)
#纵向拆分
#第二个参数：如果时整数x，则把数组平均分成x份，不能平均分会报错
#第二个参数，如果时列表，会以列表中的值为轴拆分
h_arr1=np.hsplit(array1,4)
print(h_arr1)
h_arr2=np.hsplit(array1,[1,3])
print(h_arr2)


#用split(ary, indices_or_sections, axis=0)拆分
#用法基本同hsplit一样，只不过hsplit只能纵向拆分，split可以定义拆分维度
#axis=0第一维，即横向拆分，axis=1第二维，即纵向拆分
arr1=np.split(array1,4,0)
print(arr1)
arr2=np.split(array1,[1,3],0)
print(arr2)

6.图像通道的分离与合成

分离：
img1B,img1G,img1R=np.dsplit(img1,3)
img1B,img1G,img1R=cv2.split(img1)都可以
合成：
cv2.merge([b,g,r])
cv2.merge([zeros, zeros, img1R])

注意倒数第五句的注释

import cv2
import numpy as np

def showone(img):
    cv2.imshow('show image',img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
def showone_color(img,color):
    zeros=np.zeros(img.shape[:2],dtype='uint8') #记得调整格式
    if color == 'B':
        cv2.imshow('blue',cv2.merge([img1B,zeros,zeros]))
    elif color == 'G':
        cv2.imshow('green', cv2.merge([zeros, img1G, zeros]))
    elif color == 'R':
        cv2.imshow('red', cv2.merge([zeros, zeros, img1R]))
    cv2.waitKey(0)
    cv2.destroyAllWindows()
def showone_merge(b,g,r):
    cv2.imshow('merge',cv2.merge([b,g,r]))
    cv2.waitKey(0)
    cv2.destroyAllWindows()


img1=cv2.imread('theimg.png',1)

img1B,img1G,img1R=np.dsplit(img1,3)
#img1B,img1G,img1R=cv2.split(img1)

print(img1B.dtype)          #矩阵元素的格式为uint8



showone(img1B)      #这里图像为灰色，原因是当调用cv2.imshow的时候G、R两个通道被默认设为了与B通道一样，三通道一样时显示灰度图


showone_color(img1B,'B')
showone_color(img1G,'G')
showone_color(img1R,'R')

showone_merge(img1B,img1G,img1R)        #合成后是原图