NumPy基础（一）

NumPy 数组

NumPy 数组是包含相同类型值的网格。NumPy 数组有两种形式：向量和矩阵。严格地讲，向量是一维数组，矩阵是多维数组。在某些情况下，矩阵只有一行或一列。
首先将 NumPy 导入 Jupyter notebook：
import numpy as np
从 Python 列表中创建 NumPy 数组
我们先创建一个 Python 列表：
my_list = [1, 2, 3, 4, 5]
通过这个列表，我们可以简单地创建一个名为 my_numpy_list 的 NumPy 数组，显示结果：
my_numpy_list = np.array(my_list)my_numpy_list #This line show the result of the array generated
刚才我们将一个 Python 列表转换成一维数组。要想得到二维数组，我们要创建一个元素为列表的列表，如下所示：
second_list = [[1,2,3], [5,4,1], [3,6,7]]new_2d_arr = np.array(second_list)new_2d_arr #This line show the result of the array generated
我们已经成功创建了一个有 3 行 3 列的二维数组。

使用 arange() 内置函数创建 NumPy 数组

与 Python 的 range() 内置函数相似，我们可以用 arange() 创建一个 NumPy 数组。
my_list = np.arange(10)#ORmy_list = np.arange(0,10)
这产生了 0~10 的十个数字。
要注意的是 arange() 函数中有三个参数。第三个参数表示步长。例如，要得到 0~10 中的偶数，只需要将步长设置为 2 就可以了，如下所示：
my_list = np.arange(0,11,2)
还可以创建有 7 个 0 的一维数组：
my_zeros = np.zeros(7)
也可以创建有 5 个 1 的一维数组：
my_ones = np.ones(5)
同样，我们可以生成内容都为 0 的 3 行 5 列二维数组：
two_d = np.zeros((3,5))
使用 linspace() 内置函数创建 NumPy 数组
linspace() 函数返回的数字都具有指定的间隔。也就是说，如果我们想要 1 到 3 中间隔相等的 15 个点，我们只需使用以下命令：
lin_arr = np.linspace(1, 3, 15)
该命令可生成一维向量。
与 arange() 函数不同，linspace() 的第三个参数是要创建的数据点数量。
在 NumPy 中创建一个恒等矩阵
处理线性代数时，恒等矩阵是非常有用的。一般而言，恒等矩阵是一个二维方矩阵，也就是说在这个矩阵中列数与行数相等。有一点要注意的是，恒等矩阵的对角线都是 1，其他的都是 0。恒等矩阵一般只有一个参数，下述命令说明了要如何创建恒等矩阵：
my_matrx = np.eye(6) #6 is the number of columns/rows you want
用 NumPy 创建一个随机数组成的数组
我们可以使用 rand()、randn() 或 randint() 函数生成一个随机数组成的数组。
使用 random.rand()，我们可以生成一个从 0~1 均匀产生的随机数组成的数组。
例如，如果想要一个由 4 个对象组成的一维数组，且这 4 个对象均匀分布在 0~1，可以这样做：
my_rand = np.random.rand(4)
如果我们想要一个有 5 行 4 列的二维数组，则：
my_rand = np.random.rand(5, 4)my_rand
使用 randn()，我们可以从以 0 为中心的标准正态分布或高斯分布中产生随机样本。例如，我们这样生成 7 个随机数：
my_randn = np.random.randn(7)my_randn
绘制结果后会得到一个正态分布曲线。
同样地，如需创建一个 3 行 5 列的二维数组，这样做即可：
np.random.randn(3,5)
最后，我们可以使用 randint() 函数生成整数数组。randint() 函数最多可以有三个参数：最小值（包含），最大值（不包含）以及数组的大小。
np.random.randint(20) #generates a random integer exclusive of 20np.random.randint(2, 20) #generates a random integer including 2 but excluding 20np.random.randint(2, 20, 7) #generates 7 random integers including 2 but excluding 20
将一维数组转换成二维数组
先创建一个有 25 个随机整数的一维数组：
arr = np.random.rand(25)
然后使用 reshape() 函数将其转换为二维数组：
arr.reshape(5,5)
注意：reshape() 仅可转换成行列数目相等，且行列数相乘后要与元素数量相等。上例中的 arr 包含 25 个元素，因此只能重塑为 5*5 的矩阵。
定位 NumPy 数组中的最大值和最小值
使用 max() 和 min() 函数，我们可以得到数组中的最大值或最小值：
arr_2 = np.random.randint(0, 20, 10)arr_2.max() #This gives the highest value in the arrayarr_2.min() #This gives the lowest value in the array
使用 argmax() 和 argmin() 函数，我们可以定位数组中最大值和最小值的索引：
arr_2.argmax() #This shows the index of the highest value in the array arr_2.argmin() #This shows the index of the lowest value in the array
假设存在大量数组，而你需要弄清楚数组的形态，你想知道这个数组是一维数组还是二维数组，只需要使用 shape 函数即可：
arr.shape
从 NumPy 数组中索引／选择多个元素（组）
在 NumPy 数组中进行索引与 Python 类似，只需输入想要的索引即可：
my_array = np.arange(0,11)my_array[8] #This gives us the value of element at index 8
为了获得数组中的一系列值，我们可以使用切片符「:」，就像在 Python 中一样：
my_array[2:6] #This returns everything from index 2 to 6(exclusive)my_array[:6] #This returns everything from index 0 to 6(exclusive)my_array[5:] #This returns everything from index 5 to the end of the array.
类似地，我们也可以通过使用 [ ][ ] 或 [,] 在二维数组中选择元素。
使用 [ ][ ] 从下面的二维数组中抓取出值「60」：
two_d_arr = np.array([[10,20,30], [40,50,60], [70,80,90]])two_d_arr[1][2] #The value 60 appears is in row index 1, and column index 2
使用 [,] 从上面的二维数组中抓取出值「20」：
two_d_arr[0,1]
也可以用切片符抓取二维数组的子部分。使用下面的操作从数组中抓取一些元素：
two_d_arr[:1, :2] # This returns [[10, 20]]two_d_arr[:2, 1:] # This returns ([[20, 30], [50, 60]])two_d_arr[:2, :2] #This returns ([[10, 20], [40, 50]])
我们还可以索引一整行或一整列。只需使用索引数字即可抓取任意一行：
two_d_arr[0] #This grabs row 0 of the array ([10, 20, 30])two_d_arr[:2] #This grabs everything before row 2 ([[10, 20, 30], [40, 50, 60]])
还可以使用 &、|、<、> 和 == 运算符对数组执行条件选择和逻辑选择，从而对比数组中的值和给定值：
new_arr = np.arange(5,15)new_arr > 10 #This returns TRUE where the elements are greater than 10 [False, False, False, False, False, False, True, True, True, True]
现在我们可以输出符合上述条件的元素：
bool_arr = new_arr > 10new_arr[bool_arr] #This returns elements greater than 10 [11, 12, 13, 14]new_arr[new_arr>10] #A shorter way to do what we have just done
组合使用条件运算符和逻辑运算符，我们可以得到值大于 6 小于 10 的元素：
new_arr[(new_arr>6) & (new_arr<10)]
预期结果为：([7, 8, 9])
广播机制
广播机制是一种快速改变 NumPy 数组中的值的方式。
my_array[0:3] = 50#Result is:[50, 50, 50, 3, 4, 5, 6, 7, 8, 9, 10]
在这个例子中，我们将索引为 0 到 3 的元素的初始值改为 50。
对 NumPy 数组执行数学运算
arr = np.arange(1,11)arr * arr #Multiplies each element by itselfarr - arr #Subtracts each element from itselfarr + arr #Adds each element to itselfarr / arr #Divides each element by itself
我们还可以对数组执行标量运算，NumPy 通过广播机制使其成为可能：
arr + 50 #This adds 50 to every element in that array
NumPy 还允许在数组上执行通用函数，如平方根函数、指数函数和三角函数等。
np.sqrt(arr) #Returns the square root of each elementnp.exp(arr) #Returns the exponentials of each elementnp.sin(arr) #Returns the sin of each elementnp.cos(arr) #Returns the cosine of each elementnp.log(arr) #Returns the logarithm of each elementnp.sum(arr) #Returns the sum total of elements in the arraynp.std(arr) #Returns the standard deviation of in the array
我们还可以在二维数组中抓取行或列的总和：
mat = np.arange(1,26).reshape(5,5)mat.sum() #Returns the sum of all the values in matmat.sum(axis=0) #Returns the sum of all the columns in matmat.sum(axis=1) #Returns the sum of all the rows in mat