Numpy的基础用法（二）

上一篇文章简单讲述了Numpy的特点和数据构造方面的优势，本文将介绍一些Numpy的基础方法。

1、创建基于列表或者元组的数组

# 基于嵌套列表创建二维数组
arr1 = np.array([[1,3,5,7],
                [2,4,6,8],
                [11,13,15,17],
                [12,14,16,18],
                [100,101,102,103]])

# 基于嵌套元组创建二维数组
arr2 = np.array(((8.5,6,4.1,2,0.7),(1.5,3,5.4,7.3,9),
                 (3.2,3,3.8,3,3),(11.2,13.4,15.6,17.8,19)))

# 二维数组的打印结果
print(arr1,'\n')
print(arr2)

看一下结果：

[[  1   3   5   7]
 [  2   4   6   8]
 [ 11  13  15  17]
 [ 12  14  16  18]
 [100 101 102 103]] 

[[ 8.5  6.   4.1  2.   0.7]
 [ 1.5  3.   5.4  7.3  9. ]
 [ 3.2  3.   3.8  3.   3. ]
 [11.2 13.4 15.6 17.8 19. ]]

可以看出不管是列表还是元组都可以通过np.array的方法转换成numpy数组，值得注意的是，必须保证每个列表的长度都是一致的

# 一维数组
import numpy as np
age = np.array([13,19,22,14,19,11])
print(age[-1])
print(age[:3])

print(age[[0,3,5]])
# # 逻辑索引
print(age[age < 18])

输出结果：
11
[13 19 22]
[13 14 11]
[13 14 11]

通过上面的例子可以看出，列表的索引在数组中照样可以用，对于多位数组，索引具有同样的意义，但是在二维数组中，分表表示x,y轴的索引

arr1 = np.array([[1,3,5,7],
                [2,4,6,8],
                [11,13,15,17],
                [12,14,16,18],
                [100,101,102,103]])
print(arr1[3,:])
print(arr1[:,1])

输出：
[12 14 16 18]
[  3   4  13  14 101]

 数组元素的返回

1）在一维数组中，列表的所有索引方法都可以使用在数组中，而且还可以使用间断索引 和逻辑索引；

2）在二维数组中，位置索引必须写成[rows,cols]的形式，方括号的前半部分用于锁定二 维数组的行索引，后半部分用于锁定数组的列索引；

3）如果需要获取二维数组的所有行或列元素，那么，对应的行索引或列索引需要用英文 状态的冒号表示；

 除了索引，数组还具备运算的功能。我们使用两种方对数组的每一行求和，对每一列求平均值

Sum = []
for row in range(4):
    Sum.append(np.sum(arr2[row,:]))
print(Sum)

# 计算每一列的平均
Avg = []
for col in range(5):
    Avg.append(np.mean(arr2[:,col]))
print(Avg)

输出：
[21.3, 26.2, 16.0, 77.0]
[6.1, 6.35, 7.225, 7.525, 7.925]

当然，还有更简单的方法, 如下

# 求每一行的和，axis=1表示行
print(arr2.sum(axis = 1))
print(np.sum(arr2, axis = 1))
# 求每一列的平均值
print(np.mean(arr2, axis = 0))

常用的运算符（供参考）

函数	函数说明
np.round(arr)	对各元素四舍五入
np.sqrt(arr)	计算各元素的算术平方根
np.square(arr)	计算各元素的平方值
np.exp(arr)	计算以e为底的指数
np.power(arr, α)	计算各元素的指数
np.log2(arr)	计算以2为底各元素的对数
np.log10(arr)	计算以10为底各元素的对数
np.log(arr)	计算以e为底各元素的对数
np.min(arr,axis)	按照轴的方向计算最小值
np.max(arr,axis)	按照轴的方向计算最大值
np.mean(arr,axis)	按照轴的方向计算平均值
np.median(arr,axis )	按照轴的方向计算中位数
np.sum(arr,axis)	按照轴的方向计算和
np.std(arr,axis)	按照轴的方向计算标准差
np.var(arr,axis)	按照轴的方向计算方差

随机数生成函数了解一下：

import numpy as np
# 随机整数
np.random.randint()
# 随机均匀分布
np.random.randuniform()
# 随机正态分布
np.random.normal()