Numpy快速入门教程（一）数组操作

Numpy快速入门笔记（一）数组操作

学习网站

numpy 官网文档
源代码
菜鸟教程

学习目的及其背景

在很多时候在学习python+opencv的源码中，会调用很多关于numpy的库函数，不能每次都去查每个库函数的功能，所以在进行opencv的学习之前，学习一下python的基础和numpy库函数也是十分必要的，将一些常用的，有难点的知识记录下来也是十分有必要的，而不用去全部的看完所有的教程，下面进入到学习内容：

Numpy的功能作用

支持维度数组与矩阵运算，提供运行速度非常快的数学库。主要包含：

• 一个强大的N维数组对象 ndarray
• 广播功能函数
• 整合 C/C++/Fortran 代码的工具
• 线性代数、傅里叶变换、随机数生成等功能

Numpy常用函数

生成数组函数：

# 创建数组
numpy.zeros(shape, dtype = float, order = 'C') # 创建指定大小的数组，数组元素以 0 来填充：
# shape	数组形状
# dtype	数据类型，可选
# order 'C' 用于 C 的行数组，或者 'F' 用于 FORTRAN 的列数组
-----------------------------------------------------------------------------------------------
# asarray 从数组到数组  参数说明参见创建数组中的说明
numpy.asarray(a, dtype = None, order = None)
# eg：
x =  [1,2,3] 
a = np.asarray(x)
-----------------------------------------------------------------------------------------------
# frombuffer 接受 buffer 输入参数，以流的形式读入转化成 ndarray 对象。
numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)
# count  	读取的数据数量，默认为-1，读取所有数据。
# offset	读取的起始位置，默认为0。
#**注意：buffer 是字符串的时候，Python3 默认 str 是 Unicode 类型，所以要转成 bytestring 在原 str 前加上 b。**
s =  b'Hello World' 
a = np.frombuffer(s, dtype =  'S1')  
-----------------------------------------------------------------------------------------------
numpy.fromiter(iterable, dtype, count=-1) #(跳过)
-----------------------------------------------------------------------------------------------
# 从数值范围创建数组
numpy.arange(start, stop, step, dtype)
# start	起始值，默认为0
# stop	终止值（不包含）
# step	步长，默认为1
# dtype	返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。
-----------------------------------------------------------------------------------------------
# numpy.linspace 函数用于创建一个一维数组，数组是一个等差数列构成的
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
# num	    要生成的等步长的样本数量，默认为50
# endpoint	该值为 true 时，数列中包含stop值，反之不包含，默认是True。
# retstep	如果为 True 时，生成的数组中会显示间距，反之不显示。
-----------------------------------------------------------------------------------------------
np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None) # （跳过）
-----------------------------------------------------------------------------------------------

数组切片和索引

a = np.arange(10)
s = slice(2,7,2) # start, stop 及 step 参数
b = a[s]    
c = a[2:7:2] 
# b和c相等 都是切片操作，将原数组切割成一个新的数组
-----------------------------------------------------------------------------------------------
print (a[...,1])   # 第2列元素
print (a[1,...])   # 第2行元素
print (a[...,1:])  # 第2列及剩下的所有元素 
-----------------------------------------------------------------------------------------------
# 数组索引
x = np.array([[  0,  1,  2],[  3,  4,  5],[  6,  7,  8],[  9,  10,  11]])  
rows = np.array([[0,0],[3,3]]) 
cols = np.array([[0,2],[0,2]]) 
y = x[rows,cols]  
-----------------------------------------------------------------------------------------------
# 布尔索引
x = np.array([[  6,  1,  2],[  3,  4,  5],[  6,  7,  8],[  9,  10,  11]])  
print (x[x >  5])
-----------------------------------------------------------------------------------------------

数组广播（跳过原因：原理性性质的理解）

数组遍历（迭代）

a = np.arange(6).reshape(2,3)
for x in np.nditer(a):
    print (x, end=", " )
-----------------------------------------------------------------------------------------------
for x in np.nditer(a.T.copy(order='C')):
    print (x, end=", " )
# 访问顺序是一致的，只是a.T.copy(order = 'C')存储方式是不一样的，默认是按行访问
-----------------------------------------------------------------------------------------------
# 修改遍历的顺序
for x in np.nditer(a, order='F'):# Fortran order，即是列序优先；
for x in np.nditer(a.T, order='C'):# C order，即是行序优先；
-----------------------------------------------------------------------------------------------
a = np.arange(0,60,5) 
a = a.reshape(3,4)  
for x in np.nditer(a, op_flags=['readwrite']): 
    x[...]=2*x # x=2*x  修改不成功 没有找到解答
# nditer 对象有另一个可选参数 op_flags。 默认情况下，nditer 将视待迭代遍历的数组为只读对象（read-only），为了
# 在遍历数组的同时，实现对数组元素值得修改，必须指定 read-write 或者 write-only 的模式。
-----------------------------------------------------------------------------------------------
# 使用外部循环
for x in np.nditer(a, flags =  ['external_loop'], order =  'F'):  
   print (x, end=", " )
# _index	    可以跟踪 C 顺序的索引
# f_index	    可以跟踪 Fortran 顺序的索引
# multi-index	每次迭代可以跟踪一种索引类型
# external_loop	给出的值是具有多个值的一维数组，而不是零维数组
-----------------------------------------------------------------------------------------------
# 广播迭代（跳过）

数组操作

修改数组形状

函数	描述
reshape	不改变数据的条件下修改形状（维度的改变）
flat	数组元素迭代器
flatten	返回一份数组拷贝，对拷贝所做的修改不会影响原始数组
ravel	返回展开数组

a = np.arange(9).reshape(3,3) 
a.flatten(order = 'F')
a.ravel(order = 'F')

翻转数组

函数	描述
transpose	对换数组的维度
ndarray.T	和 self.transpose() 相同
rollaxis	向后滚动指定的轴
swapaxes	对换数组的两个轴

b = np.transpose(a)
b = a.T
-----------------------------------------------------------------------------------------------
numpy.rollaxis(arr, axis, start)
# arr：数组
# axis：要向后滚动的轴，其它轴的相对位置不会改变
# start：默认为零，表示完整的滚动。会滚动到特定位置。
-----------------------------------------------------------------------------------------------
numpy.swapaxes(arr, axis1, axis2)
# arr：输入的数组
# axis1：对应第一个轴的整数
# axis2：对应第二个轴的整数

修改数组维度

维度	描述
broadcast	产生模仿广播的对象
broadcast_to	将数组广播到新形状
expand_dims	扩展数组的形状
squeeze	从数组的形状中删除一维条目

连接数组

函数	描述
concatenate	连接沿现有轴的数组序列
stack	沿着新的轴加入一系列数组。
hstack	水平堆叠序列中的数组（列方向）
vstack	竖直堆叠序列中的数组（行方向）

分割数组

函数	数组及操作
split	将一个数组分割为多个子数组
hsplit	将一个数组水平分割为多个子数组（按列）
vsplit	将一个数组垂直分割为多个子数组（按行）

数组元素的添加与删除

函数	元素及描述
resize	返回指定形状的新数组
append	将值添加到数组末尾
insert	沿指定轴将值插入到指定下标之前
delete	删掉某个轴的子数组，并返回删除后的新数组
unique	查找数组内的唯一元素