NumPy基础

Numpy基础

建议与Jupyter Notebook配合阅读

---

import numpy as np

概述

NumPy特点：

• 内部数据存储在连续的内存块上
• 算法库使用C语言编写
• 针对全量数组进行复杂运算，不用使用循环
• NumPy方法比Python方法 快 10~100倍，使用 更少 的内存

多维数组对象

生成ndarray

np.array – 由列表生成数组

data1 = [1,2,3,4,5]
a = np.array(data1)
a
# 自动推断生成的数据数据类型
a.dtype

np.zeros – 生成全0数组

# 设置参数dtype可以设定数据类型
np.zeros(10, dtype=np.int64)

np.zeros((3, 4))

np.zeros((2, 4, 3))

np.arange – 类似于range

np.arange(20)

np.ones – 生成全1数组

np.ones(10)

np.eye – 生成N×N特征矩阵

np.eye(8)

数据类型

• int, uint
• float
• complex
• bool
• object
• string_
• unicode_

astype – 转换数据类型

arr = np.arange(20)
arr_ = arr.astype(np.float16)

arr.dtype
arr_.dtype

数组算数 – 向量化

arr = np.array([range(5), range(3,8), range(10,15)])
arr

arr * arr

1 / arr

arr < arr*arr

基础索引与切片

基本操作与Python内建的list相同，多维数组略有区别

arr = np.array([range(1,4), range(2,5), range(3,6)])
arr

arr[0][1]

arr[0, 1]

arr[0, :2]

arr[1:, :2]

布尔索引

words = np.array(["Apple", "Bat", "Cake", "Dog", "Bat"])
condition = words == "Bat"

words
condition

arr2 = np.array([range(4,7), range(5,8), range(6,9), range(7,10), range(8,11)])
arr2
arr2[condition]

神奇索引 – 按指定顺序索引

arr = np.array([range(4,7), range(5,8), range(6,9)])
arr
arr[[2,1,0]]

神奇索引将数据复制到新数组中

数组转置

arr = np.array([range(4,7), range(6,9), range(8,11)])
arr
arr.T

通用函数 – 逐元素数组函数

一元通用函数

• abs, fbs    绝对值
• sqrt    开方
• square    平方
• exp    自然指数值e^x
• log log2 log10 log1p    log1p:log(1+x)
• …

二元通用函数

• add    数组相加
• multiply    元素对应相乘
• divide    除
• …

面向数组编程

将条件逻辑作为数组操作

arr = np.random.randn(5,5)
#将数组中大于0的元素置1，其余置0
result = np.where(arr>0, 1, 0) #np.where(condition, if condition, else)

arr
result

数学和统计方法

• sum    求和
• mean    求平均值
• std, var    求标准差，方差
• min, max    最小值，最大值
• argmin, argmax    最小值，最大值的位置
• cumsum    从0开始元素累积和
• cumprod    从1开始元素累积积

# cumsum
arr = np.arange(1,11)
arr

np.cumsum(arr)

# cumprod
np.cumprod(arr)

集合逻辑

• unique(x)    对x去重并排序
• intersect1d(x,y)    计算x和y交集并排序
• union1d(x,y)    计算x和y并集并排序
• in1d(x,y)    判断x中元素是否在y中，返回布尔数组
• setdiff1d(x,y)    差集
• setxor1d(x,y)    异或集

文件输入输出

存储

arr = np.arange(10)
np.save('file_name', arr)

文件类型为.npy

读取

arr = np.load('file_name.npy')

线性代数

x = np.array([range(1,4), range(2,5)])
y = np.array([range(3,5), range(4,6), range(5,7)])

矩阵点乘

# 以下三个操作等价
np.dot(x,y)
x.dot(y)
x @ y

其他操作

import numpy.linalg