Python——-Numpy学习

爱被打了一巴掌 2021-09-27 04:12 476阅读 0赞

## 一、读取txt文件 ##

import numpy
    
    world_alcohol=numpy.genfromtxt("world_alcohol.txt",delimiter=",",dtype=str)
    print(type(world_alcohol)) #class 'numpy.ndarray'
    print(world_alcohol)       #将其视为矩阵一样的东西
    print(help(numpy.genfromtxt)) #获取帮助

## 二、构造数组 （核心） ##

**1. 创建数组**

#构造数组 numpy.array()
    a_vector=numpy.array([1,2,3]) # 构造一维数组，输入一个list
    a_matrix=numpy.array([[1,1,1],[2,2,2],[3,3,3]]) #二维矩阵，list嵌套list，三维也是如此
    print(a_vector)
    print(a_matrix)
    
    # 数组大小，shape
    print(a_vector.shape) #output: (3,)写成元组的格式
    print(a_matrix.shape) #output: (3, 3)
    
    a_vector=numpy.array([1,2,3]) # 构造一维数组，输入一个list
    a_matrix=numpy.array([[1,1,1],[2,2,2],[3,3,3]]) #二维矩阵，list嵌套list，三维也是如此
    print(a_vector)
    print(a_matrix)
    
    # 数组大小，shape
    print(a_vector.shape) #output: (3,)写成元组的格式
    print(a_matrix.shape) #output: (3, 3)

注意：用numpy.array()生成的数组，内部的元素都是同一种类型的，如果传入的元素不是同一种类型，会发生强制类型转换

#构造数组的结果：元素都是同一种类型
    vector1=numpy.array([1,2,3]) # 构造一维数组，输入一个list
    print(vector1) #[1 2 3]
    print(vector1.dtype) #int32
    
    vector2=numpy.array([1,'2',3]) # 构造一维数组，输入一个list
    print(vector2) #['1' '2' '3']
    print(vector2.dtype) #<U11

2. 访问数组——采用索引的方式

# 基本的读取、显示txt中的数据
    world_alcohol=numpy.genfromtxt("world_alcohol.txt",delimiter=",",dtype=str)
    print(world_alcohol)       #print
    print(world_alcohol[1][1]) #索引[1][1]，即第二行、第列的元素
    print(world_alcohol[1,1]) #索引[1][1]，即第二行、第列的元素

3. 切片

# 矩阵切片
    a_matrix=numpy.array([[1,1,1],[2,2,2],[3,3,3]]) #二维矩阵，list嵌套list，三维也是如此
    print(a_matrix)
    print(a_matrix[1,:]) #[2 2 2],打印出第二行所有列的元素
    print(a_matrix[0:2,0:2])
    print(a_matrix[:,0:2])

4. 运算

|-判断是否存在某个值

#运算-判断
    vector2=numpy.array([[1,2,3],[4,5,6],[7,8,9]])
    print(vector2==3) 
    #结果
    # [[False False  True]
    #  [False False False]
    #  [False False False]]
    print(vector2[vector2==3]) #将布尔类型当做一个索引，返回这个索引位置的值[3]

|-与或

#运算-与或操作
    vector2=numpy.array([[1,2,3],[4,5,6],[7,8,9]])
    print((vector2==3)|(vector2==4))
    print((vector2>3)&(vector2<6))
    print(numpy.argwhere(vector2==1)) #[[0 0]]返回了1所在位置的坐标

5. 矩阵元素类型转换

# 改变类型
    vector2=numpy.array([1,2,3])
    print(vector2.dtype) #int32
    vector3=vector2.astype(str)
    print(vector3) #['1' '2' '3']
    print(vector3.dtype)#<U11

6. 最小、最大值

# 最大最小值
    vector2=numpy.array([1,2,3])
    print(vector2.min())
    print(vector2.max())

7. 求和（指定维度）

# 求和
    vector2=numpy.array([[1,2,3],[4,5,6],[7,8,9]])
    print(vector2)
    print(vector2.sum(axis=0))#按列求和[12 15 18]
    print(vector2.sum(axis=1))#按行求和[ 6 15 24]

## 三、numpy常用函数 ##

1. 通过arange构造函数、reshape重新设定矩阵的大小

a=np.arange(15)
    print(a) #[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]
    print(a.reshape(3,5))
    #[[ 0  1  2  3  4]
     # [ 5  6  7  8  9]
     # [10 11 12 13 14]]
    
    print(a.ndim)#维数：1
    print(a.size)#元素个数：15

2. 构造0矩阵、全1矩阵、

b=np.zeros((3,3))
    print(b)
    c=np.ones((1,4))
    print(c)

3. arange、random、linspace

d=np.arange(1,10,2)# 从1到10（不包括10），步长为2
    print(d) #[1 3 5 7 9]
    
    e=np.random.random((3,4))
    print(e)
    
    from numpy import pi
    f=np.linspace(0, 2*pi,100)
    print(f)

4. 数值运算+-\*/……

a=np.array([6,7,8,9])
    b=np.arange(4)
    print(a)
    print(b)
    print(a-b)
    print(a+b)
    print('---------')
    
    c=np.array([[1,0],[0,2]])#注意，中括号容易遗漏
    d=np.array([[1,2],[3,4]])
    print(c)
    print(d)
    print('* 对应位置相乘：'+str(c*d)) #明明这个对应位置相乘，就是矩阵中的点乘呀
    print('普通矩阵相乘：'+str(c.dot(d))) #结果是普通相乘的结果，但是这个符号形式看起来是点乘，奇怪
    print('或者:'+str(np.dot(c,d)))

5. 其他

# 其他操作
    b=np.arange(4) #[0 1 2 3]
    print(b)
    print(np.exp(b))  #[ 1.          2.71828183  7.3890561  20.08553692]
    print(np.sqrt(b)) #[0.         1.         1.41421356 1.73205081]

## 四、矩阵常用操作 ##

1. 向下取整、矩阵-向量转换、矩阵大小改变、求转置

#改变矩阵大小
    a=np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
    print(a.ravel())    #变成一维的
    # print(np.ravel(a))#这两种方式都可以
    
    print(a.reshape(2,6)) #改变大小-方式1
    a.shape=(2,6)    #改变大小-方式2
    print(a)
    print(a.reshape(4,-1)) #改变大小-方式3，只指定行/列数中的一个，剩下的用-1代替
    
    print(a.T) #转置

2. 矩阵拼接（按行/列）

# 矩阵拼接
    a=np.arange(4).reshape(2,2)
    b=np.arange(4).reshape(2,2)
    print(a)
    print(b)
    print(np.hstack((a,b))) #横着拼，注意括号的数目
    print(np.vstack((a,b))) #纵着拼

3. 矩阵切分

# 矩阵切分
    a=np.arange(18).reshape(3,6)
    print(a)
    
    print('--刀片纵向--')
    print(np.hsplit(a,3))
    
    print('--刀片横向--')
    print(np.vsplit(a,3))
    
    print('--指定刀口位置--')
    print(np.hsplit(a,(2,3)))  #分别在第二、三个元素后切割

五、不同复制操作对比

# 不同复制语句之间的对比
    # 1-等于号复制：指向的存储位置是一样的（id相同），改变其中一个，就会改变其他的
    a=np.arange(2,25,2).reshape(3,4)
    b=a
    print(b is a) #True
    print(id(a)) #42522544
    print(id(b)) #42522544
    b.shape=(2,6)
    print(a.shape) #(2, 6)
    
    print('----------')
    # np.view()浅复制: id不同，但两个id使用公共的数据，所以改变其中一个，另一个也会受到影响
    c=a.view()
    print(c is a) #False
    print(id(a)) #42522544
    print(id(c)) #42522544
    c.shape=(1,12)
    c[0][0]=6666
    print(a) #大小（2,6），a[0,0]=6666
    print(c) #大小（1,12），c[0,0]=6666
    
    print('----------')
    # np.copy深复制：id 不同，存储位置不同，两个互不影响
    d=a.copy()
    print(d is a) #False
    print(id(a)) #42522544
    print(id(d)) #42609680
    d.shape=(12,1)
    print(a.shape) #(2, 6)
    d[0][0]=888
    print(a) #大小(2, 6) ，a[0,0]=6666
    print(d) #大小(12, 1) ，d[0,0]=888

## 六、排序、索引 ##

# 取得最大值并返回最大值的索引
    data=np.sin(np.arange(20)).reshape(5,4)
    print(data)
    ind=data.argmax(axis=0) #按列取出每列的最大值所在行的索引
    print(ind) #[2 0 3 1]
    datamax=data[ind,range(data.shape[1])] #引用，分别是所在行，所在列，相当于data[(2,0,3,1),(0,1,2,3)]
    print(datamax)
    print(range(data.shape[1]))

2. np.tile() 扩展

# 2. np.tile() 扩展
    a=np.arange(0,40,10)
    print(a)
    b=np.tile(a,(3,2)) #扩展成：3行，2列
    print(b)

3. np.sort() 排序

# 3. np.sort() 排序
    a=np.array([[4,5,3],[1,2,1]])
    print(a)
    b=np.sort(a,axis=1) #每行，按小-大排序
    print(b)
    
    a.sort(axis=1)
    print(a) #每行，按小-大排序
    
    c=np.array([2,1,4,3])
    j=np.argsort(c) #返回，c中小-大的索引值
    print(j) #[1 0 3 2]
    print(c[j])  #[1 2 3 4]