numpy模块

r囧r小猫 2022-01-30 05:41 418阅读 0赞

# 一、Numpy是什么？ #

Numpy是Python的一个科学计算的库，提供了矩阵运算的功能，其一般与Scipy、matplotlib一起使用。其实，list已经提供了类似于矩阵的表示形式，不过numpy为我们提供了更多的函数。如果接触过matlab、scilab，那么numpy很好入手

# 二、numpy的一些方法： #

使用之前安装好numpy模块

## 1、创建一维、二维数组： ##

import numpy as np
    arr = np.array([1,2,3,4]) # 创建一维数组
    arr1 = np.array([[1,2,3,4],[5,6,7,8],[7,8,9,10]]) # 创建二维数组
    print(arr)
    print(arr1)

运行结果：

![2019051810511857.png][]

## 2、查看数组的属性 ##

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDIzOTU0MQ_size_16_color_FFFFFF_t_70][]

### （1）查看维数 ndim ###

# 查看数组维度  ndim
    print(arr.ndim)  # 1
    print(arr1.ndim)  # 2

### （2）查看数组的结构：shape ###

最终结果以元组形式显示 表示几行几列

# 查看数组结构 shape
    print(arr.shape)
    print(arr1.shape)
    # 可以通过给数组结构重新赋值从而改变数组结构
    arr1.shape = 4,3
    print(arr1)

运行结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDIzOTU0MQ_size_16_color_FFFFFF_t_70 1][]

### （3）查看元素类型 dtype ###

# 查看数组元素数据类型
    print(arr.dtype)
    print(arr1.dtype)

运行结果： （int32表示为int类型数据，在系统中占4个字节，32个比特位，可存储对应的十进制数的范围为-2^31~2^31-1）

![20190518110007403.png][]

## 3、专门用来构造数组的一些函数 ##

### （1）arange函数 ###

与重用的range函数类似，但是arrange创建的是数组类型，而range函数在python2中创建的是一个list列表类型，在python3是range类型，一个可迭代的对象

用法：

arange（起始值,终止值，步长）注意：取不到终止值

arr3 = np.arange(0,1,0.1)
    print(arr3)
    arr4 = np.arange(1,10,1)
    print(arr4)
    print(type(arr3),type(arr4))
    print(type(range(1,4,1)))
    for i,j in zip(arr3,range(1,4,1)):
        print(i,j)

运行结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDIzOTU0MQ_size_16_color_FFFFFF_t_70 2][]

### （2）构造等差数列的数组 linspace ###

用法：linspace(起始值，终止值，元素个数） 注意;可以取到终止值，其中元素默认是浮点数类型

arr5 = np.linspace(1,10,10) # 包含终止值
    print(arr5)
    for i in arr5:
        print(i,'元素类型是:',type(i))

运行结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDIzOTU0MQ_size_16_color_FFFFFF_t_70 3][]

### （3）构造等比数列的数组  ###

logspace(起始指数，终止指数，元素个数)

注意：起始值，终止值都是指数，默认底数为base = 10

包含终止值，元素是浮点数类型

arr6 = np.logspace(0,2,3)
    print(arr6)

运行结果：

![20190518115244643.png][]

### （4）构造全0数组： zeros ###

zeros（\[(2,3)\]） 注意：传入的是元组类型的参数

arr7 = np.zeros([3,4])
    print(arr7)

运行结果：

![20190518141757183.png][]

### （5）构造全1数组：ones ###

ones（\[(2,3)\]） 注意：传入的是元组类型的参数

arr8 = np.ones([3,4])
    print(arr8)

运行结果：

![20190518142140927.png][]

### （6）构造单位数组:方阵 eye ###

print(np.eye(4))

运行结果：

![20190518142752429.png][]

### （7）构造对角数组（方阵）diag ###

print(np.diag([1,2,3,4]))

运行结果：

![20190518142938448.png][]

## 4、生成随机数 ##

### （1）0到1范围内的数组成的 一维数组 np.random.random()  ###

print(np.random.random(10))

运行结果：

![20190518150411399.png][]

### （2）生成服从正态分布的随机数  np.random.randn() ###

print(np.random.randn(3,4))

运行结果：

![20190518150933649.png][]

### （3）生成指定范围内的整数：np.random.randint() ###

print(np.random.randint(1,10,size=[3,4]))

运行结果：

![2019051815114758.png][]

(4)均匀分布：生成0到1之间的随机数 np.random.rand()

print(np.random.rand(3,4))

运行结果：

![20190518151358120.png][]

## 5、数组的索引 ##

### （1）一维数组的索引 ###

arr = np.arange(10) # 生成一维数组
    print(arr)
    print(arr[0])
    print(arr[::2])   #取所有偶数索引项
    print(arr[1::2])  #去所有奇数索引项

运行结果：

![20190518151943742.png][]

### （2）二维数组的索引 ###

# 二维数组索引
    arr2 = np.array([[1,2,3,4],[5,6,7,8],[9,8,7,6]])
    print(arr2)
    print(arr2.shape)  # 数组的结构
    print(arr2[1,0])   # 取得是5 2行1列
    print(arr2[0,2:4]) #取得是[3,4] 第一行第三列到第四列
    print(arr2[0:2,1:3]) # 2,3 6,7  取得是第一行和第二行的第二列和第三列
    print(arr2[1])     #取得是第二行的所有值 [5 6 7 8]
    print(arr2[1,:])   #取得是第二行的所有值 [5 6 7 8]
    print(arr2[1:3,1:4])  # 取得是第一行和第二行的第2,3,4列
    print(arr2[(1,2),(1,3)])  #[6 6] 第二行第二列 和 第三行第四列

运行结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDIzOTU0MQ_size_16_color_FFFFFF_t_70 4][]

[2019051810511857.png]: /images/20220130/699c48ab7cf34dc5bc8bc20b05853513.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDIzOTU0MQ_size_16_color_FFFFFF_t_70]: /images/20220130/70e116b23fda42ec8a6543b8616d580f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDIzOTU0MQ_size_16_color_FFFFFF_t_70 1]: /images/20220130/6f3be4b1369144468af6b22bc1c79199.png
[20190518110007403.png]: /images/20220130/506e0d894f424736b47ce72312ef53ea.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDIzOTU0MQ_size_16_color_FFFFFF_t_70 2]: /images/20220130/c621251558954a42a057f3a3e9e53475.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDIzOTU0MQ_size_16_color_FFFFFF_t_70 3]: /images/20220130/6f123759d1674f6ca44b36f65b2a39d9.png
[20190518115244643.png]: /images/20220130/0e7eb65633c64792a3b0eced7d7adbb4.png
[20190518141757183.png]: /images/20220130/35c93bd183bc40e08e26f0dc8153d0da.png
[20190518142140927.png]: /images/20220130/399e3fb1e0f4482ab715ef694b74ef17.png
[20190518142752429.png]: /images/20220130/9c6397211c7f44758aeb9cc65b5afdc8.png
[20190518142938448.png]: /images/20220130/6e542cb3a6ea4e6f9905411ae5fb99cb.png
[20190518150411399.png]: /images/20220130/99c340e0320846958054ca2daeb408d5.png
[20190518150933649.png]: /images/20220130/95f3f402a57944a2aee04ff5aa58121d.png
[2019051815114758.png]: /images/20220130/6e460251159148b8a19d179774894c49.png
[20190518151358120.png]: /images/20220130/8b5e09fe68d04f55aa4e3c32199f16b7.png
[20190518151943742.png]: /images/20220130/22f156de9e4d47d4b4b2d79618327415.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDIzOTU0MQ_size_16_color_FFFFFF_t_70 4]: /images/20220130/b5ddeffb25a740b3bec41ca89f8d8854.png