Numpy入门（一）基础

深藏阁楼爱情的钟 2022-04-18 03:02 304阅读 0赞

##  Numpy基础 ##

tip：这个使用的是jupyter自动生成的markdown，有些是打印的数据

### 1 Numpy数组对象 ###

import numpy as np

# 生成0到小于5的一维数组
    a = np.arange(6)

array([0, 1, 2, 3, 4, 5])

a.dtype

dtype('int32')

# 把数据改变成2行3列
    a.reshape(2,3)

array([[0, 1, 2],
           [3, 4, 5]])

a.shape

(6,)

# 维度
    a.ndim

### 2 创建多维数组 ###

m = np.array([np.arange(2),np.arange(2)])

array([[0, 1],
           [0, 1]])

m.shape

(2, 2)

m[0,0]

每一种数据类型均有对应的类型转换函数,例如:

np.float64(42)

42.0

### 3 数据类型对象 ###

Numpy数组中每个元素均为相同的数据类型

m.dtype.itemsize

### 4 字符编码 ###

Numpy 可以使用字符编码来表示数据类型,例如f表示单精度浮点数

np.arange(7,dtype='f')

array([0., 1., 2., 3., 4., 5., 6.], dtype=float32)

### 5 一维数组的索引和切片 ###

a = np.arange(9)

array([0, 1, 2, 3, 4, 5, 6, 7, 8])

# 索引从3到6
    a[3:7]

array([3, 4, 5, 6])

# 逆序数组
    a[::-1]

array([8, 7, 6, 5, 4, 3, 2, 1, 0])

### 6 多维数组的索引和切片 ###

b = np.arange(24).reshape(2,3,4)

array([[[ 0,  1,  2,  3],
            [ 4,  5,  6,  7],
            [ 8,  9, 10, 11]],
    
           [[12, 13, 14, 15],
            [16, 17, 18, 19],
            [20, 21, 22, 23]]])

b[0,0,0]

# 可以理解成取x轴上的所有数
    b[:,0,0]

array([ 0, 12])

# 取所有
    b[:,...]

array([[[ 0,  1,  2,  3],
            [ 4,  5,  6,  7],
            [ 8,  9, 10, 11]],
    
           [[12, 13, 14, 15],
            [16, 17, 18, 19],
            [20, 21, 22, 23]]])

### 7 改变数组的维度 ###

array([[[ 0,  1,  2,  3],
            [ 4,  5,  6,  7],
            [ 8,  9, 10, 11]],
    
           [[12, 13, 14, 15],
            [16, 17, 18, 19],
            [20, 21, 22, 23]]])

# 转成一维,返回的是视图
    b.ravel()

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
           17, 18, 19, 20, 21, 22, 23])

# 转成一维,返回的是拷贝
    b.flatten()

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
           17, 18, 19, 20, 21, 22, 23])

b.shape

(2, 3, 4)

# 转置
    b.transpose()

array([[[ 0, 12],
            [ 4, 16],
            [ 8, 20]],
    
           [[ 1, 13],
            [ 5, 17],
            [ 9, 21]],
    
           [[ 2, 14],
            [ 6, 18],
            [10, 22]],
    
           [[ 3, 15],
            [ 7, 19],
            [11, 23]]])

resize 会直接修改数组,而其他的操作会不会受到影响

b.resize((2,12))

array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11],
           [12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23]])

### 8 数组组合 ###

Numpy 数组组合有水平组合,垂直组合和深度组合等多种组合方式,我们将使用vstack,dstack,hstack,column\_stack,row\_stack以及concatenate函数来完成数组的组合

a = np.arange(9).reshape(3,3)

b = 2*a

array([[0, 1, 2],
           [3, 4, 5],
           [6, 7, 8]])

array([[ 0,  2,  4],
           [ 6,  8, 10],
           [12, 14, 16]])

np.hstack((a,b))

array([[ 0,  1,  2,  0,  2,  4],
           [ 3,  4,  5,  6,  8, 10],
           [ 6,  7,  8, 12, 14, 16]])

# 如果axis=1则是对行操作，为0对列操作
    np.concatenate((a,b),axis=1)

array([[ 0,  1,  2,  0,  2,  4],
           [ 3,  4,  5,  6,  8, 10],
           [ 6,  7,  8, 12, 14, 16]])

np.vstack((a,b))

array([[ 0,  1,  2],
           [ 3,  4,  5],
           [ 6,  7,  8],
           [ 0,  2,  4],
           [ 6,  8, 10],
           [12, 14, 16]])

np.concatenate((a,b),axis = 0)

array([[ 0,  1,  2],
           [ 3,  4,  5],
           [ 6,  7,  8],
           [ 0,  2,  4],
           [ 6,  8, 10],
           [12, 14, 16]])

a.shape

(3, 3)

b.shape

(3, 3)

np.dstack((a,b))

array([[[ 0,  0],
            [ 1,  2],
            [ 2,  4]],
    
           [[ 3,  6],
            [ 4,  8],
            [ 5, 10]],
    
           [[ 6, 12],
            [ 7, 14],
            [ 8, 16]]])

np.dstack((a,b)).shape

(3, 3, 2)

oned = np.arange(2)

twice_oned = 2*oned

oned

array([0, 1])

twice_oned

array([0, 2])

np.column_stack((oned,twice_oned))

array([[0, 0],
           [1, 2]])

### 9 数组的分割 ###

Numpy数组可以进行水平,垂直或深度分割,相关的函数有hsplit,vsplit,dsplit和split.我们可以将数组分割成相同大小的子数组,也可以指定原数组中需要分割的位置.