手撕numpy(二)：各种特性和简单操作

水深无声 2023-07-15 13:06 11阅读 0赞

↑ 关注 + 星标 ~ 有趣的不像个技术号

每晚九点，我们准时相约  ![format_png][]

![format_png 1][]

大家好，我是黄同学![format_png 2][]

手撕numpy系列持续更新中~

[《手撕numpy(一)：简单说明和创建数组的不同方式》][numpy]

## 1、numpy中ndarray的一些常用属性 ##

*  ndim：返回数组的维数；
 *  shape：返回数组的形状；
 *  dtype：返回数组元素的数据类型；
 *  size：返回数组中元素的个数；
 *  itemsize：返回数组中每一个元素占用空间的大小，以字节为单位；
 *  nbytes：返回数组中所有元素占用空间的大小，以字节为单位；

1）举例说明

x = np.arange(10).reshape(2,5)
    display(x)
    
    display(x.ndim)
    display(x.shape)
    display(x.dtype)
    display(x.size)
    display(x.itemsize)
    display(x.nbytes)

结果如下：

![format_png 3][]

2）单独说一下属性itemsize和nbytes的含义

![format_png 4][]

## 2、列表与数组之间的相互转化 ##

1）列表转数组：直接将一个列表当作array()函数的参数即可；

import numpy as np
    list1 = list(range(10))
    display(list1)
    array1 = np.array(list1)
    display(array1)

结果如下：

![format_png 5][]

2）数组转列表：tolist()

import numpy as np
    array2 = np.arange(10).reshape(2,5)
    display(array2)
    list2 = array2.tolist()
    display(list2)
    
    array3 = np.arange(10)
    display(array3)
    list3 = array3.tolist()
    display(list3)

结果如下：

![format_png 6][]

## 3、numpy中的常数 ##

*  正无穷：Inf = inf = infty = Infinity = PINF
 *  负无穷：NINF
 *  正零：PZERO
 *  负零：NZERO
 *  非数值：nan = NaN = NAN
 *  自然数e：e
 *  π：pi
 *  伽马：euler\_gamma
 *  None：newaxis

操作如下：

display(np.inf)
    display(np.NINF)
    display(np.PZERO)
    display(np.NZERO)
    display(np.nan)
    display(np.e)
    display(np.pi)
    display(np.euler_gamma)
    display(np.newaxis)

结果如下：

![format_png 7][]

## 4、numpy中的数据类型与数据类型转化 ##

1）numpy中常用的的数据类型

![format_png 8][]

2）numpy中的数据类型转化

记住一句话：numpy中的数据类型转换，不要使用x.dtype修改元素的数据类型，最好用x.astype()这种方式。

① 使用dtype原地修改数组的数据类型；

x = np.array([1.2,3.4,5.6],dtype=np.float64)
    display(x)
    display(x.dtype)
    display(x.nbytes)
    # --------------------------------------------
    x.dtype="float32"
    display(x)
    display(x.nbytes)
    # --------------------------------------------
    x.dtype="float16"
    display(x)
    display(x.nbytes)

结果如下：

![format_png 9][]

② 使用dtype原地修改数组的数据类型，为什么会出现上述现象？

![format_png 10][]

③ 使用astype()函数修改数组的数据类型：相当于新创建了一个数组；

z = np.array([1.5,3.7,4.8])
    display(z)
    display(z.dtype)
    # --------------------------
    zz = z.astype(np.int64)
    display(zz)
    display(zz.dtype)

结果如下：

![format_png 11][]

## 5、改变数组的形状 ##

*  使用numpy中的reshape()函数修改数组对象；
 *  使用数组对象的reshape()函数修改数组对象(这个更好用)；

1）使用numpy中的reshape()函数修改数组对象；

xx = np.arange(10).reshape(2,5)
    xxx = np.reshape(xx,(5,2))
    display(xxx)

结果如下：

![format_png 12][]

2）使用数组对象的reshape()函数修改数组对象；

yy = np.arange(10).reshape(2,5)
    display(yy)

结果如下：

![format_png 13][]

3）改变数组形状时，如果维度大于1，可以将“最后一个维度”设置为-1；

p = np.arange(6).reshape(2,3)
    display(p)
    # ----------------------------
    q = np.arange(6).reshape(2,-1)
    display(q)

结果如下：

![format_png 14][]

*  注意：可以这样做的原因在于，当你指明了前面的维度，最后一个维度会根据数组元素个数和前面的维度数，自动计算出最后一个维度的维度数，也就是说【维度一 \* 维度二 \* … \* 维度N = 元素个数】。

## 6、数组扁平化：ravel()函数和flatten()函数 ##

① 两个函数的相同点

*  不管你给我的数组是多少维的，通过这两个函数之后，我都给你压缩为一维数组。

② 两个函数的不同点

![format_png 15][]

③ 操作如下

array1 = np.array([[1,2,3],[4,5,6]])
    display(array1)
    
    array2 = array1.ravel()
    display(array2)
    
    array3 = array1.flatten()
    display(array3)
    
    # 此时我们修改array2和array3中的某个元素，看看对于array1的影响
    array2[0] = 666
    display(array2)
    display(array1)
    
    array3[1] = 888
    display(array3)
    display(array1)

结果如下：

![format_png 16][]

![format_png 17][]

**近期文章，点击图片即可查看**

[![format_png 18][]][format_png 18 1]

[![format_png 19][]][format_png 19 1]

[![format_png 20][]][format_png 20 1]

[![format_png 21][]][numpy]

**后台回复关键词「****进群****」，即刻加入读者交流群~**

![format_png 22][]

**五**

先撕numpy，再撕pandas！

![format_png 23][]

朱小五

[format_png]: /images/20230528/eb164b24240e40389a665c3210189896.png
[format_png 1]: /images/20230528/b30aec67502147ba90b5b527f4c95526.png
[format_png 2]: /images/20230528/352cd5151be74bf2bf196ccdf8560716.png
[numpy]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4d2318c93aaa0e5c8ae88855c70d9ac9be4439d09088b524bfe1dd1923f5804bd12cdde53c&idx=2&mid=2247485084&scene=21&sn=5bc6166a1f2e3e565036d7d2111c99d8#wechat_redirect
[format_png 3]: /images/20230528/fc88f0cf79cb427b846c87a3dde0fdaf.png
[format_png 4]: /images/20230528/02c3ba16c86f41ee80c062baf37c8242.png
[format_png 5]: /images/20230528/e51c383ae23d49aaa91105934b7fbc75.png
[format_png 6]: /images/20230528/a540a725c2684e858b14b322ae65e74c.png
[format_png 7]: /images/20230528/65acb20a44be45dd8cef96da59f380c3.png
[format_png 8]: /images/20230528/fe274b221d174c209513712035f6c1a3.png
[format_png 9]: /images/20230528/c4e583c565514898996d1ab8b00327ad.png
[format_png 10]: /images/20230528/ab1abf0533ee42118c80cb9a6461a8f3.png
[format_png 11]: /images/20230528/06451e6205924389b5411e87eaee37d8.png
[format_png 12]: /images/20230528/8af10e4070fd435f980586d8981a689e.png
[format_png 13]: /images/20230528/ffadda7fccae41a6b4ee25313d288476.png
[format_png 14]: /images/20230528/b41b3dfc02b34d558dff2dafd7b86eed.png
[format_png 15]: /images/20230528/bd1ae4b5e3a74d3fbe789a6ce05d306d.png
[format_png 16]: /images/20230528/d5f60f2ef1544d3fa2bc833a00f16e67.png
[format_png 17]: /images/20230528/0233ef78dce448329601afd87492bb8e.png
[format_png 18]: /images/20230528/485368945d1f4a2d83eda31c9c3e9aa5.png
[format_png 18 1]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4d2318c93aaa0ea8e8d8d5ec00b2f056f4078ac6430c7fe4789ad10cef0ac7e005913a6bf3&idx=1&mid=2247485084&scene=21&sn=95234d1eadbb1aa57ae63934d4623b0a#wechat_redirect
[format_png 19]: /images/20230528/5a1f96bc19ec479aae87bd11d0126ff8.png
[format_png 19 1]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4d26e2c93aaff4002445aee5b343c1af428b042bb2934999f686639ede19d60cfff1778ef2&idx=1&mid=2247484262&scene=21&sn=2488fc349dc6f09699aff0a51d740f46#wechat_redirect
[format_png 20]: /images/20230528/2ddac7b3117d4087bcd94daafeb95d9a.png
[format_png 20 1]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4d23f9c93aaaef51a2b6c86bdcb53f33a10a5d937dfd4af4596cd4b2b9297eb613560d1092&idx=1&mid=2247485053&scene=21&sn=c17c10b19b7abcb81bbfd0a4a593b1be#wechat_redirect
[format_png 21]: /images/20230528/a7861f44167b4422beac0873c5445ea3.png
[format_png 22]: /images/20230528/6949158543ae43c9907092490eec1271.png
[format_png 23]: /images/20230528/38ae93a000ff43aa90316e127da83455.png