NumPy基礎(chǔ)教程：http://www.reibang.com/p/45417c05574c

ndarray數(shù)組

導(dǎo)入函數(shù)統(tǒng)一使用：import numpy as np

創(chuàng)建數(shù)組

從已有類型創(chuàng)建 ndarray 數(shù)組

import numpy as np
ls1 = [1,4,9,16]
x = np.array(ls1)
print(x)
print(type(x))

用 PyCharm 展示結(jié)果捉蚤，下同

image-20220124103229232

嵌套列表轉(zhuǎn)為多維ndarray數(shù)組窟勃，嵌套列表元素?cái)?shù)不一樣的話程剥，轉(zhuǎn)換數(shù)組的時(shí)候要加dtype=object，不然會(huì)報(bào)警告

import numpy as np
ls2 = [[1,4,9,16],[0,1,-1,2]]
x = np.array(ls2)
print(x)
print(type(x))
ls3 = [[1,4,9,16],[0,1,-1]]
y = np.array(ls3,dtype=object)
print(y)
print(type(y))

image-20220124104426098

使用 NumPy 創(chuàng)建 ndarray 數(shù)組

• arange()

用法：np.arange(start, stop, step, dtype=None)

start：起始點(diǎn)，可選項(xiàng)排宰，默認(rèn)為0

stop：結(jié)束點(diǎn)

step：步長(zhǎng)似芝，默認(rèn)為1，當(dāng)指定step時(shí)板甘，必須給出start

dtype：數(shù)組的類型党瓮，未指定的話自行根據(jù)輸入?yún)?shù)推斷

import numpy as np
x = np.arange(3)
print(x)
x1 = np.arange(1,5,2)
print(x1)

image-20220124111606780

• ones()，zeros()盐类，eye()

ones() 和 zeros() 使用方式相同寞奸，根據(jù)設(shè)置的行列參數(shù)生成數(shù)組，eye() 根據(jù)設(shè)置的單位矩陣大小生成數(shù)組

import numpy as np
x = np.ones(4,dtype=int) # 一維數(shù)組
x1 = np.ones((2,2)) # 二維數(shù)組
print(x)
print(x1)
x2 = np.eye(3)
print(x2)

image-20220124121107311

• linspace()

用法：np.linspace(start, stop, num = 50, endpoint = True, retstep = False, dtype = None)

start：起始點(diǎn)

stop：結(jié)束點(diǎn)在跳，與 endpoint 參數(shù)有關(guān)枪萄，endpoint 為 True 時(shí)，包含 stop 的值硬毕，endpoint 為 False 時(shí)則不含

num：生成樣本數(shù)量呻引，非負(fù)整數(shù)，可選

endpoint：設(shè)置是否包含 stop吐咳，默認(rèn)為 True

retstep：顯示數(shù)組形成元素之間的步長(zhǎng)

dtype：數(shù)據(jù)類型

import numpy as np
x = np.linspace(1, 10, num = 5)
print(x)
x1 = np.linspace(1, 10, num = 5, endpoint = True)
x2 = np.linspace(1, 10, num = 5, endpoint = False)
print(x1)
print(x2)
x3 = np.linspace(1, 10, num = 5, retstep = True)
x4 = np.linspace(1, 10, num = 5, retstep = False)
print(x3)
print(x4)

image-20220124131622567

隨機(jī)數(shù)生成

使用numpy產(chǎn)生隨機(jī)數(shù)：https://www.cnblogs.com/sench/p/9683905.html

• np.random.rand()

如果沒(méi)有參數(shù)則返回一個(gè) float 型的隨機(jī)數(shù)，該隨機(jī)數(shù)服從 [0, 1) 之間的均勻分布

import numpy as np
x1 = np.random.rand(3,2)
x2 = np.random.rand()
print(x1)
print(x2)

image-20220124152446127

• np.random.uniform(low, high, size = None)

不提供 size饥伊，則返回一個(gè)該分布的隨機(jī)數(shù)

import numpy as np
x1 = np.random.uniform(1,3,(2,3))
x2 = np.random.uniform(1,3)
print(x1)
print(x2)

image-20220124165003513

• np.random.randn()

import numpy as np
x1 = np.random.randn(3,2)
x2 = np.random.randn()
print(x1)
print(x2)

image-20220124173443841

• np.random.normal(loc, scale, size = None)

loc：浮點(diǎn)數(shù)類型象浑，指定均值 μ

scale：浮點(diǎn)數(shù)類型，指定標(biāo)準(zhǔn)差 σ

size：整數(shù)元組指定數(shù)組的形狀琅豆，不提供 size 且 loc 和 scale 為標(biāo)量愉豺，則返回一個(gè)服從該分布的隨機(jī)數(shù)。

import numpy as np
x1 = np.random.normal(1,3,(3,2))
x2 = np.random.normal(1,3)
print(x1)
print(x2)

image-20220124174345456

• np.random.randint(low, high, size, dtype)

low, high：int 型茫因，指定抽樣區(qū)間

size：int 型元組蚪拦，指定形狀。不提供 size 則返回一個(gè)服從該分布的 int 型隨機(jī)函數(shù)

dtype：可選參數(shù)冻押，指定數(shù)據(jù)類型驰贷，默認(rèn)是 int 型

import numpy as np
x1 = np.random.randint(1,5,(3,2))
x2 = np.random.randint(1,5)
print(x1)
type(x1)
print(x2)

image-20220127153611250

• np.random.random(size)

size：int 型的元組，不提供則返回一個(gè)服從該分布的隨機(jī)數(shù)

import numpy as np
x1 = np.random.random((3,2))
x2 = np.random.random()
print(x1)
print(x2)

image-20220127161555000

數(shù)組對(duì)象的屬性

import numpy as np
x = np.array([1,4,9,16]).reshape((2,2)) # reshape 更改數(shù)組的形狀
print(x)
print(x.ndim)
print(x.shape)
print(x.size)
print(x.dtype)
print(x.itemsize)

image-20220127165415279

數(shù)組的類名和類型

import numpy as np 
x = np.array(np.random.random((3,2)),dtype=float) # 指定生成數(shù)組類型為浮點(diǎn)數(shù)
print(x)
print(x.dtype)
x1 = np.round(x,2) # 修改浮點(diǎn)數(shù)的小數(shù)位數(shù)蘸嘶，保留 2 位
print(x1)
print(x1.dtype)
x2 = x.astype(np.int32) # 更改數(shù)組的數(shù)據(jù)類型
print(x2)
print(x2.dtype)

image-20220209101850885

軸（axis）

一維數(shù)組只有一個(gè) 0 軸

二維數(shù)組 (shape(2, 2)) 有 0 軸和 1 軸，每行為 1 軸陪汽，每列為 0 軸

三維數(shù)組 (shape(2, 2, 3)) 有 0 軸训唱，1 軸和 2 軸，行為 2 軸挚冤，列為 1 軸况增，不同數(shù)組之間為 0 軸。類似空間坐標(biāo)训挡，x 軸為 2 軸澳骤，y 軸為 1 軸歧强，z 軸為 0 軸

• 二維數(shù)組的軸

image-20220120131410007

• 三維數(shù)組的軸

image-20220120131536500

import numpy as np
x = np.arange(1,7,1).reshape((2,3))
print(x)
print(x.shape[0]) # 返回行數(shù)，即有幾行
print(x.shape[1]) # 返回列數(shù)为肮，即每行有幾個(gè)元素
x1 = np.arange(1,25,1).reshape(2,3,4)
print(x1)
print(x1.shape[0]) # 返回有幾個(gè)數(shù)組
print(x1.shape[1]) # 返回行數(shù)摊册，即有幾行
print(x1.shape[2]) # 返回列數(shù)，即每行有幾個(gè)元素

image-20220215160128963

轉(zhuǎn)置

• 二維數(shù)組

transpose 變換軸颊艳，與參數(shù)的位置有關(guān)茅特；swapaxes 也是變換軸，與參數(shù)的位置無(wú)關(guān)但是必須有參數(shù)棋枕，不能省略白修。x.transpose() 和 x.T 只適用于二維數(shù)組

import numpy as np
x = np.arange(1,7,1).reshape((2,3))
print(x, end = '\n\n')
print(x.transpose((1,0)), end = '\n\n') # 跟 x.transpose() 和 x.T 一個(gè)結(jié)果
print(x.transpose((0,1)), end = '\n\n') # 未轉(zhuǎn)置
print(x.swapaxes(0,1), end = '\n\n')
print(x.swapaxes(1,0), end = '\n\n')

image-20220211165915362

• 三維數(shù)組

transpose 變換軸，與參數(shù)的位置有關(guān)重斑。三維數(shù)組使用 transpose 函數(shù)必須指定三個(gè)軸的參數(shù)兵睛；swapaxes變換軸，指定轉(zhuǎn)換參數(shù)兩個(gè)軸的元素绸狐。

import numpy as np
x = np.arange(1,28,1).reshape((3,3,3))
print(x.transpose((0,1,2))) 
print(x.transpose((1,0,2)))
print(x.transpose((1,2,0)))
print(x.swapaxes(0,1))  

三維數(shù)組類似空間坐標(biāo)卤恳，從 0 開始記第一位，numpy三維數(shù)組先記 z 軸寒矿，再記 y 軸突琳，最后記 x軸，即 (z, y, x) → (0軸, 1軸, 2軸)

每個(gè)人對(duì)空間坐標(biāo)的 x符相，y拆融，z 有不同的理解方法，這里以空格間隔的各個(gè)數(shù)組記為單個(gè)數(shù)組啊终，單個(gè)數(shù)組的行為 x 軸即 2 軸镜豹，單個(gè)數(shù)組的列為 y 軸即 1 軸，不同數(shù)組組成 z 軸即 0 軸

如下圖蓝牲，以元素 6 為例趟脂，x.transpose ((0,1,2)) 與最初生成的 x 數(shù)組順序一致，6 在第 1 個(gè)數(shù)組第二行的第三個(gè)元素例衍，即坐標(biāo)為 (0,1,2)昔期；

x.transpose((1,0,2)) 將 x 數(shù)組的 1 軸和 0 軸的轉(zhuǎn)換，即將 1 軸和 0 軸的坐標(biāo)轉(zhuǎn)換佛玄，6 的坐標(biāo)轉(zhuǎn)換為(1,0,2)

x.transpose((1,2,0)) 將 x 數(shù)組的原 1 軸的坐標(biāo)放到 z 軸硼一，2 軸的坐標(biāo)放到 y 軸，0 軸的坐標(biāo)放到 x 軸梦抢，即 6 的坐標(biāo)轉(zhuǎn)換為 (1,2,0)

image-20220215144409613

數(shù)組轉(zhuǎn)換

• 將數(shù)組轉(zhuǎn)化為一維數(shù)組

import numpy as np
x = np.array([1,4,9,16]).reshape((2,2))
print(x)
x1 = x.reshape(4) 
print(x1)
x2 = x.flatten() # 將數(shù)組展開
print(x2)

image-20220211152115108

• 數(shù)組向列表的轉(zhuǎn)換

import numpy as np
x = np.array([1,4,9,16]).reshape((2,2))
print(x)
x1 = x.reshape(4) 
print(x1)
x2 = x.tolist()
print(x2)
x3 = x1.tolist()
print(x3)

image-20220211152737254

數(shù)組計(jì)算

數(shù)組和數(shù)的計(jì)算

• 加減乘除般贼，以加為例

import numpy as np
x = np.array([1,4,9,16]).reshape((2,2))
print(x)
x1 = x+1
print(x1)

image-20220215153859746

• 計(jì)算數(shù)組所有元素的乘積

import numpy as np
x = np.array([1,4,9,16]).reshape((2,2))
print(x)
x1 = np.product(x)
print(x1)

image-20220215154823184

數(shù)組與數(shù)組的計(jì)算

• 同 shape 數(shù)組計(jì)算 - 行列相同，元素與元素對(duì)應(yīng)計(jì)算

import numpy as np
x1 = np.arange(1,5).reshape(2,2)
x2 = np.arange(5,9).reshape(2,2)
print(x1)
print(x2)
x3 = x1+x2
x4 = x1*x2
print(x3)
print(x4)

image-20220215163112868

• 不同緯度數(shù)組計(jì)算-行列不同，遵循廣播機(jī)制

numpy中的廣播機(jī)制：https://blog.csdn.net/yaohaishen/article/details/119350677

image-20220216092404872

• 矩陣乘法（點(diǎn)乘）

Python 之 numpy 和 tensorflow 中的各種乘法（點(diǎn)乘和矩陣乘）：https://www.cnblogs.com/liuq/p/9330134.html

矩陣乘法必須滿足矩陣乘法的條件哼蛆，即第一個(gè)矩陣的列數(shù)等于第二個(gè)矩陣的行數(shù)蕊梧。 矩陣乘法的函數(shù)為 dot

image-20220216095059966

import numpy as np
x1 = np.arange(1,7).reshape(2,3)
x2 = np.arange(2,8).reshape(3,2)
print(x1,'\n\n',x2,'\n\n')
print(x1.dot(x2))

image-20220216095701207

numpy 索引和切片

Numpy對(duì)數(shù)組按索引查詢：https://www.cnblogs.com/zhjblogs/p/14664306.html

從 0 起始算第一位，取范圍的時(shí)候包含左邊的數(shù)不包含右邊的數(shù)

• 一維數(shù)組

import numpy as np 
x = np.arange(1,7)
print(x)
print(x[1])
print(x[0:2])
print(x[:4])
print(x[:-1])

image-20220216105742610

• 二維數(shù)組

import numpy as np
x = np.arange(1,13).reshape(3,4)
print(x,'\n')
print(x[1,2]) 
print(x[1],'\n') # 打印第二行
print(x[:1,:-1],'\n') # 逗號(hào)分隔行列取值范圍
print(x[:,2],'\n') # 打印所有行的第三列
print(x[[0,2],:]) # 打印第一行和第三行

image-20220216130547992

• 三維數(shù)組

import numpy as np
x = np.arange(1,25).reshape(2,3,4)
print(x,'\n')
print(x[0,1,2],'\n') # 打印第一個(gè)數(shù)組第二行第三個(gè)元素
print(x[0:2,1:3,:]) # 打印前兩個(gè)數(shù)組第 2,3 行全部的元素

image-20220216131047644

• 行列交換

import numpy as np
x = np.arange(1,13).reshape(3,4)
print(x,'\n')
x[[1,2],:] = x[[2,1],:] # 第 2 行與第 3 行交換
print(x,'\n')
x[:,[0,2]] = x[:,[2,0]] # 第 1 列與第 3 列交換
print(x)

image-20220216133341457

• 布爾索引

import numpy as np
x = np.arange(1,7).reshape(2,3)
print(x,'\n')
x[x<4] = 1  # 把 x 中小于 4 的數(shù)字替換為 1
print(x)

image-20220216132620152

數(shù)組的拆分與合并

• concatenate()，數(shù)組 shape 相同才可以連接

import numpy as np
x1 = np.arange(2,6).reshape(2,2)
x2 = np.arange(1,5).reshape(2,2)
print(np.concatenate([x1,x2],axis=0),'\n') # 默認(rèn)即為 axis=0
print(np.concatenate([x1,x2],axis=1))

image-20220216142247255

• vstack() - 豎直拼接，數(shù)組每行元素個(gè)數(shù)相同才能拼接，否則報(bào)錯(cuò)

import numpy as np
x1 = np.arange(1,7).reshape(2,3)
x2 = np.arange(7,13).reshape(2,3)
x3 = np.arange(13,16)
print(np.vstack([x1,x2]),'\n')
print(np.vstack([x1,x3]))

image-20220216151035942

• hstack() - 水平拼接屈梁，數(shù)組行數(shù)要一樣，否則報(bào)錯(cuò)

import numpy as np
x1 = np.arange(1,7).reshape(2,3)
x2 = np.arange(7,13).reshape(2,3)
print(np.hstack([x1,x2]))

image-20220216154408476

• dstack() - 合并成多維數(shù)組楼誓，需要合并的每個(gè)數(shù)組的 shape 要一樣，否則報(bào)錯(cuò)

import numpy as np
x1 = np.arange(1,7).reshape(2,3)
x2 = np.arange(7,13).reshape(2,3)
print(np.dstack([x1,x2]))

image-20220216154917474

• split() - 拆分?jǐn)?shù)組

一維數(shù)組

import numpy as np
x1 = np.arange(1,10)
print(np.split(x1,3))
print(np.split(x1,[3,7]))
x2 = np.split(x1,3)
print(x2[1])

image-20220218085455272

二維數(shù)組 - 必須均等分名挥，否則報(bào)錯(cuò)

import numpy as np
x1 = np.arange(1,9).reshape(2,4)
print(x1)
print(np.split(x1,2))
print(np.split(x1,2,axis=1))

image-20220218090554794

where 函數(shù)

• np.where(condition, x, y) - 滿足條件 condition疟羹，輸出 x，不滿足輸出 y

import numpy as np
x = np.arange(1,10).reshape(3,3)
print(x,'\n')
print(np.where(x<5,0,1)) # 小于5的改為0禀倔，大于的改為1

image-20220218101920008

• np.where(condition) - 只有條件榄融，沒(méi)有 x 和 y，則輸出滿足條件(即非 0 )元素的坐標(biāo)

import numpy as np
x = np.arange(1,10).reshape(3,3)
print(x,'\n')
print(np.where(x<5))

image-20220218105619448

二維數(shù)組有兩個(gè)坐標(biāo)救湖，兩個(gè)數(shù)組愧杯，小于 5 的元素坐標(biāo)一一對(duì)應(yīng)，分別為 (0,0)鞋既，(0,1)力九，(0,2)，(1,0) 即第一行的三個(gè)元素和第二行的第一個(gè)元素

take 函數(shù)

np.take(a, indices, axis=None, out=None, mode='raise')

import numpy as np
x = np.arange(1,10).reshape(3,3)
print(x,'\n')
print(x.take(indices=1,axis=0)) # 沿 0 軸取第 2 行
print(x.take(1,0))
print(x.take(indices=1,axis=1)) # 沿 1 軸取第 2 列
print(x.take(1,1))

image-20220218134112404

numpy 中的 nan 和 inf

nan(NAN, Nan)：not a number 表示不是一個(gè)數(shù)字邑闺。當(dāng)讀取本地文件為 float 的時(shí)候跌前，如果有缺失，就會(huì)出現(xiàn) nan陡舅。在數(shù)據(jù)分析中抵乓，nan 常被用作數(shù)據(jù)缺失值

inf(inf, -inf)：infinity，inf 表示正無(wú)窮靶衍，-inf 表示負(fù)無(wú)窮臂寝。當(dāng)做一個(gè)不合適的計(jì)算的時(shí)候會(huì)出現(xiàn)

import numpy as np
x = np.arange(1,10,dtype=float).reshape(3,3)
x[x<5] = np.nan
print(x)
# 判斷數(shù)組中 nan 的個(gè)數(shù)
print(np.count_nonzero(x!=x))
print(np.count_nonzero(np.isnan(x)))
# 將數(shù)組中的 nan 替換成 0
x[np.isnan(x)] = 0
print(x)

image-20220218141650446

數(shù)組的讀取和存儲(chǔ)

• 文本文件的存取 - savetxt() 和 loadtxt() 函數(shù)，只能讀寫一摊灭、二維數(shù)組

import numpy as np
x = np.arange(1,7).reshape(2,3)
np.savetxt("test.txt",x)
x1 = np.loadtxt("test.txt")
print(x1)

image-20220218160712149

image-20220218160409382

• 以二進(jìn)制格式存儲(chǔ) - 后綴名為.npy

import numpy as np
x = np.arange(1,28).reshape(3,3,3)
np.save("test",x)
x1 = np.load("test.npy")
print(x1)

image-20220218162911265

NumPy 常用函數(shù)

import numpy as np
x = np.array([1,4,9,16]).reshape((2,2))
print(x)
x1 = np.sqrt(x)
print(x1,x1.dtype)

image-20220215150153516