[TOC]

NumPy

numpy 是python語言的一個(gè)擴(kuò)展程序庫, 支持大量的維度數(shù)組與矩陣運(yùn)算, 此外也針對(duì)數(shù)組提供大量的數(shù)學(xué)函數(shù)庫.

numpy是一個(gè)運(yùn)行速度非常快的數(shù)學(xué)庫, 主要用于數(shù)組計(jì)算, 包含:

一個(gè)強(qiáng)大的N維數(shù)組對(duì)象ndarry
廣播功能函數(shù)
整合C/C++/Fortran代碼的工具
線性代數(shù), 傅里葉變換, 隨機(jī)數(shù)生成等功能

numpy應(yīng)用

numpy與scipy（Scientific Python）和 Matplotlib（繪圖庫）一起使用混蔼， 這種組合廣泛用于替代 MatLab零聚，是一個(gè)強(qiáng)大的科學(xué)計(jì)算環(huán)境咳短，有助于我們通過 Python 學(xué)習(xí)數(shù)據(jù)科學(xué)或者機(jī)器學(xué)習(xí)踩晶。

SciPy 是一個(gè)開源的 Python 算法庫和數(shù)學(xué)工具包勋乾。

SciPy 包含的模塊有最優(yōu)化宋下、線性代數(shù)、積分辑莫、插值学歧、特殊函數(shù)、快速傅里葉變換各吨、信號(hào)處理和圖像處理枝笨、常微分方程求解和其他科學(xué)與工程中常用的計(jì)算。

Matplotlib 是 Python 編程語言及其數(shù)值數(shù)學(xué)擴(kuò)展包 NumPy 的可視化操作界面揭蜒。它為利用通用的圖形用戶界面工具包伺帘，如 Tkinter, wxPython, Qt 或 GTK+ 向應(yīng)用程序嵌入式繪圖提供了應(yīng)用程序接口（API）。

numpy 安裝

1. 使用已經(jīng)集成了這些模塊的開發(fā)工具如Anaconda, Enthought Canopy, Python(x,y), WinPython, Pyzo

2. 使用pip來安裝

   python -m pip install --user numpy scipy matplotlib ipython jupyter pandas sympy nose
   

   --user 選項(xiàng)可以設(shè)置只安裝在當(dāng)前的用戶下, 而不是寫入到系統(tǒng)目錄

linux下安裝

ubuntu&debian

sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose

centos& Fedora

sudo dnf install numpy scipy python-matplotlib ipython python-pandas sympy python-nose atlas-devel

mac:

python -m pip install numpy scipy matplotlib

安裝驗(yàn)證

>>> from nummpy import *
>>> eye(4)
array([[ 1.,  0.,  0.,  0.],
       [ 0.,  1.,  0.,  0.],
       [ 0.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  1.]])

eye(4)生成對(duì)角矩陣

numpy Ndarray 對(duì)象

NumPy 最重要的一個(gè)特點(diǎn)是其 N 維數(shù)組對(duì)象 ndarray忌锯，它是一系列同類型數(shù)據(jù)的集合伪嫁，以 0 下標(biāo)為開始進(jìn)行集合中元素的索引。

ndarray 對(duì)象是用于存放同類型元素的多維數(shù)組偶垮。

ndarray 中的每個(gè)元素在內(nèi)存中都有相同存儲(chǔ)大小的區(qū)域张咳。

ndarray 內(nèi)部由以下內(nèi)容組成：

1.一個(gè)指向數(shù)據(jù)(內(nèi)存或內(nèi)存映射文件中的一塊數(shù)據(jù))的指針
2.數(shù)據(jù)類型或dtype, 描述在數(shù)組中的固定大小值的格子
3.一個(gè)表示數(shù)組形狀(shape)的元組, 表示各維度大小的元組
4.一個(gè)跨度元組(stride), 其中的整數(shù)指的是為了前進(jìn)到當(dāng)前維度下一個(gè)元素需要"跨過"的字節(jié)數(shù).

ndarray內(nèi)部結(jié)構(gòu):

內(nèi)部結(jié)構(gòu)

跨度可以是負(fù)數(shù), 這樣會(huì)使數(shù)組在內(nèi)存中向后移動(dòng), 切片中obj[::-1]或obj[:,::-1]就是如此.

創(chuàng)建一個(gè)ndarray只需要調(diào)用Numpy的array函數(shù)即可:

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

實(shí)例

import numpy

a = numpy.array([1,2,3])
print (a)

輸出:
[1 2 3]

實(shí)例2:

# 多于一個(gè)維度, 兩個(gè)數(shù)組
import numpy

a = numpy.array([[1,2,3], [4,5]])
print (a)

[[1, 2, 3] [4, 5]]
[Finished in 0.1s]

實(shí)例3:

# 最小維度
import numpy
a = numpy.array([1,2,3,4,5],ndmin = 2)
print (a)

輸出:
[[1 2 3 4 5]]
[Finished in 0.1s]

實(shí)例4:

# dtype 參數(shù)
import numpy
a = numpy.array([1,2,3,4,5], dtype = complex)
print (a)

輸出:

[ 1.+0.j  2.+0.j  3.+0.j  4.+0.j  5.+0.j]
[Finished in 0.1s]

ndarray對(duì)象由計(jì)算機(jī)內(nèi)存的連續(xù)一維部分組成, 并結(jié)合索引模式, 將每個(gè)元素映射到內(nèi)存塊中的一個(gè)位置. 內(nèi)存塊一行順序(C樣式)或列順序(FORTRAN或Matlab風(fēng)格, 即F樣式)來保存元素

numpy數(shù)據(jù)類型

numpy支持的數(shù)據(jù)類型比python內(nèi)置的類型要多很多, 基本上可以和C語言的數(shù)據(jù)類型對(duì)應(yīng)上, 其中部分類型對(duì)應(yīng)為Python內(nèi)置的類型.

常用基本類型:

numpy的數(shù)值類型實(shí)際上是dtype對(duì)象的實(shí)例, 并對(duì)應(yīng)唯一的字符, 包括np.bool_. np.int32, np.float32 , 等等

數(shù)據(jù)類型對(duì)象(dtype)

數(shù)據(jù)類型對(duì)象是用來描述與數(shù)組對(duì)應(yīng)的內(nèi)存區(qū)域如何使用, 這依賴如下幾個(gè)方面:

• 數(shù)據(jù)類型(整數(shù), 浮點(diǎn)數(shù)或者python對(duì)象)
• 數(shù)據(jù)的大小(列如, 整數(shù)使用多少個(gè)字節(jié)存儲(chǔ))
• 數(shù)據(jù)的字節(jié)順序(小端法或大端法)
• 在結(jié)構(gòu)化類型的情況下, 字段的名稱, 每個(gè)字段的數(shù)據(jù)類型和每個(gè)字段所取的內(nèi)存塊的部分
• 如果數(shù)據(jù) 類型是子數(shù)組, 他的形狀和數(shù)據(jù)類型

字節(jié)順序是通過對(duì)數(shù)據(jù)類型預(yù)先設(shè)定"<"或">"來決定的. "<"意味著小端法(最小值存儲(chǔ)在最小的地址, 即低位組放在最前面). ">"意味著大端法(最重要的字節(jié)存儲(chǔ)在最小的地址, 即高位組放在最前面).

dtype對(duì)象是使用以下語法構(gòu)造的:

numpy.dtype(object, align, copy)

object: 要轉(zhuǎn)換為的數(shù)據(jù)類型對(duì)象

align: 如果為true, 填充字段使其類似C的結(jié)構(gòu)體

copy: 復(fù)制dtype對(duì)象, 如果為false, 則是對(duì)內(nèi)置數(shù)據(jù)類型對(duì)象的引用

實(shí)例

import numpy
# 使用標(biāo)量類型
a = numpy.dtype(numpy.int32)
print (a)

輸出:

int32
[Finished in 0.1s]

實(shí)例2:

# int8, int16, int32, int64 四種數(shù)據(jù)類型可以使用字符串 'i1', 'i2','i4','i8' 代替
import numpy
a = numpy.dtype('i4')
print (a)

輸出:

int32
[Finished in 0.1s]

實(shí)例3:

import numpy
# 字節(jié)順序標(biāo)注
a = numpy.dtype('<i4')
print (a)

輸出:
    int32

結(jié)構(gòu)化數(shù)據(jù)類型的使用, 類型字段和對(duì)應(yīng)的實(shí)際類型將被創(chuàng)建.

實(shí)例4:

import numpy
a = numpy.dtype([('age', numpy.int8)])
print (a)

[('age', 'i1')]
[Finished in 0.1s]

實(shí)例5:

import numpy
# 數(shù)據(jù)類型應(yīng)用到ndarray對(duì)象
dt = numpy.dtype([('age', numpy.int8)])
a = numpy.array([(10,),(20,),(30,)], dtype = dt)
print (a)

[(10,) (20,) (30,)]
[Finished in 0.1s]

實(shí)例6:

# 類型字段名可以用于存取實(shí)際的age列
import numpy
dt = numpy.dtype([('age', numpy.int8)])
a = numpy.array([(10,),(20,),(30,)], dtype = dt)
print (a['age'])

[10 20 30]
[Finished in 0.1s]

下面的示例定義一個(gè)結(jié)構(gòu)化數(shù)據(jù)類型 student空厌，包含字符串字段 name，整數(shù)字段 age银酬，及浮點(diǎn)字段 marks嘲更，并將這個(gè) dtype 應(yīng)用到 ndarray 對(duì)象

實(shí)例7:

import numpy
student = numpy.dtype([('name','S20'),('age','i1'),('marks','f4')])
print (student)

[('name', 'S20'), ('age', 'i1'), ('marks', '<f4')]
[Finished in 0.1s]

實(shí)例8:

import numpy
student = numpy.dtype([('name','S20'),('age','i1'),('marks','f4')])
a = numpy.array([('abc', 21,50),('xyz', 18, 75)], dtype = student)
print (a)

[(b'abc', 21,  50.) (b'xyz', 18,  75.)]
[Finished in 0.1s]

dtype相當(dāng)于提前定義的一張數(shù)據(jù)表里面各個(gè)字段的 名字 數(shù)據(jù)類型, numpy.array()按照提前定義的字段, 依次填入進(jìn)去. 注意python2和3的區(qū)別.

每個(gè)內(nèi)建類型都已一個(gè)唯一定義它的字符代碼如下:

numpy數(shù)組屬性

NumPy 數(shù)組的維數(shù)稱為秩（rank），秩就是軸的數(shù)量揩瞪，即數(shù)組的維度赋朦，一維數(shù)組的秩為 1，二維數(shù)組的秩為 2壮韭，以此類推北发。

在 NumPy中纹因，每一個(gè)線性的數(shù)組稱為是一個(gè)軸（axis）喷屋，也就是維度（dimensions）。比如說瞭恰，二維數(shù)組相當(dāng)于是兩個(gè)一維數(shù)組屯曹，其中第一個(gè)一維數(shù)組中每個(gè)元素又是一個(gè)一維數(shù)組。所以一維數(shù)組就是 NumPy 中的軸（axis）惊畏，第一個(gè)軸相當(dāng)于是底層數(shù)組恶耽，第二個(gè)軸是底層數(shù)組里的數(shù)組。而軸的數(shù)量——秩颜启，就是數(shù)組的維數(shù)偷俭。

很多時(shí)候可以聲明 axis。axis=0缰盏，表示沿著第 0 軸進(jìn)行操作涌萤，即對(duì)每一列進(jìn)行操作；axis=1口猜，表示沿著第1軸進(jìn)行操作负溪，即對(duì)每一行進(jìn)行操作。

NumPy 的數(shù)組中比較重要 ndarray 對(duì)象屬性有：

ndarray.ndim

返回?cái)?shù)組的維數(shù)等于秩

import numpy
a = numpy.arange(24)
print (a.ndim) # a現(xiàn)只有一個(gè)維度 
# 現(xiàn)在調(diào)整其大小
b = a.reshape(2,4,3) # b現(xiàn)在擁有3個(gè)維度
print (b.ndim)

1
3

ndarray.shape

ndarray.shape 表示數(shù)組的維度，返回一個(gè)元組咙咽，這個(gè)元組的長(zhǎng)度就是維度的數(shù)目老玛，即 ndim 屬性(秩)。比如，一個(gè)二維數(shù)組蜡豹，其維度表示"行數(shù)"和"列數(shù)"麸粮。

ndarray.shape 也可以用于調(diào)整數(shù)組大小。

實(shí)例:

import numpy 
a = numpy.array([[1,2,3],[4,5,6]])
print (a.shape) # 二行三列

(2, 3)
[Finished in 0.1s]

調(diào)整大小:

import numpy 
a = numpy.array([[1,2,3],[4,5,6]])
a.shape = (3,2) # 三行二列
print (a)

[[1 2]
 [3 4]
 [5 6]]
[Finished in 0.1s]

numpy也提供了reshape函數(shù)來調(diào)整數(shù)組大小.

import numpy
a  = numpy.array([[1,2,3],[4,5,6]])
b  = a.reshape(3,2)
print (b)

[[1 2]
 [3 4]
 [5 6]]
[Finished in 0.3s]

ndarray.itemsize

ndarray.itemsize 以字節(jié)的形式返回?cái)?shù)組中每一個(gè)元素的大小镜廉。

例如弄诲，一個(gè)元素類型為 float64 的數(shù)組 itemsiz 屬性值為 8(float64 占用 64 個(gè) bits，每個(gè)字節(jié)長(zhǎng)度為 8娇唯，所以 64/8齐遵，占用 8 個(gè)字節(jié)），又如塔插，一個(gè)元素類型為 complex32 的數(shù)組 item 屬性為 4（32/8）梗摇。

實(shí)例:

import numpy
# 數(shù)組的dtype為int8(一個(gè)字節(jié))
a = numpy.array([1,99,2,3,4,5], dtype = numpy.int8)
print (a.itemsize)

# 數(shù)組的dtype現(xiàn)在為float64(8個(gè)字節(jié))
b = numpy.array([1,2,3,4,5], dtype = numpy.float64)
print (b.itemsize)

1
8

ndarray.flags

ndarray.flags 返回ndarray對(duì)象的內(nèi)存信息, 包含以下屬性.

import numpy
a = numpy.array([1,2,33])
print (a.flags)

  C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False
[Finished in 0.1s]

numpy創(chuàng)建數(shù)組

ndarray數(shù)組除了可以使用底層ndarray構(gòu)造器來創(chuàng)建外, 也可以通過以下幾種方式來創(chuàng)建.

numpy.empty

numpy.empty 方法用來創(chuàng)建一個(gè)指定形狀(shape), 數(shù)據(jù)類型(dtype)且未初始化的數(shù)組:

numpy.empty(shape, dtype = float, order = 'C')

import numpy
a = numpy.empty([3,2], dtype = int)
print (a)

[[    140605049899912     140605049899912]
 [    140605009638320     140605009626224]
 [7205759936368964608   72483105062780931]]
[Finished in 0.1s]

數(shù)組元素為隨機(jī)值, 因?yàn)樗麄冞€未初始化

numpy.zeros

創(chuàng)建指定大小的數(shù)組, 數(shù)組元素以0 來填充.

numpy.zeros(shape, dtype = float, order = 'C')

參數(shù)說明:

import numpy

# 默認(rèn)為浮點(diǎn)數(shù)
a  = numpy.zeros(5)
print (a)

# 設(shè)置類型為整數(shù)
b  = numpy.zeros((5,),dtype = numpy.int)
print (b)

# 自定義類型
c = numpy.zeros((2,2), dtype = [('x', 'i4'), ('y', 'i4')])
print (c)

[ 0.  0.  0.  0.  0.]
[0 0 0 0 0]
[[(0, 0) (0, 0)]
 [(0, 0) (0, 0)]]
[Finished in 0.1s]

numpy.ones

創(chuàng)建指定形狀的數(shù)組, 數(shù)組元素以1來填充:

numpy.ones(shape, dtype = None, order = 'C')

參數(shù)解釋:

實(shí)例:

import numpy
# 默認(rèn)為浮點(diǎn)數(shù)
a = numpy.ones(5)
print (a)
# 自定義類型
b = numpy.ones([3,3], dtype = [('x', int),('y', float)])
print (b)

[ 1.  1.  1.  1.  1.]
[[(1,  1.) (1,  1.) (1,  1.)]
 [(1,  1.) (1,  1.) (1,  1.)]
 [(1,  1.) (1,  1.) (1,  1.)]]
[Finished in 0.1s]

從已有數(shù)組創(chuàng)建數(shù)組

numpy.asarray

numpy.asarray 類似 numpy.array, 但 numpy.asarray 參數(shù)有三個(gè), 比numpy.array少兩個(gè)

numpy.asarray(a, dtype = None, order = None)

參數(shù)說明:

實(shí)例:

列表裝換為ndarray:

import numpy
x  = [1,2,3]
a = numpy.asarray(x)
print (a)


[1 2 3]
[Finished in 0.1s]

元組轉(zhuǎn)換為ndarray:

import numpy
x  = (1,2,3)
a = numpy.asarray(x)
print (a)

[1 2 3]

元組列表轉(zhuǎn)換為ndarray:

import numpy
x  = [(1,2,3),(4,5)]
a = numpy.asarray(x)
print (a)

[(1, 2, 3) (4, 5)]
[Finished in 0.1s]

加上dtype參數(shù):

import numpy
x  = [1,2,3,4,5]
a = numpy.asarray(x, dtype = float)
print (a)

[ 1.  2.  3.  4.  5.]
[Finished in 0.1s]

numpy.frombuffer

numpy.frombuffer 用于實(shí)現(xiàn)動(dòng)態(tài)數(shù)組, numpy.frombuffer接受buffer輸入?yún)?shù), 以流的形式讀入轉(zhuǎn)化成ndarray對(duì)象.

numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)

注: buffer是字符串的時(shí)候, python3 默認(rèn)str是unicode類型, 所以要轉(zhuǎn)換成bytestring在原str前加上b

參數(shù)說明:

python3:

import numpy
s = b'hello word'
a = numpy.frombuffer(s, dtype = 'S1')
print (a)

[b'h' b'e' b'l' b'l' b'o' b' ' b'w' b'o' b'r' b'd']
[Finished in 0.1s]

python2:

import numpy

s = 'hello word'
a = numpy.frombuffer(s, dtype = 'S1')
print (a)


pig@deep:~/Desktop/note/python/numpy$ python test.py 
['h' 'e' 'l' 'l' 'o' ' ' 'w' 'o' 'r' 'd']

numpy.fromiter

numpy.fromiter 方法從可迭代對(duì)象中建立ndarray 對(duì)象, 返回一維數(shù)組

numpy.fromiter(iterable, dtype, count = -1)

import numpy
# 使用range函數(shù)創(chuàng)建列表對(duì)象
list = range(5)
it = iter(list)
# 使用迭代器創(chuàng)建 ndarray
a = numpy.fromiter(it, dtype = float)
print (a)

[ 0.  1.  2.  3.  4.]
[Finished in 0.1s]

numpy從數(shù)值范圍創(chuàng)建數(shù)組

numpy.arange

numpy 包中的使用arange函數(shù)創(chuàng)建數(shù)值范圍并返回ndarray對(duì)象, 函數(shù)格式如下:

numpy.arange(start, stop, step, dtype)

根據(jù)start與stop指定的范圍以及step設(shè)定的步長(zhǎng), 生成一個(gè)ndarray

參數(shù)說明:

實(shí)例:

生成0-5的數(shù)組

import numpy
a = numpy.arange(5, dtype = float)
print (a)


[ 0.  1.  2.  3.  4.]
[Finished in 0.1s]

設(shè)置起始值, 終止值及步長(zhǎng):

import numpy
a = numpy.arange(10,20,2, dtype = float)
print (a)

[ 10.  12.  14.  16.  18.]
[Finished in 0.1s]

numpy.linspace

numpy.linspace函數(shù)用于創(chuàng)建一個(gè)一維數(shù)組, 數(shù)組是一個(gè)等差數(shù)列構(gòu)成的, 格式如下:

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

參數(shù)說明:

實(shí)例:

設(shè)置起始點(diǎn)為1, 終止點(diǎn)為10, 數(shù)列個(gè)數(shù)為10

import numpy
a = numpy.linspace(1,10,10, dtype = float)
print (a)

[  1.   2.   3.   4.   5.   6.   7.   8.   9.  10.]
[Finished in 0.1s]

設(shè)置元素為1的等差數(shù)列:

import numpy
a = numpy.linspace(1,1,10, dtype = float)
print (a)

[ 1.  1.  1.  1.  1.  1.  1.  1.  1.  1.]
[Finished in 0.1s]

將endpoint設(shè)為false, 不包含終止值;

import numpy
a = numpy.linspace(10,20,5,endpoint = False, dtype = float)
print (a)


[ 10.  12.  14.  16.  18.]
[Finished in 0.1s]

如果將endpoint 設(shè)為true, 則會(huì)包含20.

以下實(shí)例設(shè)置間距:

import numpy
a = numpy.linspace(1,10,10,retstep = True)
print (a)
# 拓展列子
b = numpy.linspace(1,10,10).reshape([10,1])
print (b)

(array([  1.,   2.,   3.,   4.,   5.,   6.,   7.,   8.,   9.,  10.]), 1.0)
[[  1.]
 [  2.]
 [  3.]
 [  4.]
 [  5.]
 [  6.]
 [  7.]
 [  8.]
 [  9.]
 [ 10.]]
[Finished in 0.1s]

numpy.logspace

numpy.logspace函數(shù)用于創(chuàng)建一個(gè)等比數(shù)列格式如下:

numpy.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

base參數(shù)意思是取對(duì)數(shù)的時(shí)候log的下標(biāo)

import numpy
# 默認(rèn)底數(shù)是10
a = numpy.logspace(1.0, 2.0, num=10)
print (a)

[  10.           12.91549665   16.68100537   21.5443469    27.82559402
   35.93813664   46.41588834   59.94842503   77.42636827  100.        ]
[Finished in 0.1s]

import numpy
# 底數(shù)是2
a = numpy.logspace(0, 9,10, base=2)
print (a)


[   1.    2.    4.    8.   16.   32.   64.  128.  256.  512.]
[Finished in 0.1s]

numpy切片和索引

ndarray對(duì)象的內(nèi)容可以通過索引或切片來訪問和修改雕拼，與 Python 中 list 的切片操作一樣。

ndarray 數(shù)組可以基于 0 - n 的下標(biāo)進(jìn)行索引粘招，切片對(duì)象可以通過內(nèi)置的 slice 函數(shù)啥寇，并設(shè)置 start, stop 及 step 參數(shù)進(jìn)行，從原數(shù)組中切割出一個(gè)新數(shù)組洒扎。

>>> import numpy
>>> a = numpy.arange(10)
>>> s = slice(2,7,2) # 從索引2 開始索引到7停止, 間隔為2
>>> print (a[s])
[2 4 6]

通過arange()函數(shù)創(chuàng)建ndarray對(duì)象, 然后, 分別設(shè)置起始, 終止和步長(zhǎng)的參數(shù)為2, 7 和2.

也可以通過冒號(hào)分割切片參數(shù)start:stop:step來進(jìn)行切片操作:

>>> import numpy
>>> a = numpy.arange(10)
>>> b = a[2:7:2]
>>> print (b)
[2 4 6]
>>> 

索引和list中的索引差不多 單個(gè)參數(shù)[2] , [2:]索引開始后面的所有項(xiàng)都將提取,如果[2:7] 則提取兩個(gè)索引之間的項(xiàng)(不包括停止索引)

多維數(shù)組同樣適用上述索引提取方法:

>>> import numpy
>>> a = numpy.array([[1,2,3],[4,5,6],[7,8,9]])
>>> print (a)
[[1 2 3]
 [4 5 6]
 [7 8 9]]
>>> print (a[1:])
[[4 5 6]
 [7 8 9]]
>>> 

切片還可以包括省略號(hào)...來使選擇元組的長(zhǎng)度與數(shù)組的維度相同, 如果在行位置使用省略號(hào), 他將返回包含行中元素的ndarray

>>> import numpy
>>> a = numpy.array([[1,2,3],[4,5,6],[7,8,9]])
>>> print (a[...,1]) # 第二列元素
[2 5 8]
>>> print (a[1,...]) # 第二行元素
[4 5 6]
>>> print (a[...,1:]) # 第二例及剩下的所有元素
[[2 3]
 [5 6]
 [8 9]]
>>> 

numpy 高級(jí)索引

NumPy 比一般的 Python 序列提供更多的索引方式辑甜。除了之前看到的用整數(shù)和切片的索引外，數(shù)組可以由整數(shù)數(shù)組索引袍冷、布爾索引及花式索引磷醋。

整數(shù)數(shù)組索引

以下實(shí)例獲取數(shù)組中(0,0)，(1,1)和(2,0)位置處的元素胡诗。

import numpy
x = numpy.array([[1,2],[3,4],[5,6]])
y = x[[0,1,2], [0,1,0]]
print (y)


[1 4 5]
[Finished in 0.1s]
區(qū)別:
import numpy
x = numpy.array([[1,2],[3,4],[5,6]])
y = x[[0,1], [0,1]]
print (y)
print (x)

[1 4]
[[1 2]
 [3 4]
 [5 6]]
[Finished in 0.1s]

獲取4x3數(shù)組中的四個(gè)角元素, 行索引為[0,0]和[3,3] 而列索引為[0,2]和[0,2]

import numpy
x = numpy.array([[0,1,2],[3,4,5],[6,7,8],[9,10,11]])
print ('數(shù)組:')
print (x)
print ('\n')
rows = numpy.array([[0,0],[3,3]])
cols = numpy.array([[0,2],[0,2]])
y = x[rows, cols]
print ('角上的四個(gè)元素:')
print (y)

坐標(biāo)為00 02 30 32

數(shù)組:
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]


角上的四個(gè)元素:
[[ 0  2]
 [ 9 11]]
[Finished in 0.1s]

返回結(jié)果是包含每個(gè)角元素的ndarray對(duì)象

可以借助切片: 或...與索引數(shù)組組合

import numpy
a = numpy.array([[1,2,3],[4,5,6],[7,8,9]])
b = a[1:3,1:3]
c = a[1:3,[1,2]]
d = a[...,1:]
print (a)
print (b)
print (c)
print (d)

[[1 2 3]
 [4 5 6]
 [7 8 9]]
[[5 6]
 [8 9]]
[[5 6]
 [8 9]]
[[2 3]
 [5 6]
 [8 9]]
[Finished in 0.1s]

要獲取元素 的行索引集合, 列索引集合來獲取元素, 如果是獲取某個(gè)區(qū)域的元素, 則使用:

布爾索引

我們可以通過一個(gè)布爾數(shù)組來索引目標(biāo)數(shù)組邓线。

布爾索引通過布爾運(yùn)算（如：比較運(yùn)算符）來獲取符合指定條件的元素的數(shù)組淌友。

以下實(shí)例獲取大于 5 的元素：

import numpy as np 
 
x = np.array([[  0,  1,  2],[  3,  4,  5],[  6,  7,  8],[  9,  10,  11]])  
print ('我們的數(shù)組是：')
print (x)
print ('\n')
# 現(xiàn)在我們會(huì)打印出大于 5 的元素  
print  ('大于 5 的元素是：')
print (x[x >  5])

我們的數(shù)組是：
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]


大于 5 的元素是：
[ 6  7  8  9 10 11]
[Finished in 0.3s]

以下使用~(取補(bǔ)運(yùn)算符) 來過濾NaN

import numpy 
a = numpy.array([numpy.nan, 1, 2, numpy.nan, 3, 4, 5])
print (a[~numpy.isnan(a)])

[ 1.  2.  3.  4.  5.]
[Finished in 0.1s]

從數(shù)組中過濾掉非復(fù)數(shù)元素:

import numpy 
a = numpy.array([1, 2+6j,5,3.5])
print (a[numpy.iscomplex(a)])

[ 2.+6.j]
[Finished in 0.1s]

花式索引

花式索引指的是利用整數(shù)數(shù)組進(jìn)行索引。

花式索引根據(jù)索引數(shù)組的值作為目標(biāo)數(shù)組的某個(gè)軸的下標(biāo)來取值骇陈。對(duì)于使用一維整型數(shù)組作為索引亩进，如果目標(biāo)是一維數(shù)組，那么索引的結(jié)果就是對(duì)應(yīng)位置的元素缩歪；如果目標(biāo)是二維數(shù)組归薛，那么就是對(duì)應(yīng)下標(biāo)的行。

花式索引跟切片不一樣匪蝙，它總是將數(shù)據(jù)復(fù)制到新數(shù)組中主籍。

1. 傳入順序索引數(shù)組

   import numpy 
   a = numpy.arange(32)
   x = a.reshape((8,4))
   print (a)
   print (x)
   print (x[[4,2,1,7]])
   
   
   [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
    25 26 27 28 29 30 31]
   [[ 0  1  2  3]
    [ 4  5  6  7]
    [ 8  9 10 11]
    [12 13 14 15]
    [16 17 18 19]
    [20 21 22 23]
    [24 25 26 27]
    [28 29 30 31]]
   [[16 17 18 19]
    [ 8  9 10 11]
    [ 4  5  6  7]
    [28 29 30 31]]
   [Finished in 0.1s]
   

2. 傳入倒敘索引數(shù)組

import numpy 
a = numpy.arange(32)
x = a.reshape((8,4))
print (a)
print (x)
print (x[[-4,-2,-1,-7]])


[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
 25 26 27 28 29 30 31]
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]
 [16 17 18 19]
 [20 21 22 23]
 [24 25 26 27]
 [28 29 30 31]]
[[16 17 18 19]
 [24 25 26 27]
 [28 29 30 31]
 [ 4  5  6  7]]
[Finished in 0.1s]

3. 傳入多個(gè)索引數(shù)組(要使用np.ix_)

import numpy 
a = numpy.arange(32)
x = a.reshape((8,4))
print (x)
print (x[numpy.ix_([1,5,7,2],[0,3,1,2])])

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]
 [16 17 18 19]
 [20 21 22 23]
 [24 25 26 27]
 [28 29 30 31]]
[[ 4  7  5  6]
 [20 23 21 22]
 [28 31 29 30]
 [ 8 11  9 10]]
[Finished in 0.1s]

行索引配合列索引

numpy廣播(broadcast)

廣播(Broadcast)是 numpy 對(duì)不同形狀(shape)的數(shù)組進(jìn)行數(shù)值計(jì)算的方式， 對(duì)數(shù)組的算術(shù)運(yùn)算通常在相應(yīng)的元素上進(jìn)行逛球。

如果兩個(gè)數(shù)組 a 和 b 形狀相同千元，即滿足 a.shape == b.shape，那么 a*b 的結(jié)果就是 a 與 b 數(shù)組對(duì)應(yīng)位相乘颤绕。這要求維數(shù)相同幸海，且各維度的長(zhǎng)度相同。

[1,2,3,4] * [10,20,30,40]

import numpy 
a = numpy.array([1,2,3,4])
b = numpy.array([10,20,30,40])
c = a * b
print (c)

[ 10  40  90 160]
[Finished in 0.1s]

當(dāng)運(yùn)算中的兩個(gè)數(shù)組形狀不同時(shí), numpy將自動(dòng)觸發(fā)廣播機(jī)制.:

import numpy 
a  = numpy.array([[0,0,0],
    [10,10,10],
    [20,20,20],
    [30,30,30]])
b = numpy.array([1,2,3])
print (a + b)

[[ 1  2  3]
 [11 12 13]
 [21 22 23]
 [31 32 33]]
[Finished in 0.1s]

廣播的規(guī)則:

• 讓所有輸入數(shù)組都向其中形狀最長(zhǎng)的數(shù)組看齊奥务，形狀中不足的部分都通過在前面加 1 補(bǔ)齊物独。
• 輸出數(shù)組的形狀是輸入數(shù)組形狀的各個(gè)維度上的最大值。
• 如果輸入數(shù)組的某個(gè)維度和輸出數(shù)組的對(duì)應(yīng)維度的長(zhǎng)度相同或者其長(zhǎng)度為 1 時(shí)氯葬，這個(gè)數(shù)組能夠用來計(jì)算挡篓，否則出錯(cuò)。
• 當(dāng)輸入數(shù)組的某個(gè)維度的長(zhǎng)度為 1 時(shí)帚称，沿著此維度運(yùn)算時(shí)都用此維度上的第一組值官研。

簡(jiǎn)單理解：對(duì)兩個(gè)數(shù)組，分別比較他們的每一個(gè)維度（若其中一個(gè)數(shù)組沒有當(dāng)前維度則忽略）闯睹，滿足：

• 數(shù)組擁有相同形狀戏羽。
• 當(dāng)前維度的值相等。
• 當(dāng)前維度的值有一個(gè)是 1楼吃。

若條件不滿足始花，拋出 "ValueError: frames are not aligned" 異常。

tile()函數(shù)就是將原矩陣橫向, 縱向的復(fù)制.

tile(mat, (1,4)) 復(fù)制為原來的四倍

numpy 迭代數(shù)組

NumPy 迭代器對(duì)象 numpy.nditer 提供了一種靈活訪問一個(gè)或者多個(gè)數(shù)組元素的方式所刀。

迭代器最基本的任務(wù)的可以完成對(duì)數(shù)組元素的訪問衙荐。

接下來我們使用 arange() 函數(shù)創(chuàng)建一個(gè) 2X3 數(shù)組，并使用 nditer 對(duì)它進(jìn)行迭代浮创。

import numpy as np 
a = np.arange(6).reshape(2,3)
print ('原數(shù)組:')
print (a)
print ('\n')
for x in np.nditer(a):
    print (x, end=', ')
print ('\n')

原數(shù)組:
[[0 1 2]
 [3 4 5]]


0, 1, 2, 3, 4, 5, 

[Finished in 0.1s]

以上實(shí)例不是使用標(biāo)準(zhǔn) C 或者 Fortran 順序忧吟，選擇的順序是和數(shù)組內(nèi)存布局一致的，這樣做是為了提升訪問的效率斩披，默認(rèn)是行序優(yōu)先（row-major order溜族，或者說是 C-order）讹俊。

這反映了默認(rèn)情況下只需訪問每個(gè)元素，而無需考慮其特定順序煌抒。我們可以通過迭代上述數(shù)組的轉(zhuǎn)置來看到這一點(diǎn)仍劈，并與以 C 順序訪問數(shù)組轉(zhuǎn)置的 copy 方式做對(duì)比，如下實(shí)例：

import numpy as np 
a = np.arange(6).reshape(2,3)
for x in np.nditer(a.T):
    print (x, end=', ')
print ('\n')

for x in np.nditer(a.T.copy(order='C')):
    print (x, end=', ')
print ('\n')


0, 1, 2, 3, 4, 5, 

0, 3, 1, 4, 2, 5, 

[Finished in 0.1s]

從上述例子可以看出寡壮，a 和 a.T 的遍歷順序是一樣的贩疙，也就是他們?cè)趦?nèi)存中的存儲(chǔ)順序也是一樣的，但是 a.T.copy(order = 'C') 的遍歷結(jié)果是不同的况既，那是因?yàn)樗颓皟煞N的存儲(chǔ)方式是不一樣的这溅，默認(rèn)是按行訪問。

控制便來順序

• for x in np.nditer(a, order="F"):Fortran order, 列優(yōu)先
• for x in np.nditer(a.T, order='C'): C order , 行優(yōu)先

import numpy as np 
a = np.arange(0,60,5)
a = a.reshape(3,4)
print ('原數(shù)組:')
print (a)
print ('\n')
print ('轉(zhuǎn)置:')
b = a.T
print (b)
print ('\n')
print ('C排序:')
c = b.copy(order='C')
print (c)
for x in np.nditer(c):
    print (x, end=", ")
print ('\n')
print ('-----F-------')
c = b.copy(order='F')
print (c)
for x in np.nditer(c):
    print (x, end=', ')

原數(shù)組:
[[ 0  5 10 15]
 [20 25 30 35]
 [40 45 50 55]]


轉(zhuǎn)置:
[[ 0 20 40]
 [ 5 25 45]
 [10 30 50]
 [15 35 55]]


C排序:
[[ 0 20 40]
 [ 5 25 45]
 [10 30 50]
 [15 35 55]]
0, 20, 40, 5, 25, 45, 10, 30, 50, 15, 35, 55, 

-----F-------
[[ 0 20 40]
 [ 5 25 45]
 [10 30 50]
 [15 35 55]]
0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, [Finished in 0.1s]

b=a.T表示數(shù)組的轉(zhuǎn)置, 默認(rèn)情況下nditer是以行來讀取的, 當(dāng)然也可以直接以列來讀取, 使用nditer指定order以什么方式讀取如下:

import numpy as np 
a = np.arange(0,60,5)
a = a.reshape(3,4)
print (str('原').center(15,'*'))
print (a)
print ('\n')
print (str('C').center(15,'*'))
for x in np.nditer(a, order = 'C'):
    print (x, end = ', ')
print ('\n')
print ('F'.center(15, '*'))
for x in np.nditer(a, order = 'F'):
    print (x, end = ', ')

*******原*******
[[ 0  5 10 15]
 [20 25 30 35]
 [40 45 50 55]]


*******C*******
0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 

*******F*******
0, 20, 40, 5, 25, 45, 10, 30, 50, 15, 35, 55, [Finished in 0.1s]

修改數(shù)組中元素的值

nditer 對(duì)象有另一個(gè)可選參數(shù)op_flags 默認(rèn)情況下, nditer將視待迭代遍歷的數(shù)組為只讀對(duì)象(read-only), 為了在遍歷數(shù)組的同時(shí), 實(shí)現(xiàn)對(duì)數(shù)組元素值得修改, 必須指定read-write 或者 write-only 的模式.

import numpy
a = numpy.arange(0,60,5)
a = a.reshape(3,4)
print ('原始數(shù)組'.center(15,'*'))
print (a)
print ('\n')
for x in numpy.nditer(a, op_flags=['readwrite']):
    x[...]=2*x
print ('修改后'.center(15,'*'))
print (a)

******原始數(shù)組*****
[[ 0  5 10 15]
 [20 25 30 35]
 [40 45 50 55]]


******修改后******
[[  0  10  20  30]
 [ 40  50  60  70]
 [ 80  90 100 110]]
[Finished in 0.1s]

使用外部循環(huán):

nditer 類的構(gòu)造器擁有flags參數(shù), 他可以接受下列值:

import numpy
a = numpy.arange(0,60,5)
a = a.reshape(3,4)
print ('原始數(shù)組'.center(20,'*'))
print (a)
print ('\n')
print ('修改后的數(shù)組:'.center(20,'*'))
for x in numpy.nditer(a, flags = ['external_loop'], order = 'F'):
    print (x, end=", ")

********原始數(shù)組********
[[ 0  5 10 15]
 [20 25 30 35]
 [40 45 50 55]]


******修改后的數(shù)組:*******
[ 0 20 40], [ 5 25 45], [10 30 50], [15 35 55], [Finished in 0.1s]

廣播迭代

如果兩個(gè)數(shù)組是可廣播的, nditer組合對(duì)象能夠同時(shí)迭代他們, 假設(shè)數(shù)組a的維度為3x4, 數(shù)組b的維度為1x4 則使用以下迭代器(數(shù)組b被廣播到a的大小)

import numpy
a = numpy.arange(0,60,5)
a = a.reshape(3,4)
print ('第一個(gè)數(shù)組'.center(20, "*"))
print (a)
print ('\n')
print ('第二個(gè)數(shù)組'.center(20, "*"))
b = numpy.array([1,2,3,4],dtype = int)
print (b)
print ('\n')
print ('修改之后的數(shù)組'.center(20, "*"))
for x,y in numpy.nditer([a,b]):
    print ('%d:%d' % (x, y), end=', ')
    
    
*******第一個(gè)數(shù)組********
[[ 0  5 10 15]
 [20 25 30 35]
 [40 45 50 55]]


*******第二個(gè)數(shù)組********
[1 2 3 4]


******修改之后的數(shù)組*******
0:1, 5:2, 10:3, 15:4, 20:1, 25:2, 30:3, 35:4, 40:1, 45:2, 50:3, 55:4, [Finished in 0.1s]

數(shù)組操作

處理數(shù)組大概分為以下幾類:

• 修改數(shù)組形狀
• 翻轉(zhuǎn)數(shù)組
• 修改數(shù)組 維度
• 連接數(shù)組
• 分割數(shù)組
• 數(shù)組元素的添加與刪除

修改數(shù)組形狀

numpy.reshape

numpy.reshape 函數(shù)可以在不改變數(shù)據(jù)的條件下修改形狀，格式如下： numpy.reshape(arr, newshape, order='C')

• arr：要修改形狀的數(shù)組
• newshape：整數(shù)或者整數(shù)數(shù)組莫其，新的形狀應(yīng)當(dāng)兼容原有形狀
• order：'C' -- 按行癞尚，'F' -- 按列，'A' -- 原順序乱陡，'k' -- 元素在內(nèi)存中的出現(xiàn)順序浇揩。

import numpy as np
 
a = np.arange(8)
print ('原始數(shù)組：')
print (a)
print ('\n')
 
b = a.reshape(4,2)
print ('修改后的數(shù)組：')
print (b)

輸出結(jié)果如下：

原始數(shù)組：
[0 1 2 3 4 5 6 7]

修改后的數(shù)組：
[[0 1]
 [2 3]
 [4 5]
 [6 7]]

numpy.ndarray.flat

numpy.ndarray.flat 是一個(gè)數(shù)組元素迭代器, 實(shí)例:

import numpy
a = numpy.arange(9).reshape(3,3)
print ('原數(shù)組'.center(20,'*'))
for row in a:
    print (row)
# 對(duì)數(shù)組中每個(gè)元素都進(jìn)行處理, 可以使用flat屬性, 該屬性是一個(gè)數(shù)組元素迭代器.
print ('迭代后的數(shù)組'.center(20, '*'))
for element in a.flat:
    print (element)
    
    
********原數(shù)組*********
[0 1 2]
[3 4 5]
[6 7 8]
*******迭代后的數(shù)組*******
0
1
2
3
4
5
6
7
8
[Finished in 0.3s]

numpy.ndarray.flatten

numpy.ndarray.flatten 返回一份數(shù)組拷貝, 對(duì)拷貝所做的修改不會(huì)影響原始數(shù)組, 格式:

ndarray.flatten(order='C')

order'C'--按行, 'F'-- 按列, 'A' -- 按原順序, 'K' -- 元素在內(nèi)存中的出現(xiàn)順序.

import numpy
a = numpy.arange(8).reshape(2,4)
print('原'.center(20, '*'))
print (a)
print ('\n')
print ('展開數(shù)組:'.center(20, '*'))
print (a.flatten())
print ('\n')
print ('F順序展開的數(shù)組')
print (a.flatten(order='F'))

*********原**********
[[0 1 2 3]
 [4 5 6 7]]


*******展開數(shù)組:********
[0 1 2 3 4 5 6 7]


F順序展開的數(shù)組
[0 4 1 5 2 6 3 7]
[Finished in 0.1s]

numpy.ravel

numpy.ravel ()展平的數(shù)組元素, 順序通常是"C風(fēng)格", 返回?cái)?shù)組視圖(view, 有點(diǎn)類似C/C++引用reference的意味), 修改會(huì)影響原始數(shù)組,

numpy.ravel(a, order = 'C')

實(shí)例:

import numpy
a = numpy.arange(8).reshape(2,4)
print('原'.center(20, '*'))
print (a)
print ('\n')
print ('調(diào)用ravel函數(shù)之后'.center(20, '*'))
print (a.ravel())
print ('\n')
print ('F順序調(diào)用ravel函數(shù)的數(shù)組')
print (a.ravel(order = 'F'))

*********原**********
[[0 1 2 3]
 [4 5 6 7]]


****調(diào)用ravel函數(shù)之后*****
[0 1 2 3 4 5 6 7]


F順序調(diào)用ravel函數(shù)的數(shù)組
[0 4 1 5 2 6 3 7]
[Finished in 0.1s]

翻轉(zhuǎn)數(shù)組

numpy.transpose

numpy.transpose 函數(shù)用于對(duì)換數(shù)組的維度

numpy.transpose(arr, axes)

arr要操作的數(shù)組

axes整數(shù)列表, 對(duì)應(yīng)維度, 通常所有維度都會(huì)對(duì)換

import numpy
a = numpy.arange(12).reshape(3,4)
print('原'.center(20, '*'))
print (a)
print ('\n')
print ('對(duì)換數(shù)組'.center(20, '*'))
print (numpy.transpose(a))
print ('\n')


*********原**********
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]


********對(duì)換數(shù)組********
[[ 0  4  8]
 [ 1  5  9]
 [ 2  6 10]
 [ 3  7 11]]


[Finished in 0.2s]

numpy.ndarray.T 類似numpy.transpose:

import numpy
a = numpy.arange(12).reshape(3,4)
print('原'.center(20, '*'))
print (a)
print ('\n')
print ('轉(zhuǎn)置數(shù)組'.center(20, '*'))
print (a.T)
print ('\n')


*********原**********
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]


********轉(zhuǎn)置數(shù)組********
[[ 0  4  8]
 [ 1  5  9]
 [ 2  6 10]
 [ 3  7 11]]


[Finished in 0.1s]

numpy.rollaxis

numpy.rollaxis函數(shù)向后滾動(dòng)特定的軸到一個(gè)特定位置, 格式如下:

numpy.rollaxis(arr, axis, start)

arr數(shù)組

axis 向后滾動(dòng)的軸, 其他軸的相對(duì)位置不會(huì)改變

start 默認(rèn)為0, 表示完整的滾動(dòng), 回滾到特定的位置

import numpy
a = numpy.arange(8).reshape(2,2,2)
print('原'.center(20, '*'))
print (a)
print ('\n')
# 將軸2滾動(dòng)到軸0(寬度到深度)

print ('調(diào)用rollaxis函數(shù)'.center(20, '*'))
print (numpy.rollaxis(a,2))
# 將軸0 滾動(dòng)到軸1位置, (寬度到高度)
print ('\n')
print ('調(diào)用rollaxis函數(shù)')
print (numpy.rollaxis(a,2,1))


*********原**********
[[[0 1]
  [2 3]]

 [[4 5]
  [6 7]]]


****調(diào)用rollaxis函數(shù)****
[[[0 2]
  [4 6]]

 [[1 3]
  [5 7]]]


調(diào)用rollaxis函數(shù)
[[[0 2]
  [1 3]]

 [[4 6]
  [5 7]]]
[Finished in 0.1s]

numpy.swapaxes

numpy.swapaxes 函數(shù)用于交換數(shù)組的兩個(gè)軸, 格式如下:

numpy.swapaxes(arr, sxis1, axis2)

arr 數(shù)組

axis1 對(duì)應(yīng)第一個(gè)軸的整數(shù)

axis2 對(duì)應(yīng)第二個(gè)軸的整數(shù)

import numpy
a = numpy.arange(8).reshape(2,2,2)
print('原'.center(20, '*'))
print (a)
print ('\n')
# 現(xiàn)在交換軸0(深度方向)到軸2(寬度方向)

print ('調(diào)用swapaxes函數(shù)后的數(shù)組'.center(20, '*'))
print (numpy.swapaxes(a, 2, 0))

*********原**********
[[[0 1]
  [2 3]]

 [[4 5]
  [6 7]]]


**調(diào)用swapaxes函數(shù)后的數(shù)組**
[[[0 4]
  [2 6]]

 [[1 5]
  [3 7]]]
[Finished in 0.1s]

修改數(shù)組維度

numpy.broadcast

numpy.broadcast 用于模仿廣播的對(duì)象, 它返回一個(gè)對(duì)象, 該對(duì)象封裝了將一個(gè)數(shù)組廣播到另一個(gè)數(shù)組的結(jié)果, 該函數(shù)使用兩個(gè)數(shù)組作為輸入?yún)?shù), 如下實(shí)例:

import numpy as np
 
x = np.array([[1], [2], [3]])
y = np.array([4, 5, 6])  
 
# 對(duì) y 廣播 x
b = np.broadcast(x,y)  
# 它擁有 iterator 屬性，基于自身組件的迭代器元組
print (b)
print ('對(duì) y 廣播 x：')
r,c = b.iters
 
# Python3.x 為 next(context) 蛋褥，Python2.x 為 context.next()
print (next(r), next(c))
print (next(r), next(c))
print ('\n')
# shape 屬性返回廣播對(duì)象的形狀
 
print ('廣播對(duì)象的形狀：')
print (b.shape)
print ('\n')
# 手動(dòng)使用 broadcast 將 x 與 y 相加
b = np.broadcast(x,y)
c = np.empty(b.shape)
 
print ('手動(dòng)使用 broadcast 將 x 與 y 相加：')
print (c.shape)
print ('\n')
c.flat = [u + v for (u,v) in b]
 
print ('調(diào)用 flat 函數(shù)：')
print (c)
print ('\n')
# 獲得了和 NumPy 內(nèi)建的廣播支持相同的結(jié)果
 
print ('x 與 y 的和：')
print (x + y)

<numpy.broadcast object at 0x55c6b266fdb0>
對(duì) y 廣播 x：
1 4
1 5


廣播對(duì)象的形狀：
(3, 3)


手動(dòng)使用 broadcast 將 x 與 y 相加：
(3, 3)


調(diào)用 flat 函數(shù)：
[[ 5.  6.  7.]
 [ 6.  7.  8.]
 [ 7.  8.  9.]]


x 與 y 的和：
[[5 6 7]
 [6 7 8]
 [7 8 9]]
[Finished in 0.1s]

numpy.broadcast_to

numpy.broadcast_to 函數(shù)將數(shù)組廣播到新形狀, 他在原始數(shù)組上返回只讀視圖, 它通常不連續(xù), 如果新形狀不符合numpy的廣播規(guī)則, 該函數(shù)可能會(huì)拋出ValueError

numpy.broadcast_to(array, shape, subok)

import numpy

a = numpy.arange(4).reshape(1,4)
print ('原數(shù)組:')
print (a)
print ('\n')

print ('調(diào)用broadcast_to函數(shù)之后')
print (numpy.broadcast_to(a,(2,4)))

原數(shù)組:
[[0 1 2 3]]


調(diào)用broadcast_to函數(shù)之后
[[0 1 2 3]
 [0 1 2 3]]
[Finished in 0.1s]

numpy.expand_dims

numpy.expand_dims 函數(shù)通過指定位置插入新的軸來擴(kuò)展數(shù)組形狀, 函數(shù)格式:

numpy.expand_dims(arr, axis)

arr 輸入的數(shù)組

axis 新軸插入的位置, 0 表示行, 1 表示列

import numpy 

x = numpy.array(([1,2],[3,4]))
print ('數(shù)組x')
print (x)
print ('\n')
y = numpy.expand_dims(x, axis = 0)
print ('數(shù)組y')
print (y)
print ('\n')
print ('數(shù)組x和y的形狀')
print (x.shape, y.shape)
print ('\n')
# 在軸1 位置插入軸
y = numpy.expand_dims(x, axis = 1)
print ('在位置1 插入軸之后的數(shù)組')
print (y)
print ('\n')
print ('x.ndim y.ndim')
print (x.ndim, y.ndim)
print ('\n')
print ('x.shape, y.shape')
print (x.shape, y.shape)

數(shù)組x
[[1 2]
 [3 4]]


數(shù)組y
[[[1 2]
  [3 4]]]


數(shù)組x和y的形狀
(2, 2) (1, 2, 2)


在位置1 插入軸之后的數(shù)組
[[[1 2]]

 [[3 4]]]


x.ndim y.ndim
2 3


x.shape, y.shape
(2, 2) (2, 1, 2)
[Finished in 0.1s]

numpy.squeeze

numpy.squeeze 從給定數(shù)組的形狀中刪除一維的條目,

numpy.squeeze(arr, axis)

arr輸入數(shù)組

axis 整數(shù)或整數(shù)元組, 用于選擇形狀中的一維條目的子集

import numpy

x = numpy.arange(9).reshape(1,3,3)
print ('數(shù)組x')
print (x)
print ('\n')
y = numpy.squeeze(x)
print ('數(shù)組y')
print (y)
print ('\n')
print ('x.shape, y.shape')
print (x.shape, y.shape)


數(shù)組x
[[[0 1 2]
  [3 4 5]
  [6 7 8]]]


數(shù)組y
[[0 1 2]
 [3 4 5]
 [6 7 8]]


x.shape, y.shape
(1, 3, 3) (3, 3)
[Finished in 0.1s]

連接數(shù)組

concatenate

用于沿著指定軸連接相同形狀的兩個(gè)或多個(gè)數(shù)組

numpy.concatenate((a1,a2, ...),axis)

a1,a2,a3,... 相同類型的數(shù)組

axis 沿著它連接數(shù)組的軸, 默認(rèn)為0

import numpy

a = numpy.array([[1,2],[3,4]])
print ('第一個(gè)數(shù)組')
print (a)
print ('\n')
b = numpy.array([[5,6],[7,8]])
print ('第二個(gè)數(shù)組')
print (b)
print ('\n')
# 兩個(gè)數(shù)組的維度相同

print ('沿軸0連接兩個(gè)數(shù)組:')
print (numpy.concatenate((a,b)))
print ('\n')
print ('沿著軸1連接兩個(gè)數(shù)組')
print (numpy.concatenate((a,b),axis = 1))

第一個(gè)數(shù)組
[[1 2]
 [3 4]]


第二個(gè)數(shù)組
[[5 6]
 [7 8]]


沿軸0連接兩個(gè)數(shù)組:
[[1 2]
 [3 4]
 [5 6]
 [7 8]]


沿著軸1連接兩個(gè)數(shù)組
[[1 2 5 6]
 [3 4 7 8]]
[Finished in 0.1s]

numpy.stack

用于沿新軸連接數(shù)組序列

numpy.stack(arrays, axis)

arrays相同形狀的數(shù)組序列

axis 返回?cái)?shù)組中的軸, 輸入數(shù)組沿著它來堆疊

import numpy

a = numpy.array([[1,2],[3,4]])
print ('第一個(gè)數(shù)組')
print (a)
print ('\n')
b = numpy.array([[5,6],[7,8]])
print ('第二個(gè)數(shù)組')
print (b)
print ('\n')

print ('沿著0堆疊兩個(gè)數(shù)組')
print (numpy.stack((a,b),0))
print ('\n')
print ('沿著列堆疊兩個(gè)數(shù)組')
print (numpy.stack((a,b),1))


第一個(gè)數(shù)組
[[1 2]
 [3 4]]


第二個(gè)數(shù)組
[[5 6]
 [7 8]]


沿著0堆疊兩個(gè)數(shù)組
[[[1 2]
  [3 4]]

 [[5 6]
  [7 8]]]


沿著列堆疊兩個(gè)數(shù)組
[[[1 2]
  [5 6]]

 [[3 4]
  [7 8]]]
[Finished in 0.1s]

numpy.hstack

是numpy.stack的變體睛驳，　通過水平堆疊來生成數(shù)組

import numpy

a = numpy.array([[1,2],[3,4]])
print ('第一個(gè)數(shù)組')
print (a)
print ('\n')
b = numpy.array([[5,6],[7,8]])
print ('第二個(gè)數(shù)組')
print (b)
print ('\n')

print ('水平堆疊')
c = numpy.hstack((a,b))
print (c)


第一個(gè)數(shù)組
[[1 2]
 [3 4]]


第二個(gè)數(shù)組
[[5 6]
 [7 8]]


水平堆疊
[[1 2 5 6]
 [3 4 7 8]]
[Finished in 0.1s]

numpy.vstack

通過垂直堆疊來生成數(shù)組

import numpy

a = numpy.array([[1,2],[3,4]])
print ('第一個(gè)數(shù)組')
print (a)
print ('\n')
b = numpy.array([[5,6],[7,8]])
print ('第二個(gè)數(shù)組')
print (b)
print ('\n')

print ('垂直堆疊')
print (numpy.vstack((a,b)))



第一個(gè)數(shù)組
[[1 2]
 [3 4]]


第二個(gè)數(shù)組
[[5 6]
 [7 8]]


垂直堆疊
[[1 2]
 [3 4]
 [5 6]
 [7 8]]
[Finished in 0.1s]

分割數(shù)組

numpy.split

沿特定的軸將數(shù)組分割為子數(shù)組

numpy.split(ary, indices_or_sections, axis)

ary 被分割的數(shù)組

indices_or_se_ctinos　如果是一個(gè)整數(shù)就用該數(shù)平均切分烙心，如果是一個(gè)數(shù)組，為沿軸切分的位置(左開右閉)

沿哪個(gè)維度切割 ０乏沸，１

import numpy

a = numpy.arange(9)
print ('第一個(gè)數(shù)組')
print (a)
print ('\n')

print ('將數(shù)組分為三個(gè)大小相等的子數(shù)組')
b = numpy.split(a, 3)
print (b)
print ('\n')
print ('將數(shù)組在一維數(shù)組中表明的位置分割')
b = numpy.split(a,[4,7])
print (b)


第一個(gè)數(shù)組
[0 1 2 3 4 5 6 7 8]


將數(shù)組分為三個(gè)大小相等的子數(shù)組
[array([0, 1, 2]), array([3, 4, 5]), array([6, 7, 8])]


將數(shù)組在一維數(shù)組中表明的位置分割
[array([0, 1, 2, 3]), array([4, 5, 6]), array([7, 8])]
[Finished in 0.1s]

numpy.hsplit

用于水平分割數(shù)組淫茵，　通過指定要返回的相同形狀的數(shù)組數(shù)量來拆分原數(shù)組

import numpy
harr = numpy.floor(10 * numpy.random.random((2,6)))
print ('原數(shù)組')
print (harr)

print ('拆分后')
print (numpy.hsplit(harr,3))


原數(shù)組
[[ 6.  3.  8.  0.  4.  8.]
 [ 6.  6.  7.  0.  3.  1.]]
拆分后
[array([[ 6.,  3.],
       [ 6.,  6.]]), array([[ 8.,  0.],
       [ 7.,  0.]]), array([[ 4.,  8.],
       [ 3.,  1.]])]
[Finished in 0.3s]

numpy.vsplit

沿垂直軸分割, 分割方式和hsplit相同

import numpy
a = numpy.arange(16).reshape(4,4)
print ('第一個(gè)數(shù)組:')
print (a)
print ('\n')

print ('豎直分割')
b = numpy.vsplit(a,2)
print (b)

第一個(gè)數(shù)組:
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]]


豎直分割
[array([[0, 1, 2, 3],
       [4, 5, 6, 7]]), array([[ 8,  9, 10, 11],
       [12, 13, 14, 15]])]
[Finished in 0.1s]

數(shù)組元素的添加與刪除

numpy.resize

返回指定大小的新數(shù)組, 如果新數(shù)組大小大于原始大小, 則包含原數(shù)組中的元素副本

numpy.resize(arr, shape)

arr 要修改大小的數(shù)組

shape 返回?cái)?shù)組的新形狀

import numpy

a = numpy.array([[1,2,3],[4,5,6]])
print ('第一個(gè)數(shù)組')
print (a)
print ('\n')

print ('第一個(gè)數(shù)組形狀')
print (a.shape)
print ('\n')
b = numpy.resize(a,(3,2))
print ('第二個(gè)數(shù)組')
print (b)
print ('第二個(gè)數(shù)組形狀')
print (b.shape)
print ('\n')
# 注意a的第一行b中重復(fù)出現(xiàn), 因?yàn)槌叽缱兇罅?print ('修改后的第二個(gè)數(shù)組大小')
print (numpy.resize(a,(3,3)))

第一個(gè)數(shù)組
[[1 2 3]
 [4 5 6]]


第一個(gè)數(shù)組形狀
(2, 3)


第二個(gè)數(shù)組
[[1 2]
 [3 4]
 [5 6]]
第二個(gè)數(shù)組形狀
(3, 2)


修改后的第二個(gè)數(shù)組大小
[[1 2 3]
 [4 5 6]
 [1 2 3]]
[Finished in 0.1s]

numpy.append

函數(shù)在數(shù)組末尾添加值, 追加操作會(huì)分配整個(gè)數(shù)組, 并把原來的數(shù)組復(fù)制到新數(shù)組里, 此外, 輸入數(shù)組的維度必須匹配否則將生成ValueError

append函數(shù)返回的始終是一個(gè)一維數(shù)組

numpy.append(arr, values, axis=None)

• arr：輸入數(shù)組
• values：要向arr添加的值蹬跃，需要和arr形狀相同（除了要添加的軸）
• axis：默認(rèn)為 None匙瘪。當(dāng)axis無定義時(shí)，是橫向加成蝶缀，返回總是為一維數(shù)組丹喻！當(dāng)axis有定義的時(shí)候，分別為0和1的時(shí)候翁都。當(dāng)axis有定義的時(shí)候碍论，分別為0和1的時(shí)候（列數(shù)要相同）。當(dāng)axis為1時(shí)柄慰，數(shù)組是加在右邊（行數(shù)要相同）鳍悠。

import numpy as np

a = np.array([[1,2,3],[4,5,6]])
print ('第一個(gè)數(shù)組')
print (a)
print ('\n')
print ('向數(shù)組添加元素')
print (np.append(a, [7,8,9]))
print ('\n')
print ('沿軸0添加元素')
print (np.append(a, [[7,8,9]], axis = 0))
print ('\n')
print ('沿軸1添加元素')
print (np.append(a, [[5,5,5],[7,8,9]], axis = 1))


第一個(gè)數(shù)組
[[1 2 3]
 [4 5 6]]


向數(shù)組添加元素
[1 2 3 4 5 6 7 8 9]


沿軸0添加元素
[[1 2 3]
 [4 5 6]
 [7 8 9]]


沿軸1添加元素
[[1 2 3 5 5 5]
 [4 5 6 7 8 9]]
[Finished in 0.1s]

numpy.insert

在給定索引之前, 沿給定軸在輸入數(shù)組中插入值, 如果值的類型轉(zhuǎn)換為要插入, 則它與輸入數(shù)組不同, 插入沒有原地的, 函數(shù)會(huì)返回一個(gè)新數(shù)組, 此外未提供軸, 則輸入數(shù)組被展開.

numpy.insert(arr, obj, values, axis)

arr 輸入數(shù)組

obj在其 之前插入值的索引

values要插入的值

axis 沿著它插入的軸, 如果未提供, 則輸入數(shù)組會(huì)被展開

import numpy as np

a = np.array([[1,2], [3,4], [5,6]])
print ('第一個(gè)數(shù)組')
print (a)
print ('\n')

print ('未傳遞axis參數(shù), 在插入之前輸入數(shù)組會(huì)被展開')
print (np.insert(a,3,[11,22]))
print ('\n')
print ('傳遞axis參數(shù), 會(huì)廣播值數(shù)組來配輸入數(shù)組')
print ('沿軸0廣播')
print (np.insert(a, 1, [11], axis = 0))
print ('\n')
print ('沿軸1廣播')
print (np.insert(a,1,11,axis = 1))


第一個(gè)數(shù)組
[[1 2]
 [3 4]
 [5 6]]


未傳遞axis參數(shù), 在插入之前輸入數(shù)組會(huì)被展開
[ 1  2  3 11 22  4  5  6]


傳遞axis參數(shù), 會(huì)廣播值數(shù)組來配輸入數(shù)組
沿軸0廣播
[[ 1  2]
 [11 11]
 [ 3  4]
 [ 5  6]]


沿軸1廣播
[[ 1 11  2]
 [ 3 11  4]
 [ 5 11  6]]

numpy.delete

返回從輸入數(shù)組中刪除指定子數(shù)組的新數(shù)組, 與insert函數(shù)一樣, 如果未提供軸參數(shù), 輸入數(shù)組將展開

numpy.delete(arr, obj, axis)

arr 輸入數(shù)組

obj 可以被切片, 整數(shù)或者整數(shù)數(shù)組, 表明要從輸入數(shù)組刪除的子數(shù)組

axis 沿著它刪除給定子數(shù)組的軸, 如果未提供, 則輸入數(shù)組會(huì)被展開

import numpy as np

a = np.arange(12).reshape(3,4)
print (a)
print ('\n')
print ('未傳遞axis參數(shù), 在插入之前輸入數(shù)組會(huì)被展開')
print (np.delete(a,5))
print ('刪除第二列')
print (np.delete(a,1,axis = 1))
print ('\n')
print ('包含從數(shù)組中刪除的替代值的切片')
a = np.array([1,2,3,4,5,6,7,8,9,10])
print (np.delete(a, np.s_[::2]))


[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]


未傳遞axis參數(shù), 在插入之前輸入數(shù)組會(huì)被展開
[ 0  1  2  3  4  6  7  8  9 10 11]
刪除第二列
[[ 0  2  3]
 [ 4  6  7]
 [ 8 10 11]]


包含從數(shù)組中刪除的替代值的切片
[ 2  4  6  8 10]

numpy.unique

用于去除數(shù)組中的重復(fù)元素

numpy.unique(arr, return_index, return_inverse, return_counts)

arr 輸入數(shù)組, 如果不是一維數(shù)組則會(huì)展開

return_index 如果為true, 返回新列表元素在舊列表中的位置(下表), 并以列表形式存儲(chǔ)

return_inverse如果為true, 返回舊列表元素在新列表中的位置(下標(biāo)), 并以列表形式存儲(chǔ)

return_counts如果為true, 返回去重?cái)?shù)組中的元素在原數(shù)組中出現(xiàn)次數(shù)

import numpy as np

a = np.array([5,2,6,2,7,5,6,8,2,9])
print ('第一個(gè)數(shù)組')
print (a)
print ('\n')

print ('第一個(gè)數(shù)組的去重值')
u = np.unique(a)
print (u)
print ('\n')

print ('去重?cái)?shù)組的索引數(shù)組')
u, indices = np.unique(a, return_index = True)
print (indices)
print ('\n')

print ('我們可以看到每個(gè)和原數(shù)組下表對(duì)應(yīng)的數(shù)值')
print (a)
print ('\n')
print ('去重?cái)?shù)組的下標(biāo)')
u, indices = np.unique(a, return_inverse = True)
print (u)
print ('\n')
print ('下標(biāo)為')
print (indices)
print ('\n')
print ('使用下標(biāo)重構(gòu)原數(shù)組')
print (u[indices])
print ('\n')
print ('返回去重元素的重復(fù)數(shù)量')
u, indices = np.unique(a, return_counts = True)
print (u)
print (indices)


第一個(gè)數(shù)組
[5 2 6 2 7 5 6 8 2 9]


第一個(gè)數(shù)組的去重值
[2 5 6 7 8 9]


去重?cái)?shù)組的索引數(shù)組
[1 0 2 4 7 9]


我們可以看到每個(gè)和原數(shù)組下表對(duì)應(yīng)的數(shù)值
[5 2 6 2 7 5 6 8 2 9]


去重?cái)?shù)組的下標(biāo)
[2 5 6 7 8 9]


下標(biāo)為
[1 0 2 0 3 1 2 4 0 5]


使用下標(biāo)重構(gòu)原數(shù)組
[5 2 6 2 7 5 6 8 2 9]


返回去重元素的重復(fù)數(shù)量
[2 5 6 7 8 9]
[3 2 2 1 1 1]

numpy 位運(yùn)算

NumPy "bitwise_" 開頭的函數(shù)是位運(yùn)算函數(shù)税娜。

NumPy 位運(yùn)算包括以下幾個(gè)函數(shù)：

注：也可以使用 "&"、 "~"藏研、 "|" 和 "^" 等操作符進(jìn)行計(jì)算敬矩。

import numpy as np

print ('13和17二進(jìn)制形式')
a,b = 13, 17
print (bin(a), bin(b))
print ('\n')
print ('13和17的位與')
print (np.bitwise_and(13,17))


13和17二進(jìn)制形式
0b1101 0b10001


13和17的位與
1

以上實(shí)例可以用下表來說明：

位與操作運(yùn)算規(guī)律如下：

bitwise_or

對(duì)數(shù)組中整數(shù)的二進(jìn)制形式執(zhí)行位或運(yùn)算

import numpy as np

a, b = 13, 17
print ('13和17的二進(jìn)制形式')
print (bin(a), bin(b))

print ('13和17的位或')
print (np.bitwise_or(13,17))


13和17的二進(jìn)制形式
0b1101 0b10001
13和17的位或
29

以上實(shí)例可以用下表來說明：

位或操作運(yùn)算規(guī)律如下：

invert

函數(shù)對(duì)數(shù)組中整數(shù)進(jìn)行取反運(yùn)算, 0變?yōu)?, 1變?yōu)?

對(duì)于有符號(hào)的整數(shù), 取該二進(jìn)制的補(bǔ)碼然后+1 二進(jìn)制數(shù), 最高位為0表示整數(shù), 最高位為1 表示負(fù)數(shù)

看看 ~1 的計(jì)算步驟：

• 將1(這里叫：原碼)轉(zhuǎn)二進(jìn)制 ＝ 00000001

• 按位取反 ＝ 11111110

• 發(fā)現(xiàn)符號(hào)位(即最高位)為1(表示負(fù)數(shù))，將除符號(hào)位之外的其他數(shù)字取反 ＝ 10000001

• 末位加1取其補(bǔ)碼 ＝ 10000010

• 轉(zhuǎn)換回十進(jìn)制 ＝ -2

• 表達(dá)式	二進(jìn)制值（2 的補(bǔ)數(shù)）	十進(jìn)制值
  5	00000000 00000000 00000000 0000010	5
  ~5	11111111 11111111 11111111 11111010	-6

import numpy as np

print ('13的位反轉(zhuǎn),其中ndarra的dtype是uint8')
print (np.invert(np.array([13], dtype = np.uint8)))
print ('\n')
# 比較13和242的二進(jìn)制數(shù)表示, 我們發(fā)現(xiàn)了位的反轉(zhuǎn)
print ('13的二進(jìn)制表示:')
print (np.binary_repr(13, width = 8))
print ('\n')
print ('242的二進(jìn)制表示')
print (np.binary_repr(242, width = 8))


13的位反轉(zhuǎn),其中ndarra的dtype是uint8
[242]


13的二進(jìn)制表示:
00001101


242的二進(jìn)制表示
11110010

left_shift

將數(shù)組元素的二進(jìn)制形式向左移動(dòng)到指定位置, 右側(cè)附加相等數(shù)量的0

import numpy as np

print ('將10向左移動(dòng)兩位')
print (np.left_shift(10,2))
print ('\n')

print ('10的二進(jìn)制表示')
print (np.binary_repr(10, width = 8))
print ('40的二進(jìn)制表示')
print (np.binary_repr(40, width = 8))
# '00001010'中的兩位移動(dòng)到左邊, 并在右邊添加了兩個(gè)0



將10向左移動(dòng)兩位
40


10的二進(jìn)制表示
00001010
40的二進(jìn)制表示
00101000

right_shift

函數(shù)將數(shù)組元素的二進(jìn)制形式向右移動(dòng)到指定的位置, 左側(cè)附加相等數(shù)量的0

import numpy as np

print ('將40右移兩位')
print (np.right_shift(40,2))
print ('\n')


print ('40的二進(jìn)制表示')
print (np.binary_repr(40, width = 8))
print ('\n')

print ('10的二進(jìn)制表示')
print (np.binary_repr(10, width = 8))
# '00001010'中的兩位移動(dòng)到了右邊,  并在左邊添加了兩個(gè)0


將40右移兩位
10


40的二進(jìn)制表示
00101000


10的二進(jìn)制表示
00001010

numpy字符串函數(shù)

以下函數(shù)用于對(duì) dtype 為 numpy.string_ 或 numpy.unicode_ 的數(shù)組執(zhí)行向量化字符串操作蠢挡。 它們基于 Python 內(nèi)置庫中的標(biāo)準(zhǔn)字符串函數(shù)弧岳。

這些函數(shù)在字符數(shù)組類（numpy.char）中定義。

numpy.char.add()

依次對(duì)兩個(gè)數(shù)組的元素進(jìn)行字符串連接

import numpy as np

print ('連接兩個(gè)字符串')
print (np.char.add(['hello'],['word']))
print ('連接示列')
print (np.char.add(['hello', 'hi'],['word','world']))

連接兩個(gè)字符串
['helloword']
連接示列
['helloword' 'hiworld']

numpy.char.multiply()

執(zhí)行多重連接

import numpy as np

print (np.char.multiply('python', 5))

pythonpythonpythonpythonpython

numpy.char.center()

函數(shù)用于將字符串居中, 并使用指定字符在左側(cè)和右側(cè)進(jìn)行填充

np.char.center(str, width, fillchar)
str: 字符串, width:長(zhǎng)度, fillchar: 填充字符

import numpy as np

print (np.char.center('python', 20, fillchar = '*'))


*******python*******

numpy.char.capitalize()

將字符串的第一個(gè)字母裝換為大寫

>>> import numpy as np
>>> print (np.char.capitalize('python')
... )
Python

numpy.char.title()

字符串的每個(gè)單詞的第一個(gè)字母轉(zhuǎn)換為大寫

>>> import numpy as np
>>> print (np.char.title('i love python'))
I Love Python

numpy.char.lower()

對(duì)數(shù)組的每個(gè)元素轉(zhuǎn)換為小寫, 對(duì)每個(gè)元素調(diào)用str.lower

>>> print (np.char.lower(['HELLO','PYTHON'])) # 操作數(shù)組
['hello' 'python']
>>> print (np.char.lower('PYTHON')) # 操作字符串
python

numpy.char.upper()

將數(shù)組每個(gè)元素轉(zhuǎn)換成大寫, 同char.lower()

numpy.char.split()

通過指定分隔符對(duì)字符串進(jìn)行分割，并返回?cái)?shù)組堡称。默認(rèn)情況下瞎抛，分隔符為空格。

>>> print (np.char.split('i love python')) # 默認(rèn)分割符為空格
['i', 'love', 'python']
>>> print (np.char.split('pigdaqiang.top', sep = '.')) # 指定分隔符為 .
['pigdaqiang', 'top']

numpy.char.splitlines()

以換行符作為分隔符, 并返回?cái)?shù)組

>>> print (np.char.splitlines('i\r\nlove python'))
['i', 'love python']
>>> print (np.char.splitlines('i\rlove python'))
['i', 'love python']

注意區(qū)別linux下和win下?lián)Q行符的區(qū)別 \r \n \r\n

numpy.char.strip()

用于移除開頭或結(jié)尾處的特定字符

>>> print (np.char.strip('hhello', 'h')) # 移除字符串頭尾的h字符
ello
>>> 
>>> print (np.char.strip(['hello','hi','high'],'h')) # 移除數(shù)組元素頭尾的a字符
['ello' 'i' 'ig']
>>> 

numpy.char.join()

通過指定分割符來連接數(shù)組中的元素或字符串

>>> print (np.char.join(':','hello'))
h:e:l:l:o
>>> print (np.char.join([':','*'],['hello','python']))
['h:e:l:l:o' 'p*y*t*h*o*n']
>>> 

numpy.char.replace()

使用新字符串代替字符串中的所有子字符串

>>> print (np.char.replace('i love python',' ','*'))
i*love*python
>>> 

numpy.char.encode()

函數(shù)對(duì)數(shù)組中的每個(gè)元素調(diào)用str.encode函數(shù), 默認(rèn)編碼是utf-8, 可以使用標(biāo)準(zhǔn)python庫中的編解碼器

>>> print (np.char.encode('hello','cp500'))
b'\x88\x85\x93\x93\x96'
>>> 

numpy.char.decode()

函數(shù)對(duì)編碼的元素進(jìn)行str.encode()解碼

>>> a = np.char.encode('hello', 'cp500')
>>> print (a, np.char.decode(a, 'cp500'))
b'\x88\x85\x93\x93\x96' hello
>>> 

numpy數(shù)學(xué)函數(shù)

NumPy 包含大量的各種數(shù)學(xué)運(yùn)算的函數(shù)却紧，包括三角函數(shù)桐臊，算術(shù)運(yùn)算的函數(shù)，復(fù)數(shù)處理函數(shù)等晓殊。

三角函數(shù)

NumPy 提供了標(biāo)準(zhǔn)的三角函數(shù)：sin()断凶、cos()、tan()巫俺。

import numpy as np

a = np.array([0,20,45,60,90])
print ('不同角度的正弦值')
# 通過乘pi/180轉(zhuǎn)化為弧度
print (np.sin(a*np.pi/180))
print ('\n')
print ('數(shù)組中角度的余玄值')
print (np.cos(a*np.pi/180))
print ('\n')
print ('數(shù)組中角度的正切值')
print (np.tan(a*np.pi/180))


不同角度的正弦值
[ 0.          0.34202014  0.70710678  0.8660254   1.        ]


數(shù)組中角度的余玄值
[  1.00000000e+00   9.39692621e-01   7.07106781e-01   5.00000000e-01
   6.12323400e-17]


數(shù)組中角度的正切值
[  0.00000000e+00   3.63970234e-01   1.00000000e+00   1.73205081e+00
   1.63312394e+16]

arcsin认烁，arccos，和 arctan 函數(shù)返回給定角度的 sin介汹，cos 和 tan 的反三角函數(shù)却嗡。

這些函數(shù)的結(jié)果可以通過 numpy.degrees() 函數(shù)將弧度轉(zhuǎn)換為角度。

import numpy as np
 
a = np.array([0,30,45,60,90])  
print ('含有正弦值的數(shù)組：')
sin = np.sin(a*np.pi/180)  
print (sin)
print ('\n')
print ('計(jì)算角度的反正弦嘹承，返回值以弧度為單位：')
inv = np.arcsin(sin)  
print (inv)
print ('\n')
print ('通過轉(zhuǎn)化為角度制來檢查結(jié)果：')
print (np.degrees(inv))
print ('\n')
print ('arccos 和 arctan 函數(shù)行為類似：')
cos = np.cos(a*np.pi/180)  
print (cos)
print ('\n')
print ('反余弦：')
inv = np.arccos(cos)  
print (inv)
print ('\n')
print ('角度制單位：')
print (np.degrees(inv))
print ('\n')
print ('tan 函數(shù)：')
tan = np.tan(a*np.pi/180)  
print (tan)
print ('\n')
print ('反正切：')
inv = np.arctan(tan)  
print (inv)
print ('\n')
print ('角度制單位：')
print (np.degrees(inv))


含有正弦值的數(shù)組：
[0.         0.5        0.70710678 0.8660254  1.        ]


計(jì)算角度的反正弦窗价，返回值以弧度為單位：
[0.         0.52359878 0.78539816 1.04719755 1.57079633]


通過轉(zhuǎn)化為角度制來檢查結(jié)果：
[ 0. 30. 45. 60. 90.]


arccos 和 arctan 函數(shù)行為類似：
[1.00000000e+00 8.66025404e-01 7.07106781e-01 5.00000000e-01
 6.12323400e-17]


反余弦：
[0.         0.52359878 0.78539816 1.04719755 1.57079633]


角度制單位：
[ 0. 30. 45. 60. 90.]


tan 函數(shù)：
[0.00000000e+00 5.77350269e-01 1.00000000e+00 1.73205081e+00
 1.63312394e+16]


反正切：
[0.         0.52359878 0.78539816 1.04719755 1.57079633]


角度制單位：
[ 0. 30. 45. 60. 90.]

舍入函數(shù)

函數(shù)返回指定數(shù)字的四舍五入值

numpy.around(a, decimals)

a 數(shù)組

decimals 舍入的小數(shù)位數(shù), 默認(rèn)值為0, 如果為負(fù)數(shù), 整數(shù)將四舍五入到小數(shù)點(diǎn)的左側(cè)

import numpy as np

a = np.array([1.0, 5.55, 123, 0.567, 25.532])
print ('原數(shù)組')
print (a)
print ('\n')
print ('舍入后')
print (np.around(a))
print (np.around(a, decimals = 1))
print (np.around(a, decimals = -1))


原數(shù)組
[   1.       5.55   123.       0.567   25.532]


舍入后
[   1.    6.  123.    1.   26.]
[   1.     5.6  123.     0.6   25.5]
[   0.   10.  120.    0.   30.]

numpy.floor()

返回小于或者等于指定表達(dá)式的最大整數(shù), 向下取整

import numpy as np

a = np.array([-1.7, 1.5, -0.2, 0.6, 10])
print ('提供的數(shù)組')
print (a)
print ('\n')
print ('修改后的數(shù)組')
print (np.floor(a))


提供的數(shù)組
[ -1.7   1.5  -0.2   0.6  10. ]


修改后的數(shù)組
[ -2.   1.  -1.   0.  10.]

numpy.ceil()

返回大于或者等于指定表達(dá)式的最小整數(shù), 即向上取整. 用法同floor

numpy算術(shù)函數(shù)

算術(shù)函數(shù)包含簡(jiǎn)單的加減乘除:add(), substract(), multiply(), divide()

數(shù)組必須具有相同形狀或符合數(shù)組廣播 規(guī)則

import numpy as np

a = np.arange(9, dtype = np.float_).reshape(3,3)
print ('第一個(gè)數(shù)組')
print (a)
print ('\n')
print ('第二個(gè)數(shù)組')
b = np.array([10,10,10])
print (b)
print ('\n')
print ('兩個(gè)數(shù)組相加')
print (np.add(a,b))
print ('\n')
print ('兩個(gè)數(shù)組相減')
print (np.subtract(a,b))
print ('\n')
print ('兩個(gè)數(shù)組相乘')
print (np.multiply(a,b))
print ('\n')
print ('兩個(gè)數(shù)組 相除:')
print (np.divide(a,b))


第一個(gè)數(shù)組
[[ 0.  1.  2.]
 [ 3.  4.  5.]
 [ 6.  7.  8.]]


第二個(gè)數(shù)組
[10 10 10]


兩個(gè)數(shù)組相加
[[ 10.  11.  12.]
 [ 13.  14.  15.]
 [ 16.  17.  18.]]


兩個(gè)數(shù)組相減
[[-10.  -9.  -8.]
 [ -7.  -6.  -5.]
 [ -4.  -3.  -2.]]


兩個(gè)數(shù)組相乘
[[  0.  10.  20.]
 [ 30.  40.  50.]
 [ 60.  70.  80.]]


兩個(gè)數(shù)組 相除:
[[ 0.   0.1  0.2]
 [ 0.3  0.4  0.5]
 [ 0.6  0.7  0.8]]

numpy.reciprocal()

返回參數(shù)逐元素的倒數(shù), 1/4倒數(shù)4/1

import numpy as np

a = np.array([0.25, 1.33, 1, 100])
print (a)
print ('倒數(shù)')
print (np.reciprocal(a))


[   0.25    1.33    1.    100.  ]
倒數(shù)
[ 4.         0.7518797  1.         0.01     ]

numpy.power()

函數(shù)將第一個(gè)輸入數(shù)組中的元素作為底數(shù), 計(jì)算它與第二個(gè)輸入數(shù)組中相應(yīng)元素的冪

import numpy as np

a = np.array([10,100,1000])
print ('數(shù)組')
print (a)
print ('\n')
print ('調(diào)用power')
print (np.power(a,2))
print ('\n')
print ('第二個(gè)數(shù)組')
b = np.array([1,2,3])
print (b)
print ('再次調(diào)用power函數(shù)')
print (np.power(a,b))

數(shù)組
[  10  100 1000]


調(diào)用power
[    100   10000 1000000]


第二個(gè)數(shù)組
[1 2 3]
再次調(diào)用power函數(shù)
[        10      10000 1000000000]

numpy.mod()

計(jì)算輸入數(shù)組中相應(yīng)元素的相除后的余數(shù), numpy.remainder()也產(chǎn)生相同的結(jié)果

import numpy as np

a = np.array([10,20,30])
b = np.array([3,5,7])
print ('調(diào)用mod')
print (np.mod(a,b))
print ('調(diào)用remainder')
print (np.remainder(a,b))


調(diào)用mod
[1 0 2]
調(diào)用remainder
[1 0 2]

參考教程:菜鳥教程
個(gè)人博客
numpy學(xué)習(xí)(二)

?