numpy

numpy是一個(gè)開源的python科學(xué)計(jì)算庫，使用ndarray對象處理任意維度的數(shù)組

1.ndarray相對原生python列表優(yōu)勢：

1.內(nèi)存塊存儲(chǔ)優(yōu)勢：ndarray在存儲(chǔ)元素是內(nèi)存連續(xù)屿聋，而python原生list存儲(chǔ)元素是選擇元素外置的形式案淋，查找時(shí)通過尋址方式找到下一個(gè)元素匀奏，在科學(xué)計(jì)算時(shí)埂陆，ndarray的速度快于list乘盖。

2.ndarray支持并行化運(yùn)算（向量化運(yùn)算）

3.numpy底層編寫使用c語言早歇，內(nèi)部解除了GIL（全局解釋鎖）

2.ndarray的屬性：

import numpy as np

a = np.array([[1,2,3],[4,5,6]])

a

array([[1, 2, 3],

? ? ? [4, 5, 6]])

ndarray.shape 數(shù)組維度的元組

a.shape

(2, 3)

ndarray.ndim數(shù)組維數(shù)

a.ndim

2

ndarray.size 數(shù)組眾元素的數(shù)量

a.size

6

ndarray.itemsize 一個(gè)數(shù)組元素的長度（字節(jié)）

a.itemsize

4

ndarray.dtype? 數(shù)組元素的類型

a.dtype

dtype('int32')

3.創(chuàng)建數(shù)組的時(shí)候指定 數(shù)組 類型

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

a.dtype

dtype('float32')

4.astype方法顯式地轉(zhuǎn)換其dtype類型

a.astype(np.int64)

array([[1, 2, 3],

? ? ? [4, 5, 6]], dtype=int64)

5. 生成數(shù)組的方法

1 生成0和1的數(shù)組?

np.ones([3,4])?

array([[1., 1., 1., 1.],

? ? ? [1., 1., 1., 1.],

? ? ? [1., 1., 1., 1.]])

np.zeros([3,4])

array([[0., 0., 0., 0., 0.],

? ? ? [0., 0., 0., 0., 0.]])

2.從現(xiàn)有數(shù)組生成

b = np.array(a)

c = np.copy(a)

d = np.asarray(a)

array([[1, 2, 3],

? ? ? [4, 5, 6]], dtype=int64)

當(dāng)改變a中元素時(shí)倾芝，b,c中元素不改變，d中元素也隨之改變

b,c相當(dāng)于深拷貝箭跳，d相當(dāng)于淺拷貝

3.生成固定范圍的數(shù)組

np.linspace(start,stop,num,endpoint,retstep,dtype)

start 序列的起始值? ?stop 序列的終止值晨另，

如果endpoint為true，該值包含于序列中

num 要生成的等間隔樣例數(shù)量谱姓，默認(rèn)為50

endpoint 序列中是否包含stop值借尿，默認(rèn)為ture

retstep 如果為true，返回樣例屉来，以及連續(xù)數(shù)字之間的步長

dtype 輸出ndarray的數(shù)據(jù)類型

np.linspace(0,100,10)

array([ 0. , 11.11111111, 22.22222222, 33.33333333,

? ? ? ? 44.44444444,? 55.55555556,? 66.66666667,? 77.77777778,

? ? ? ? 88.88888889, 100.? ? ? ? ])

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

np.arange(0,100,10)

array([ 0, 10, 20, 30, 40, 50, 60, 70, 80, 90])

4 生成隨機(jī)數(shù)組?

均勻分布：

np.random.rand(d0,?d1,?...,?dn)

返回[0.0路翻，1.0)內(nèi)的一組均勻分布的數(shù)。

np.random.uniform(ow=0.0,?high=1.0,?size=None)

從一個(gè)均勻分布[low,high)中隨機(jī)采樣茄靠，注意定義域是左閉右開茂契，即包含low，不包含high.

size: 輸出樣本數(shù)目嘹黔，為int或元組(tuple)類型

返回值：ndarray類型账嚎，其形狀和參數(shù)size中描述一致。

np.random.randint(low,?high=None,?size=None,?dtype='l')

從一個(gè)均勻分布中隨機(jī)采樣儡蔓，生成一個(gè)整數(shù)或N維整數(shù)數(shù)組郭蕉，取數(shù)范圍：若high不為None時(shí)，取[low,high)之間隨機(jī)整數(shù)喂江，否則取值[0,low)之間隨機(jī)整數(shù)召锈。

正態(tài)分布：

np.ramdom.randn(d0, d1, …, dn)

功能：從標(biāo)準(zhǔn)正態(tài)分布中返回一個(gè)或多個(gè)樣本值

np.random.normal(loc=0.0,?scale=1.0,?size=None)

loc：float? ?此概率分布的均值（對應(yīng)著整個(gè)分布的中心centre）

scale：float 此概率分布的標(biāo)準(zhǔn)差（對應(yīng)于分布的寬度，scale越大越矮胖获询，scale越小涨岁，越瘦高）

size：int or tuple of ints? 輸出的shape拐袜，默認(rèn)為None，只輸出一個(gè)值

np.random.standard_normal(size=None)

返回指定形狀的標(biāo)準(zhǔn)正態(tài)分布的數(shù)組梢薪。

5.數(shù)組的索引蹬铺、切片 先行后列

a[0][1] 或a[0,1]? 單個(gè)

2?

a[0][1:3] 或a[0,1:3] 多個(gè)

array([2, 3], dtype=int64)

6.形狀修改

ndarray.reshape(shape[, order])

a.reshape([3,2])??只是將形狀進(jìn)行了修改，但并沒有將行列進(jìn)行轉(zhuǎn)換

array([[ 1, 2],

? ? ? [? 3,? 4],

? ? ? [100,? 6]], dtype=int64)

a.reshape([-1,3])??數(shù)組的形狀被修改為:[-1,3], -1: 表示通過待計(jì)算,確定好了列秉撇，行通過計(jì)算甜攀，自動(dòng)得到，但列也必須能和行相乘琐馆，等于元素總數(shù)规阀。

array([[ 1, 2, 3],

? ? ? [? 4, 100,? 6]], dtype=int64)

ndarray.T 數(shù)組的轉(zhuǎn)置

將數(shù)組的行、列進(jìn)行互換

a.T

array([[ 1, 4],

? ? ? [? 2, 100],

? ? ? [? 3,? 6]], dtype=int64)

ndarray.resize(new_shape[, refcheck]) ,直接修改原數(shù)組形狀

a.resize([3,2])

a

array([[ 1, 2],

? ? ? [? 3,? 4],

? ? ? [100,? 6]], dtype=int64)

7.ndarray對象轉(zhuǎn)化為其它類型對象

a.tostring(),a.tobytes(),a.tolist()

type(a)

numpy.ndarray

b = a.tobytes()

type(b)

bytes

8.數(shù)組的去重,變?yōu)橐痪S的ndarray對象

ndarray.unique（）

a[0,0] = 2

a

np.unique(a)

array([ 2, 3, 4, 6, 100], dtype=int64)

9.ndarray運(yùn)算

邏輯運(yùn)算

a > 3

array([[False, False],

? ? ? [False,? True],

? ? ? [ True,? True]])

通用判斷函數(shù)

np.all(),只要有一個(gè)false瘦麸，返回false谁撼，全是True,就返回True

np.all(a>3)

False

np.any()只要有一個(gè)true，返回true滋饲，全是False,就返回False

np.any(a>3)

True

np.where 三元運(yùn)算符

np.where(a>3,1111111111,0)

array([[ 0, 0],

? ? ? [? ? ? ? 0, 1111111111],

? ? ? [1111111111, 1111111111]])

進(jìn)行復(fù)合邏輯厉碟，聯(lián)合np.logical_and和np.logical_or

np.where(np.logical_and(a>3,a<5),222,0),在數(shù)組a中，大于3并且小于5的換為222屠缭，其它0.

array([[ 0, 0],

? ? ? [? 0, 222],

? ? ? [? 0,? 0]])

統(tǒng)計(jì)運(yùn)算

np.min(a[, axis,? keepdims]

axis=0/1 按行墨榄，還是按列

keedims=true:保存矩陣的二維特性

a

array([[ 2, 2],

? ? ? [? 3,? 4],

? ? ? [100,? 6]], dtype=int64)

np.min(a) 數(shù)組中最小元素

2?

np.min(a,axis=0) 每列最小，跨行

array([2, 2], dtype=int64)

np.min(a,axis=1)? 每行最小勿她，跨列

array([2, 3, 6], dtype=int64)

?max? mean? median var std同理

返回最大值、最小值所在位置阵翎，若有axis逢并，則返回一維ndarray對象，記錄每行或者每列中最大值或者最小值的下標(biāo)位置郭卫。

np.argmax()??

np.argmax(a,axis=0)? 按每列砍聊，跨行

array([2, 2], dtype=int64)

np.argmax(a,axis=1) 按每行，跨列

array([0, 1, 0], dtype=int64)

np.argmin()同理

10.數(shù)組間的運(yùn)算：

數(shù)組與數(shù)的運(yùn)算

a*10

array([[ 20, 20],

? ? ? [? 30,? 40],

? ? ? [1000,? 60]], dtype=int64)

數(shù)組與數(shù)組的運(yùn)算

廣播機(jī)制：只有在以下情況贰军，兩個(gè)數(shù)組才能夠進(jìn)行數(shù)組與數(shù)組的運(yùn)算玻蝌。

????維度相等：相同維度，元素?cái)?shù)量一致词疼。

????shape（其中相對應(yīng)的一個(gè)地方為1）

a.shape

(3, 2)

b.shape

(3,1)

a+b

array([[ 3, 3],

? ? ? [? 4,? 5],

? ? ? [101,? 7]], dtype=int64)

矩陣運(yùn)算：

矩陣俯树，英文matrix，矩陣 一定是 二維數(shù)組贰盗，二維數(shù)組 不一定是 矩陣

矩陣乘法?

形狀要求

A(m, n) * B(n, l) = AB(m, l)

?運(yùn)算規(guī)則

A(2, 3) * B(3, 2) = AB(2, 2)

二維數(shù)組轉(zhuǎn)化為矩陣：

np.mat()

a_mat = np.mat(a)

b_mat= np.mat(b)

a_mat * b_mat

matrix([[ 4, 4, 4, 4],

? ? ? ? [? 7,? 7,? 7,? 7],

? ? ? ? [106, 106, 106, 106]], dtype=int64)

直接使用np.dot()/np.matmul(),進(jìn)行二維數(shù)組矩陣乘法運(yùn)算

np.dot(a,b)

array([[ 4, 4, 4, 4],

? ? ? [? 7,? 7,? 7,? 7],

? ? ? [106, 106, 106, 106]], dtype=int64)

使用@许饿，也能使二維數(shù)組進(jìn)行矩陣乘法運(yùn)算

a @ b

array([[ 4, 4, 4, 4],

? ? ? [? 7,? 7,? 7,? 7],

? ? ? [106, 106, 106, 106]], dtype=int64)

11.合并與分割

水平拼接

np.hstack()

np.hstack((a,b))? ? a,b行數(shù)相等

array([[ 2, 2, 1, 1, 1, 1],

? ? ? [? 3,? 4,? 1,? 1,? 1,? 1],

? ? ? [100,? 6,? 1,? 1,? 1,? 1]], dtype=int64)

? ?豎直拼接

?np.vstack()? ?a,b行數(shù)相等

np.concatenate((a1, a2), axis=)

?axis=1時(shí)候，按照數(shù)組的列方向拼接在一起舵盈，?a,b行數(shù)相等

axis=0時(shí)候陋率，按照數(shù)組的行方向拼接在一起?a,b列數(shù)相等

分割

np.split(ary, indices_or_sections, axis=0)?

ary：分割數(shù)組對象

indices_or_sections：整數(shù)：分為幾分球化，列表：列表中的元素作為邊界

axis=0/1:按行方向還是按列方向

np.split(a,2,axis=1)

[array([[ 2],

? ? ? ? [? 3],

? ? ? ? [100]], dtype=int64), array([[2],

? ? ? ? [4],

? ? ? ? [6]], dtype=int64)]

x = np.arange(8.0)

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

>>> np.split(x, [3,5,6,10])

[array([0.,1.,2.]), array([3.,4.]), array([5.]), array([6.,7.]), array([], dtype=float64)]