Python-Numpy入门_蜂鸟up的博客-程序员ITS301

技术标签: python  学习笔记  numpy  Python  

Python-Numpy入门

NumPy是一个开源的Python科学计算基础库,包含:

  • 一个强大的N维数组对象ndarray
  • 广播功能函数
  • 整合C/C++/Fortran代码的工具
  • 线性代数、傅里叶变换、随机数生成等功能

NumPy的引用

import numpy as np

N维数组对象:ndarray

  • 数组对象可以去掉元素间运算所需的循环,使一维向量更像单个数据
  • 设置专门的数组对象,经过优化,可以提升这类应用的运算速度
  • 数组对象采用相同的数据类型,有助于节省运算和存储空间

ndarray是一个多维数组对象,由两部分构成:

  • 实际的数据
  • 描述这些数据的元数据(数据维度、数据类型等)

ndarray在程序中的别名是:array

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

ndarray对象的属性

属性 说明
.ndim 秩,即轴的数量或维度的数量
.shape ndarray对象的尺度,对于矩阵,n行m列
.size ndarray对象元素的个数,相当于.shape中n*m的值
.dtype ndarray对象的元素类型
.itemsize ndarray对象中每个元素的大小,以字节为单位
>>> a.ndim
2
>>> a.shape
(2, 3)
>>> a.size
6
>>> a.dtype
dtype('int32')
>>> a.itemsize
4

ndarray的元素类型

数据类型 说明
bool 布尔类型,True或False
intc 与C语言中的int类型一致,一般是int32或int64
intp 用于索引的整数,与C语言中ssize_t一致,int32或int64
int8 字节长度的整数,取值:[‐128, 127]
int16 16位长度的整数,取值:[‐32768, 32767]
int32 32位长度的整数,取值:[‐231, 231‐1]
int64 64位长度的整数,取值:[‐263, 263‐1]
uint8 8位无符号整数,取值:[0, 255]
uint16 16位无符号整数,取值:[0, 65535]
uint32 32位无符号整数,取值:[0, 232‐1]
uint64 32位无符号整数,取值:[0, 264‐1]
float16 16位半精度浮点数:1位符号位,5位指数,10位尾数
float32 32位半精度浮点数:1位符号位,8位指数,23位尾数
float64 64位半精度浮点数:1位符号位,11位指数,52位尾数
complex64 复数类型,实部和虚部都是32位浮点数
complex128 复数类型,实部和虚部都是64位浮点数

Python语法仅支持整数、浮点数和复数3种类型

ndarray支持如此多种元素类型?

  • 科学计算涉及数据较多,对存储和性能都有较高要求
  • 对元素类型精细定义,有助于NumPy合理使用存储空间并优化性能
  • 对元素类型精细定义,有助于程序员对程序规模有合理评估

非同质ndarray对象无法有效发挥NumPy优势,尽量避免使用

ndarray数组的创建

  • 从Python中的列表、元组等类型创建ndarray数组

x = np.array(list/tuple)

x = np.array(list/tuple,dtype=np.float32)

当不指定dtype,Numpy会根据数据实际情况关联一个dtype类型

>>> x=np.array([0,1,2,3])
>>> print(x)
[0 1 2 3]
>>> x=np.array((1,2,3,4,5))
>>> print(x)
[1 2 3 4 5]
>>> x=np.array([[1,2,3],[4,5,6],[7,8,9]])
>>> print(x)
[[1 2 3]
 [4 5 6]
 [7 8 9]]
  • 使用NumPy中函数创建ndarray数组,如:arange, ones, zeros等
函数 说明
np.arange(n) 类似range()函数,返回ndarray类型,元素从0到n‐1
np.ones(shape) 根据shape生成一个全1数组,shape是元组类型
np.zeros(shape) 根据shape生成一个全0数组,shape是元组类型
np.full(shape,val) 根据shape生成一个数组,每个元素值都是val
np.eye(n) 创建一个正方的n*n单位矩阵,对角线为1,其余为0
>>> np.zeros((3,6),dtype=np.int32)
array([[0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0]])
>>> np.eye(5)
array([[1., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0.],
       [0., 0., 1., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.]])
>>> np.arange(10)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> np.ones((3,6))
array([[1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1.]])       
函数 说明
np.ones_like(a) 根据数组a的形状生成一个全1数组
np.zeros_like(a) 根据数组a的形状生成一个全0数组
np.full_like(a,val) 根据数组a的形状生成一个数组,每个元素值都是val
np.linspace() 根据起止数据等间距地填充数据,形成数组
np.concatenate() 将两个或多个数组合并成一个新的数组
>>> a
array([[1., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0.],
       [0., 0., 1., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.]])
>>> np.ones_like(a)
array([[1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.]])
#
>>> a=np.linspace(1,10,4)
>>> a
array([ 1.,  4.,  7., 10.])
>>> b=np.linspace(1,10,4,endpoint=False)
>>> b
array([1.  , 3.25, 5.5 , 7.75])
>>> c=np.concatenate((a,b))
>>> c
array([ 1.  ,  4.  ,  7.  , 10.  ,  1.  ,  3.25,  5.5 ,  7.75])

ndarray数组的变换

对于创建后的ndarray数组,可以对其进行维度变换和元素类型变换

ndarray数组的维度变换
方法 说明
.reshape(shape) 不改变数组元素,返回一个shape形状的数组,原数组不变
.resize(shape) 与.reshape()功能一致,但修改原数组
.swapaxes(ax1,ax2) 将数组n个维度中两个维度进行调换
.flatten() 对数组进行降维,返回折叠后的一维数组,原数组不变
>>> a=np.ones((2,3,4),dtype=np.int32)
>>> a
array([[[1, 1, 1, 1],
        [1, 1, 1, 1],
        [1, 1, 1, 1]],

       [[1, 1, 1, 1],
        [1, 1, 1, 1],
        [1, 1, 1, 1]]])
>>> a.reshape((3,8))
array([[1, 1, 1, 1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1, 1, 1, 1]])
>>> a.resize((3,8))
>>> a
array([[1, 1, 1, 1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1, 1, 1, 1]])
>>> a.flatten()
array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1])
ndarray数组的类型变换

new_a= a.astype(new_type)

astype()方法一定会创建新的数组(原始数据的一个拷贝),即使两个类型一致

>>> b=a.astype(np.float)
>>> b
array([[1., 1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1., 1.]])
>>> b.dtype
dtype('float64')

ndarray数组向列表的转换

ls = a.tolist()

>>> c=b.tolist()
>>> c
[[1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0], [1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0], [1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0]]

ndarray数组的操作

数组的索引和切片

索引:获取数组中特定位置元素的过程

切片:获取数组元素子集的过程

一维数组的索引和切片:与Python的列表类似

>>> a=np.array([9,8,7,6,5])
>>> a[2]
7
>>> a[1:4:2]
array([8, 6])

多维数组的索引:每个维度一个索引值,逗号分割

>>> a=np.arange(24).reshape((2,3,4))
>>> a
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]]])
>>> a[1,2,3]
23
>>> a[-1,-2,-3]
17
#多维数组切片
>>> a[:,:,::2]
array([[[ 0,  2],
        [ 4,  6],
        [ 8, 10]],

       [[12, 14],
        [16, 18],
        [20, 22]]])

ndarray数组的运算

数组与标量之间的运算

数组与标量之间的运算作用于数组的每一个元素

NumPy一元函数

对ndarray中的数据执行元素级运算的函数

函数 说明
np.rint(x) 计算数组各元素的四舍五入值
np.modf(x) 将数组各元素的小数和整数部分以两个独立数组形式返回
np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x) 计算数组各元素的普通型和双曲型三角函数
np.exp(x) 计算数组各元素的指数值
np.sign(x) 计算数组各元素的符号值,1(+), 0, ‐1(‐)
np.abs(x) np.fabs(x) 计算数组各元素的绝对值
np.sqrt(x) 计算数组各元素的平方根
np.square(x) 计算数组各元素的平方
np.log(x) np.log10(x) np.log2(x) 计算数组各元素的自然对数、10底对数和2底对数
np.ceil(x) np.floor(x) 计算数组各元素的ceiling值或floor值

NumPy二元函数

函数 说明
+‐* / ** 两个数组各元素进行对应运算
np.maximum(x,y) np.fmax() np.minimum(x,y)np.fmin() 元素级的最大值/最小值计算
np.mod(x,y) 元素级的模运算
np.copysign(x,y) 将数组y中各元素值的符号赋值给数组x对应元素
>< >= <= == ! = 算术比较,产生布尔型数组

Numpy的随机数函数字库

NumPy的random子库 np.random.*

函数 说明
rand(d0,d1,…,dn) 根据d0‐dn创建随机数数组,浮点数,[0,1),均匀分布
randn(d0,d1,…,dn) 根据d0‐dn创建随机数数组,标准正态分布
randint(low[,high,shape]) 根据shape创建随机整数或整数数组,范围是[low, high)
seed(s) 随机数种子,s是给定的种子值
>>> a=np.random.rand(3,4,5)
>>> a
array([[[0.05634508, 0.23282427, 0.97323879, 0.57125055, 0.31443504],
        [0.63496895, 0.88520873, 0.98213933, 0.85760826, 0.89756098],
        [0.75591832, 0.99073097, 0.22627046, 0.65524722, 0.75661298],
        [0.92475593, 0.48066909, 0.84691563, 0.82388277, 0.60752717]],

       [[0.01765494, 0.27591181, 0.68354883, 0.62560336, 0.48458496],
        [0.27518994, 0.5134795 , 0.75454143, 0.40991304, 0.52873799],
        [0.56319705, 0.42336783, 0.42504597, 0.79090525, 0.83288663],
        [0.17305841, 0.94027144, 0.75059357, 0.47371894, 0.39481083]],

       [[0.11607009, 0.6345432 , 0.79418343, 0.38497282, 0.28560523],
        [0.8823346 , 0.95018567, 0.32477007, 0.19077357, 0.12261713],
        [0.98872221, 0.1084761 , 0.45498204, 0.01817987, 0.80057172],
        [0.27032861, 0.35974023, 0.96219735, 0.24607752, 0.64934941]]])

在这里插入图片描述
在这里插入图片描述

数据存取函数

CSV******文件

np.loadtxt()

np.savetxt()
多维数据存取

a.tofile()

np.fromfile()

np.save()

np.savez()

np.load()

随机函数

np.random.rand() np.random.randn()

np.random.randint() np.random.seed()

np.random.shuffle() np.random.permutation()

np.random.choice()

小结

根据Doctor.ht-wang的理解,numpy和panda之类的库初步学习过一遍可以做什么,之后在实际项目中,用到的时候查表就好。于是将老师的课件整理成文章,供后续使用。

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/weixin_42497253/article/details/102668937

智能推荐

Mask R-CNN 论文学习笔记_长歌丶采薇的博客-程序员ITS301

论文基本信息标题:Mask R-CNN作者:Kaiming He Georgia Gkioxari Piotr Dollár Ross Girshick机构:Facebook AI Research (FAIR)来源:ICCV时间:2017论文地址:https://arxiv.org/abs/1703.06870代码地址:https://github.com/facebookresearch/Detectron论文概要解决问题本文在Faster RCNN上进行了改进,提出了Mask

OpenLayers的view与layer:控制显示内容_超频化石鱼的博客-程序员ITS301

view与layer都可以进行显示内容的控制。这两者负责的功能是由区别的。view即显示的地图容器,有以下几个属性:center:[经度,纬度] ,对应的设置函数为view.setCenter()。。用于设置一个地图上的点,该点将显示在view中央。 zoom:放缩等级,对应的设置函数为view.setZoom()。一个地图可以有多个放缩等级,为view设置zoom,则会将地图放缩到对应...

Ubuntu20.04安装详细图文教程(双系统)_Hacah的博客-程序员ITS301_ubuntu20.04安装教程

Ubuntu安装前言最近想把自己开发环境换成linux的,想了一下还是ubuntu比较面向桌面,而且想熟悉使用一下Linux操作系统,决定使用ubuntu。开始了着手查找安装Ubuntu双系统的方法。安装有三种,虚拟机安装、wubi安装和U盘安装。第一种发挥不出硬件本身的性能,尝鲜还行。使用wubi–就是ubuntu提供的一种简便的安装系统方法,但是当时使用一直出错。所以我用了第三种,就出现了这篇博客。一、需要资源U盘一个(提前备份数据)Ubuntu 20.04 LTS 镜像下载地址:清华源

Hmac概念与实现(js和go实现)_海淀江城的博客-程序员ITS301_hmac js

目录一.什么是Hmac二.HMAC各方法的优劣Hmacsha1Hmacsha256和Hmacsha512三.HMAC签名的实现js实现HMAC签名go实现HMAC签名备注参考一.什么是Hmac维基百科对Hmac的释义是:Incryptography, anHMAC(sometimes expanded as eitherkeyed-hash message authentication codeorhash-based message au...

js php 中文乱码怎么解决_PHP、Html、JS中文乱码问题汇总,UTF-8(乱码)_庄裕善的博客-程序员ITS301

我们都知道计算机这个神奇的东西是人家老美发明的,他们用的是英语只有26个字母,而我们的汉语博大精深。细心的同学都能发现英文一般都不会出现乱码,而中文的时候经常会遇到PHP、Html、JS中文乱码问题的。下面汇总一下中文出现乱码的解决办法:一.HTML页面转UTF-8编码问题1.在head后,title前加入一行:顺序不能错,一定要在显示的标题有可能是乱码!2.html文件编码问题:点击编辑器的菜单...

A-SPICE流程_weixin_30248399的博客-程序员ITS301

  汽车行业的开发过程中涉及到一系列的标准和开发流程管控。如IATF16949,CMMI, A-SPICE, ISO26262等。  1. IATF 16949 汽车质量体系  IATF16949五大工具分别是:统计过程控制(SPC);测量系统分析(MSA);失效模式和效果分析(FMEA);产品质量先期策划(APQP);生产件批准程序(PPAP) 具体可以参考:htt...

随便推点

mongodb nginx-gridfs nginx安装_siwuai的博客-程序员ITS301

1. MongoDB安装下载安装包 https://fastdl.mongodb.org/linux/mongodb-linux-x86_64-3.4.4.tgz解压:tar -zxf mongodb-linux-x86_64-3.4.4.tgz改名:mv mongodb-linux-x86_64-3.4.4.tgz mongodb创建数据目录和日志目录: mkdir -p mongo

The APVA-TURBO Approach To Question Answering in Knowledge Base_无知书童的博客-程序员ITS301_the apva-turbo approach to question answering in k

The APVA-TURBO Approach To Question Answering in Knowledge BaseACL 2018原先APA模型求 p(s,r,o|q)APVA模型多一步 p(y|s,r,q)判断实体和关系的准确度

Jest 使用指南 - - Mock 篇_Felix皇子的博客-程序员ITS301_jest mock

Jest 使用指南 - - Mock 篇#jestJest Mock为什么会用到 Mock? Mock 能帮我们解决什么问题?在项目中,一个模块的方法内常常会去调用另外一个模块的方法。在单元测试中,我们可能并不需要关心内部调用的方法的执行过程和结果,只想知道它是否被正确调用即可,甚至会指定该函数的返回值。此时,使用Mock函数是十分有必要。Mock函数提供的以下三种特性,在我们写测试代码时十分有用:- 擦除函数的实际实现(换句话说:改变函数的内部实现)- 捕获函数调用情况( 包括:这些调用中

PostgreSQL-6中的MVCC。 真空_cullen2012的博客-程序员ITS301

isolation, made a digression about 隔离有关的问题入手,对low-level data structure, then discussed 低级数据结构进行了论述,然后讨论了row versions and observed how 行版本,并观察了如何从行版本中获取data snapshots are obtained from row versions.数据快...

websocket&nbsp;error&nbsp;code&amp;n…_兜兜里o全是糖的博客-程序员ITS301

CloseEvent 会在连接关闭时发送给使用 WebSockets 的客户端.它在 WebSocket 对象的 onclose 事件监听器中使用.构造器EDITCloseEvent()创建一个 CloseEvent.属性EDIT该接口也继承了其父类 Event 的属性.CloseEvent.code 只读返回一个 unsigned short 类型的数字, 表示服

js实现四舍五入完全保留两位小数的方法,直接套用_小宇同学哇的博客-程序员ITS301_js四舍五入保留两位小数

转载别人的,方便自己看并使用。感谢大佬的资源!!!地址:https://m.jb51.net/article/89719.htm//四舍五入保留2位小数(若第二位小数为0,则保留一位小数) function keepTwoDecimal(num) { var result = parseFloat(num); if (isNaN(result)) { alert('传递参数错误,请检查!'); return false;

推荐文章

热门文章

相关标签