numpy
1numpy
numpy全称叫Numerical Python，由C语言开发，摆脱python全局解析锁，运算性能强、用来存储和处理大型矩阵，是科学计算和数据分析的基本工具。
2numpy属性
numpy默认数据类型int64、float64
创建一个3行5列从0到14的数组
import numpy as np
a = np.arange(15).reshape(3, 5)
打印数组print(a)
数组的维度a.shape
数组轴的个数a.ndim
数组元素类型a.dtype
数组中每个元素的字节大小a.itemsize
数组元素的总个数a.size
类型查询type(a)
3 创建ndarray
1 array()
数组里的所有元素都是相同数据类型
2 zeros() /ones()/empty()
zeros()全0数组
ones()全1数组
empty内容随机并且依赖于内存状态的全0数组
数组类型(dtype)都是float64
3 arange()
arange() 类似 python 的 range() ，创建一个一维 ndarray 数组
np_arange = np.arange(10, 20, 5,dtype=int) #[10,20)步长为5
print (np_arange) # [10, 15]
4 matrix()
matrix 是 ndarray 的子类，只能生成 2 维的矩阵
x1 = np.mat("1 2;3 4")
x2 = np.matrix("1,2;3,4")
x3 = np.matrix([[1, 2],[3, 4]])
5 创建随机数矩阵
import numpy as np # 3行4列随机多维浮点型数据（二维），rand固定区间[0.0, 1.0) arr = np.random.rand(3, 4) print(arr) # 3行4列随机多维浮点型数据（二维），randn标准正态分布（均值 = 0，标准差 = 1）大部分数字在-2~2 arr = np.random.randn(3, 4) print(arr) # 3行4列随机多维整型数据（二维），randint()指定区间[-1, 5) arr = np.random.randint(-1, 5, size = (3, 4)) print(arr) # 3行4列随机多维浮点型数据（二维），uniform()指定区间[-1, 5）均匀分布的样本值 arr = np.random.uniform(-1, 5, size = (3, 4)) print(arr)6 ndarray的数据类型
指定dtype数据类型
astype()转换数组的数据类型
import numpy as np zeros_float_arr = np.zeros((3, 4), dtype=np.float32) print(zeros_float_arr.dtype) #float32 # astype将数组的数据类型转换为int32 zeros_int_arr = zeros_float_arr.astype(np.int32) print(zeros_int_arr.dtype) #int327 等比/等差数列
logspace创建一个等比数列的一维数组
import numpy as np a = np.logspace(0, 0, 10) # 开始点为0，结束点为0，元素个数为10 print(a) # [1. 1. 1. 1. 1. 1. 1. 1. 1. 1.] a = np.logspace(0, 9, 10) # 0代表10的0次方，9代表10的9次方 print(a) # [1.e+00 1.e+01 1.e+02 1.e+03 1.e+04 1.e+05 1.e+06 1.e+07 1.e+08 1.e+09] a = np.logspace(0, 9, 10, base=2) # 改变基数，以2为底数 print(a) # [ 1. 2. 4. 8. 16. 32. 64. 128. 256. 512.]linspace创建一个等差数列的一维数组
import numpy as np a = np.linspace(1,10,10) # 起始点，终止点，数列的个数 print(a) # [ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.] print(a.dtype) # float64 a = np.linspace(1,10,10,endpoint=False) # endpoint指定是否包含终止值，默认值为True print(a) # [1. 1.9 2.8 3.7 4.6 5.5 6.4 7.3 8.2 9.1]4 NumPy内置函数
1 基本函数
np.ceil(): 向上最接近的整数，参数是 number 或 array
np.floor(): 向下最接近的整数，参数是 number 或 array
np.rint(): 四舍五入，参数是 number 或 array
np.isnan(): 判断元素是否为 NaN(Not a Number)，参数是 number 或 array
np.multiply(): 元素相乘，参数是 number 或 array
np.divide(): 元素相除，参数是 number 或 array
np.abs()：元素的绝对值，参数是 number 或 array
np.where(condition, x, y): 三元运算符，x if condition else y
import numpy as np # randn()标准正态分布 arr = np.random.randn(2, 3) print(arr) """ [[ 0.62075155 -0.39586061 0.07556188] [ 1.14602401 0.61087754 1.3770935 ]] """ print(np.ceil(arr)) """ [[ 1. -0. 1.] [ 2. 1. 2.]] """ print(np.floor(arr)) """ [[ 0. -1. 0.] [ 1. 0. 1.]] """ print(np.rint(arr)) """ [[ 1. -0. 0.] [ 1. 1. 1.]] """ print(np.isnan(arr)) """ [[False False False] [False False False]] """ print(np.multiply(arr, arr)) """ [[0.38533249 0.15670562 0.0057096 ] [1.31337102 0.37317137 1.8963865 ]] """ print(np.divide(arr, arr)) """ [[1. 1. 1.] [1. 1. 1.]] """ print(np.abs(arr)) """ [[0.62075155 0.39586061 0.07556188] [1.14602401 0.61087754 1.3770935 ]] """ print(np.where(arr > 0, 1, -1)) """ [[ 1 -1 1] [ 1 1 1]] """2 统计函数
np.mean(), np.sum()：所有元素的平均值，所有元素的和，参数是 number 或 array
np.max(), np.min()：所有元素的最大值，所有元素的最小值，参数是 number 或 array
np.std(), np.var()：所有元素的标准差，所有元素的方差，参数是 number 或 array
np.argmax(), np.argmin()：最大值的下标索引值，最小值的下标索引值，参数是 number 或 array
np.cumsum(), np.cumprod()：返回一个一维数组，每个元素都是之前所有元素的 累加和 和 累乘积，参数是 number 或 array
多维数组默认统计全部维度，axis参数可以按指定轴心统计，值为0则按第0个维度统计，值为1则按第1个维度统计。
import numpy as np arr = np.arange(12).reshape(3, 4) print(arr) """ [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] """ print(np.cumsum(arr)) # 前缀和 """ [ 0 1 3 6 10 15 21 28 36 45 55 66] """ print(np.sum(arr)) # 所有元素的和66 print(np.sum(arr, axis=0)) # 数组的按第0个维度统计和[12 15 18 21] print(np.sum(arr, axis=1)) # 数组的按第1个维度统计和[ 6 22 38]3 比较函数
- np.any(): 至少有一个元素满足指定条件，返回True
- np.all(): 所有的元素满足指定条件，返回True
import numpy as np arr = np.random.randn(2,3) # randn（均值 = 0，标准差 = 1）大部分数字在-2~2 print(arr) """ [[-0.37764946 0.19308709 -0.21882821] [ 2.32190081 1.79766043 -0.21875982]] """ print(np.any(arr > 0)) print(np.all(arr > 0))4 去重函数
np.unique():找到唯一值并返回排序结果，类似于Python的set集合
import numpy as np arr = np.array([[1, 4, 1], [3, 2, 1]]) print(arr) """ [[1 4 1] [3 2 1]] """ print(np.unique(arr)) # [1 2 3 4]5 排序函数
import numpy as np arr = np.array([1, 2, 34, 5]) # np.sort()返回排序后的副本 sortarr1 = np.sort(arr) print(sortarr1) print(arr) # ndarray直接调用sort，在原数据上进行修改 arr.sort() print(arr)5 NumPy运算
1 基本运算
import numpy as np a = np.array([10, 10, 10, 10]) b = np.arange(4) c = a + b print(a) # [10 10 10 10] print(b) # [0 1 2 3] print(c) # [10 11 12 13]2 矩阵乘法
np.dot/x.dot(y)【矩阵乘法】（数学里的点积、行列相乘求和）
import numpy as np x = np.array( [[1, 1, 1], [1, 1, 1]] ) y = np.array( [[1, 1], [1, 1], [1, 1]] ) print(x.dot(y)) print(np.dot(x, y)) """ [[3 3] [3 3]] """*【逐元素相乘】（对应位置的数字直接相乘）
import numpy as np a = np.array( [[2, 2, 2], [3, 3, 3]] ) b = np.array( [[2, 2, 2], [3, 3, 3]] ) print(a * b) """ [[4 4 4] [9 9 9]] """