Numpy笔记

七月 15, 2021 3446

Numpy学习笔记

资料来源：Python知识手册，csdn

  1. 常用list和tuple来创建ndarray数据类型
1
2
arr1 = np.array([1, 2, 3, 4])
arr2 = np.array((1, 2, 3, 4))

创建时，可以指定数值类型

1
2
3
4
5
a = np.arange(5, dtype=float)
print(a)

([0., 1., 2., 3., 4., 5.])
注意复数不可以转化为整形或者浮点型
  1. reshape函数：将ndarray塑性
1
2
3
4
5
a = np.arange(8).reshape(2, 4)
print(a)

[[0 1 2 3]
 [4 5 6 7]]
  1. 属性
    ndim输出ndarray的维度属性（行数），shape输出尺度属性
    size属性保存ndarray中元素的数量
    flat属性，返回一个numpy.flatiter的可迭代对象（亦可索引，赋值）
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
>>> a = np.arange(6).reshape(2, 3)
>>> a
array([[0, 1, 2],
       [3, 4, 5]])
>>> for i in a:
	print(i)

	
[0 1 2]
[3 4 5]
>>> b = a.flat  # flat让整个ndarray变得可迭代
>>> for i in b:
	print(i)

	
0
1
2
3
4
5
  1. ndarray可进行切片和索引，一维与list类似
    二维情况如图
1
2
3
4
5
6
7
8
9
10
11
12
>>> c = np.arange(12).reshape(3, 4)
>>> c
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
>>> c[0:3, 0:2]
array([[0, 1],
       [4, 5],
       [8, 9]])
>>> c[1:3, 0:2]
array([[4, 5],
       [8, 9]])

逗号前竖着索引，逗号后横着索引

  1. array的叠加
    水平叠加
1
np.hstack(matA, matB)

垂直叠加

1
np.vstack(matA, matB)

自定义方向

1
np.concatenate((matA, matB), axis=0)
  1. array的拆分
    split函数
  2. 类型转换
    数组转列表，用tolist函数
1
b.tolist()

将内容转化为指定类型

1
b.astype(float)  # 将b的每一项转化为浮点数类型
  1. 常用统计函数
    sum()求和
    mean()均值
    ptp()沿某个轴返回最大值减最小值
    std()标准偏差
    var()方差
    cumsum()累加值
    comprod()累乘值
  2. random.rand函数
    给定维度生成[0，1)间的ndarray
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
>>> import numpy as np
>>> np.random.rand(4,2)
array([[0.45688739, 0.26886546],
       [0.69148437, 0.61480271],
       [0.37722378, 0.305412  ],
       [0.79430114, 0.75512251]])
>>> np.random.rand(5,2,3)
array([[[0.75038532, 0.83388829, 0.62408375],
        [0.46336842, 0.34015173, 0.53301729]],

       [[0.26157672, 0.65139399, 0.47581856],
        [0.61984685, 0.70623299, 0.28065171]],

       [[0.19054782, 0.59329701, 0.05462034],
        [0.26053959, 0.01264219, 0.40373975]],

       [[0.32033322, 0.71297706, 0.70064409],
        [0.98279322, 0.1686095 , 0.46542026]],

       [[0.34178765, 0.31608295, 0.71511896],
        [0.01467071, 0.5376934 , 0.20550826]]])

  1. random.randn函数
    返回一组给定维度的具有正态分布的ndarray

  2. random.randint(low, high=None, size=None, dtype=’l’)函数
    返回随机整数, low为下限，high为上限，size是维度，dtype是数据类型

  3. 生成随即小数的四种方法
    random.random_sample
    random.random
    random.ranf
    random.sample

  4. random.choice(a, size=None, replace=True, p=None)函数
    a表示数据的取值范围是0到a
    size对应数组的维度
    p是出现的概率

1
2
3
4
>>> import numpy as np
>>> a = np.random.choice(7,3)
>>> a
array([4, 2, 1])
  1. Meshgrid函数
    若向量x为一行m列，y为一行n列。经过mesgrid函数变换之后，产生了对应的X，Y的维度是(n*m)。也就是说，最终结果都是(n·m)，依据x，y的长度不同，复制方式也会不同。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
>>> m,n = (5,3)
>>> x = np.linspace(0,1,m)
>>> y = np.linspace(0,1,n)
>>> X,Y = np.meshgrid(x,y)
>>> X
array([[0.  , 0.25, 0.5 , 0.75, 1.  ],
       [0.  , 0.25, 0.5 , 0.75, 1.  ],
       [0.  , 0.25, 0.5 , 0.75, 1.  ]])
>>> Y
array([[0. , 0. , 0. , 0. , 0. ],
       [0.5, 0.5, 0.5, 0.5, 0.5],
       [1. , 1. , 1. , 1. , 1. ]])
>>> X.shape
(3, 5)

补充：
flat函数：flat返回的是一个迭代器，可以用for访问数组每一个元素，不可打印。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
for i in X.flat:
    print(i)

0.0
0.25
0.5
0.75
1.0
0.0
0.25
0.5
0.75
1.0
0.0
0.25
0.5
0.75
1.0

zip函数：将相同大小的对象对应位置元素打包成元组

>>>a = [1,2,3]
>>> b = [4,5,6]
>>> c = [4,5,6,7,8]
>>> zipped = zip(a,b)     # 打包为元组的列表
[(1, 4), (2, 5), (3, 6)]
>>> zip(a,c)              # 元素个数与最短的列表一致
[(1, 4), (2, 5), (3, 6)]
>>> zip(*zipped)          # 与 zip 相反，*zipped 可理解为解压，返回二维矩阵式
[(1, 2, 3), (4, 5, 6)]
查看评论