• Python三方库:Numpy(数组处理)


    Numpy是Python中用于处理数组的一个非常强大的库,同时也是Pandas等数据处理的库的核心,如果你有大量处理数组类型数据的操作,比如操作CSV文件数据或涉及数组的科学计算等,那么Numpy是一个非常好的选择。

    注:此笔记中主要是以一维数组和二维数组作为示例,更高维的数组因为用的较少,同时原理和二维数组也相似,即数组中再套数组,所以就不再单独解释了。为了简化表示,文中的np表示Numpy,即import numpy as np。

    一、创建数组(ndarray)

    Numpy中的数组对象类型为ndarray,数组的创建,最基础的就是使用np.array()方法创建数组了,传入对应的列表或元组即可,创建时也可使用dtype参数指定元素的数据类型。在使用array方法创建数组时,数组中的元素必须是同一类型,如果不是,则会发生自动类型转换,如果不想进行自动转换,可指定数据类型为object,具体见示例代码。

    其他还有一些用于创建特定类型数组的方法,常用的有:

    • np.arange([start, ]stop, [step, ]dtype=None):相当于Python中range函数,创建一个指定范围[0, start)或[start, stop)的连续的(具有相同间隔step)的数组。
    • np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0):创建一个指定范围内具有相同间隔的指定元素个数的数组,注意,这个方法不用指定间隔,而是根据元素个数自动判断间隔。
    • np.zeros(shape, dtype=float, order='C'):创建一个元素值为0的数组。
    • np.ones(shape, dtype=None, order='C'):创建一个元素值为1的数组。
    • np.empty(shape, dtype=float, order='C'):创建一个元素值未初始化的数组。
    • np.zeros_like(a, dtype=None, order='K', subok=True, shape=None):根据另一个数组创建一个相同维数和元素个数且元素值为0的数组。
    • np.ones_like(a, dtype=None, order='K', subok=True, shape=None):根据另一个数组创建一个相同维数和元素个数且元素值为1的数组。
    • np.random.rand(d0, d1, ..., dn):创建一个指定维数(d0, d1, ..., dn),元素为0到1之间的随机数的数组,d0的值表示这一维的元素个数。
    • np.random.randint(low, high=None, size=None, dtype=int):创建一个元素值为[0, low)或[low, high)之间的随机整数的数组,可用size指定数组的shape。
    • np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None, axis=0):创建一个指定范围内(base的start次幂到base的stop次幂)具有相同间隔的指定元素个数的数组。

    示例:

    二、数组索引和切片

    Numpy中数组的索引和切片的使用形如[d0, d1, ...]的方式,其中使用逗号分隔每一维的索引和切片表示,而每一维的索引和切片表示又是与Python中列表的使用是一致的,所以对于一位数组的索引和切片直接就和Python的列表使用是一样的了,这里也不再展示示例代码了,重点在于二维及多位数组的索引和切片使用。

    示例:

    三、数组常用方法

    常用属性:

    • ndarray.dtype:数组元素的数据类型。
    • ndarray.shape:数组的维数和对应元素个数信息。
    • ndarray.size:数组中的元素个数。
    • ndarray.ndim:数组的维数。

    Numpy特色操作

    常用方法(大多adarray方法都能在numpy下直接找到并使用):

    • ndarray.astype(dtype, order='K', casting='unsafe', subok=True, copy=True):将数组中元素的数据类型转换为指定的类型。
    • ndarray.fill(value):将数组中的元素填充为指定的值。
    • ndarray.flatten(order='C'):将数组“拉直”,变为一维数组,返回的是一个新的数组。
    • ndarray.ravel([order]):也是将数组“拉直”,变为一维数组,但返回的是原数组的一个视图索引,即对这个一维数组的修改会同步到原数组。
    • ndarray.reshape(shape, order='C'):重新定义数组的shape。
    • ndarray.transpose(*axes):对数组进行“翻转”。
    • ndarray.T:相当于ndarray.transpose()。
    • ndarray.round(decimals=0, out=None):以“四舍五入”的方式对数组元素进行取整,decimals参数可以指定小数位数。
    • ndarray.max(axis=None, out=None, keepdims=False, initial=<no value>, where=True):获取数组中的最大值,也可以获取指定维度的最大值。
    • ndarray.min(axis=None, out=None, keepdims=False, initial=<no value>, where=True):获取数组中的最小值,也可以获取指定维度的最小值。
    • ndarray.mean(axis=None, dtype=None, out=None, keepdims=False):获取数组的平均值,也可以获取指定维度的平均值。
    • ndarray.sum(axis=None, dtype=None, out=None, keepdims=False, initial=0, where=True):获取数组的和,也可以获取指定维度的和。
    • ndarray.argmax(axis=None, out=None):最大值的索引。
    • ndarray.argmin(axis=None, out=None):最小值的索引。
    • ndarray.clip(min=None, max=None, out=None, **kwargs):截断操作,将数组中小于min值的元素重置为min值,大于max值的元素重置为max值。
    • ndarray.sort(axis=-1, kind=None, order=None):排序,也可以按照指定维度进行排序。
    • ndarray.argsort(axis=-1, kind=None, order=None):返回排序之后的元素索引。
    • numpy.vstack(tup):纵向连接数组。
    • numpy.hstack(tup):横向连接数组。
    • numpy.where(condition[, x, y]):根据条件过滤数组。

    示例:

    四、文件读写

    文本文件的读写可以使用以下两个方法:

    • numpy.savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='n', header='', footer='', comments='# ', encoding=None):将一个数组保存到指定的文本文件中。fname为文件名称,X表示数组,fmt表示数据格式(以%表示的字符串格式化),delimiter为分隔符,其他参数也都是见名知意,看着使用就可以了。
    • numpy.loadtxt(fname, dtype=<class 'float'>, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding='bytes', max_rows=None):将文本文件中的数据加载到数组当中。

    类似于数据的序列化和反序列化,可以将数组对象保存到文件中,然后加载出来后直接就是原先的数组对象:

    • numpy.save(file, arr, allow_pickle=True, fix_imports=True):将数对象组保存到指定文件中。
    • numpy.load(file, mmap_mode=None, allow_pickle=False, fix_imports=True, encoding='ASCII'):从文件中读取数组对象。
  • 相关阅读:
    DS博客作业02--栈和队列
    DS博客作业01--线性表
    c博客06-结构体&文件
    C博客作业05--指针
    C语言博客作业04--数组
    C语言博客作业03--函数
    JAVA面向对象设计大作业——QQ联系人系统
    DS博客作业05--查找
    DS博客作业04--图
    DS博客作业03--树
  • 原文地址:https://www.cnblogs.com/guyuyun/p/13286163.html
Copyright © 2020-2023  润新知