from numpy import * print(random.rand(4,4)) #4*4随机数组 randMat=mat(random.rand(4,4)) #mat()将数组转化为矩阵 print(randMat)
Numpy提供了两种基本的对象：
- ndarray (n-dimensional array object)数组
- ufunc (universal function object)是一种对数组进行处理的特殊函数
ndarray
1 import numpy as np 2 a=np.array([1,2,3,4]) 3 b=np.array((5,6,7,8)) 4 c=np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]]) 5 print(a.shape) #获取数组的形状，返回一个元组 (4,) 6 print(c.shape) # (3,4) 7 c.shape=4,3 #通过shape属性可修改数组每个维度的长度 8 print(c) 9 c.shape=2,-1 #设置某个维度长度为-1，自动计算此维度的长度 10 print(c)
c=np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]]) print(c.dtype) #获取数组元素类型 -->int32 af=np.array([1,2,3,4],dtype=float) #通过dtype在创建数组时指定元素类型 print(af.dtype) # -->float64
numpy中typeDict字典保存所有数值类型
使用astype()方法对数组元素进行类型转换：
1 t1=np.array([1,2,3,4],dtype=np.float) 2 t2=t1.astype(np.int32) 3 print(t1.dtype) #-->float64 4 print(t2.dtype) #-->int32
自动创建数组
1 t1=np.arange(0,1,0.1) #使用arange()创建等差数组 2 print(t1) # --> [ 0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9] 3 t2=np.linspace(0,1,10) #指定开始值0，终值1和元素个数10创建等差数组 4 t3=np.linspace(0,1,10,endpoint=False) #endpoint参数指定是否包含终值
t1=np.logspace(0,2,5) #创建等比数组，产品从10^0到10^2共5个元素 print(t1) # -->[ 1. 3.16227766 10. 31.6227766 100. ]
t=np.logspace(0,1,12,base=2,endpoint=False) #指定基数为2,不包含终值 print(t) #[ 1. 1.05946309 1.12246205 1.18920712 1.25992105 1.33483985 # 1.41421356 1.49830708 1.58740105 1.68179283 1.78179744 1.88774863]
zeros(),ones(),empty()创建指定形状和类型的数组，其中empty()只分配数组所使用的内存，不对数组元素进行初始化操作。
1 t1=np.zeros(4,np.int) 2 print(t1) #--> [0 0 0 0] 3 t2=np.full(4,np.pi) #full()将数组元素初始化为指定的值 4 print(t2) #--> [ 3.14159265 3.14159265 3.14159265 3.14159265] 5 s='abcdefgh' 6 t3=np.fromstring(s,dtype=np.int8) #从字符串创建数组 7 print(t3) #-->[ 97 98 99 100 101 102 103 104]
可通过fromfunction()创建数组，第一个参数为计算每个数组元素的函数，第二个参数指定数组的形状
def func2(i,j): return (i+1)*(j+1) t1=np.fromfunction(func2,(9,9)) print(t1) # [[ 1. 2. 3. 4. 5. 6. 7. 8. 9.] # [ 2. 4. 6. 8. 10. 12. 14. 16. 18.] # [ 3. 6. 9. 12. 15. 18. 21. 24. 27.] # [ 4. 8. 12. 16. 20. 24. 28. 32. 36.] # [ 5. 10. 15. 20. 25. 30. 35. 40. 45.] # [ 6. 12. 18. 24. 30. 36. 42. 48. 54.] # [ 7. 14. 21. 28. 35. 42. 49. 56. 63.] # [ 8. 16. 24. 32. 40. 48. 56. 64. 72.] # [ 9. 18. 27. 36. 45. 54. 63. 72. 81.]]
a=np.arange(10) print(a) #[0 1 2 3 4 5 6 7 8 9] print(a[2:-1:2]) #用切片获取数组一部分，step=2 -->[2 4 6 8]
与列表不同的是，通过切片获取的新的数组时原始数组的一个视图，它与原始数组共享同一块存储空间。
a=np.arange(10) print(a) #[0 1 2 3 4 5 6 7 8 9] b=a[3:7] print(b) #-->[3 4 5 6] b[2]=-10 print(b) #--> [ 3 4 -10 6] print(a) #-->[ 0 1 2 3 4 -10 6 7 8 9]
使用整数列表对数组元素进行存取，将使用列表中的每个元素作为下标，得到的数组和原始数组不共享内存。
x=np.arange(10,1,-1) print(x) #-->[10 9 8 7 6 5 4 3 2] b=x[[3,3,-2,8]] print(b) #-->[7 7 3 2] b[2]=100 print(b) #-->[ 7 7 100 2] print(x) #-->[[10 9 8 7 6 5 4 3 2]
NumPy使用元组作为下标：
二维数组
a=np.arange(0,60,10).reshape(-1,1)+np.arange(0,6) print(a) # [[ 0 1 2 3 4 5] # [10 11 12 13 14 15] # [20 21 22 23 24 25] # [30 31 32 33 34 35] # [40 41 42 43 44 45] # [50 51 52 53 54 55]]
在多维数组中，可以使用整数元组或者列表。整数数组和布尔数组，当下标使用这些对象时，所获得的数据是原始数据的副本，因此修改数组不会改变原始数组。
数组内存结构
ufunc函数
ufunc是一种能对数组的每一元素进行计算的函数，NumPy的许多ufunc函数都是用C语言实现的，因此它的计算速度非常快。
逻辑运算函数logical_and(),logical_or(),logical_not(),logical_xor()
位运算函数bitwise_and(),bitwise_not(),bitwise_or(),bitwise_xor()
自定义ufunc函数：
def triangle_wave(x,c,c0,hc): x=x-int(x) #三角波周期为1 if x>=c: r=0.0 elif x<c0: r=x/c0*hc else: r=(c-x)/(c-c0)*hc return r #通过frompyfunc()将计算单个值的函数转换为能对数组每个元素进行计算的ufunc函数 triangle_ufunc1=np.frompyfunc(triangle_wave,4,1) x=np.linspace(0,2,10) y2=triangle_ufunc1(x,0.6,0.4,1.0) print(y2.dtype) #triangle_ufunc1()返回的数组元素类型为object print(y2.astype(np.float).dtype) #使用astype()将元素类型转为float
使用vectorize()也可以实现frompyfunc()类似的功能，可通过otypes参数指定返回的数组的元素类型：
triangle_ufunc2=np.vectorize(triangle_wave,otypes=[np.float]) x=np.linspace(0,2,10) y2=triangle_ufunc2(x,0.6,0.4,1.0) print(y2)
广播
当使用ufunc函数对两个数组进行计算时，如果两个数组的shape不同，会进行广播处理。Numpy提供了ogrid对象，用于创建广播运算用的数组。
ogrid第三个参数为虚数时，它表示所返回的数组的长度。
x,y=np.ogrid[:1:4j,:1:3j]