目录
numpy
- 多维数组(列表)的运算
# 约定俗成定义为np
import numpy as np
array
- 数据类型，有点像列表
一维数组
- 只有一行
- 相当于数学中的线
lis = [1, 2, 3]
print(np.array(lis))
[1 2 3]
二维数组（用的最多）
- 有行有列
- 相当于数学中的面，其中有多条线，也就是装了多个一维数组
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)
[[1 2 3]
[4 5 6]]
np.array和list的区别
- np.array是多维的，list是一维的
- numpy的操作更加全面
获取多维数组的属性
arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
print(arr.dtype) # 查看元素的数据类型
print(arr.size) # 数组元素的个数
print(arr.ndim) # 数组的维度
print(arr.shape) # 把行和列返回在一个元祖中
print(arr.shape[0]) # 行
print(arr.shape[1]) # 列
int32
8
2
(2, 4)
2
4
多维数组的索引与切片
- 中括号加索引，行和列用逗号分开
print(arr)
print('-' * 10)
print(arr[1, 2]) # 第二行第三列
print(arr[0, [0, 1, 2, 3]]) # 第一行所有的值
print(arr[0, :]) # 第一行所有的值切片
print(arr[:, 0]) # 第一列所有的值切片
print(arr[:, :]) # 整个多维数组切片
[[1 2 3 4]
[5 6 7 8]]
----------
7
[1 2 3 4]
[1 2 3 4]
[1 5]
[[1 2 3 4]
[5 6 7 8]]
花式索引
arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
#### 获取 5,7,9,10
arr[ [4, 6, 8, 9] ] ### 列表嵌套列表， 内层列表的值对应的是需求的值的索引值
([5, 7, 9, 10])
高级功能
- 加入判断，筛选功能
# 筛选出值大于50的数
arr = np.array([[12, 123, 20], [145, 56, 24], [51, 1, 2]])
print(arr)
print('-' * 20)
print(arr > 50) # 布尔型索引
print('-' * 20)
print(arr[arr > 50])
print('-' * 20)
[[ 12 123 20]
[145 56 24]
[ 51 1 2]]
--------------------
[[False True False]
[ True True False]
[ True False False]]
--------------------
[123 145 56 51]
--------------------
多维数组的元素替换
arr = np.array([[12, 123, 20], [145, 56, 24], [51, 1, 2]])
print(arr)
print('-' * 20)
arr[1, 2] = 20 # 第二行的第三个元素改为20
print(arr)
print('-' * 20)
arr[1, :] = 20 # 第一行所有元素改为0
print(arr)
print('-' * 20)
arr[arr > 50] = 40 # 大于50的全变为40
print(arr)
print('-' * 20)
[[ 12 123 20]
[145 56 24]
[ 51 1 2]]
--------------------
[[ 12 123 20]
[145 56 20]
[ 51 1 2]]
--------------------
[[ 12 123 20]
[ 20 20 20]
[ 51 1 2]]
--------------------
[[12 40 20]
[20 20 20]
[40 1 2]]
--------------------
多维数组的合并
arr1 = np.array([[1, 2, 3], [4, 5, 6]])
arr2 = np.array([[7, 8, 9], [10, 11, 12]])
- vstack和hstack只能放一个参数，这个参数必须是容器
# vstack和hstack
print(np.vstack((arr1, arr2))) # v:vertical 垂直
print('-' * 20)
print(np.hstack([arr1, arr2])) # h:horizon 水平
print('-' * 20)
[[ 1 2 3]
[ 4 5 6]
[ 7 8 9]
[10 11 12]]
--------------------
[[ 1 2 3 7 8 9]
[ 4 5 6 10 11 12]]
--------------------
- 在numpy中，为了统一做处理，只要有axis参数的，axis=0就是列，axis=1就是行
# concatenate
print(np.concatenate((arr1, arr2))) # 默认是垂直
print('-' * 20)
print(np.concatenate((arr1, arr2), axis=0)) # 0是列
print('-' * 20)
print(np.concatenate((arr1, arr2), axis=1)) # 1是行
print('-' * 20)
[[ 1 2 3]
[ 4 5 6]
[ 7 8 9]
[10 11 12]]
--------------------
[[ 1 2 3]
[ 4 5 6]
[ 7 8 9]
[10 11 12]]
--------------------
[[ 1 2 3 7 8 9]
[ 4 5 6 10 11 12]]
--------------------
通过函数方法创建多维数组
创建一维数组
- arange
print(np.arange(10))
print(np.arange(1, 10, 2))
[0 1 2 3 4 5 6 7 8 9]
[1 3 5 7 9]
- linspace
# 创建一个从2到5，一共有五个值的一位数组，不包括5
# num表示有多少个值，默认是50，endpoint表示是否包括最大值，默认是True
np.linspace(2,5, num=5, endpoint=False)
array([2. , 2.6, 3.2, 3.8, 4.4])
创建多维数组
- zeros
# zeros全是0
print(np.zeros((3, 4)))
print('-' * 20)
print(np.zeros((2, 4, 3))) # 3控制一维,(3,4)控制二维,(3,4,5)控制三维
[[0. 0. 0. 0.]
[0. 0. 0. 0.]
[0. 0. 0. 0.]]
--------------------
[[[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]]
[[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]]]
- ones
# ones全是1
print(np.ones((3, 4)))
[[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]]
- eye
print(np.eye(5))
[[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.]]
- empty
np.empty((2,3), dtype=int) ### 随机生成指定维度的随机数
([[856, 0, 856],
[ 0, 1, 0]])
- reshape
arr = np.arange(10)
arr.reshape(2,5) #### 一维数组转换成二维数组
([[0, 1, 2, 3, 4],
[5, 6, 7, 8, 9]])
矩阵的向量运算
+ 两个矩阵对应元素相加
- 两个矩阵对应元素相减
* 两个矩阵对应元素相乘
/ 两个矩阵对应元素相除，如果都是整数则取商
% 两个矩阵对应元素相除后取余数
**n 单个矩阵每个元素都取n次方，如**2：每个元素都取平方
# 元素对应相加，可以加一维，但是不要这么做
arr1 = np.array([[1, 2, 3], [4, 5, 6]])
arr2 = np.array([[7, 8, 9], [10, 11, 12]])
print(arr1+arr2)
#...其余方法都大同小异
[[ 8 10 12]
[14 16 18]]
通用函数
np.abs([-1,-2,34,5]) ### 求一个绝对值
np.fabs([-2.3,-3.4, 5.6]) #### 求浮点数的绝对值
np.sqrt(4) #### 求一个数的平方根
print('----------')
np.square([5,3,4,6]) #### 求平方
np.exp(2) ### e^2 e的取值是 2.7181
np.log(10) # 以e为底
array([ 1, 2, 34, 5])
array([2.3, 3.4, 5.6])
2.0
----------
array([25, 9, 16, 36], dtype=int32)
7.38905609893065
2.302585092994046
- 数字相关
a = a = np.array([1,2,3,4])
np.sum(a) ### 求和
np.mean(a) ### 求平均值
np.max(a) ### 最大值
np.argmax(a) ### 最大值的索引
print('----------')
np.var(a) ### 求方差
np.std(a) ### 求标准差
print('----------')
np.ceil(10.4) ### ceil:天花板 向上取整
np.floor(10.6) ### floor:地板 向下取整
np.rint(10.8) #### 四舍五入
np.modf(10.7) ### 把整数和小数分开
10
2.75
4
3
----------
1.25
1.118033988749895
----------
11.0
10.0
11.0
(0.6999999999999993, 10.0)
- isnan
np.isnan(45) #### 用来判断是否是一个数，nan : not a number，所以为False代表是一个数字
np.nan
np.isnan(np.nan)
np.isnan([1,2,3,np.nan,23])
np.nan == np.nan
False
nan
True
array([False, False, False, True, False])
False
- isinf
np.inf # 无穷大
inf
点乘，转置，求逆（了解，数学知识）
# 点乘
# 需要一个(m,n)的数组和一个(n,m)的数组
# T可以把数组转置
np.dot(arr1, arr2.T)
array([[ 50, 68],
[122, 167]])
# 求逆
np.linalg.inv(np.dot(arr1, arr2.T))
array([[ 3.09259259, -1.25925926],
[-2.25925926, 0.92592593]])
极值
print(arr1)
print(arr1.max())
print(arr1.min())
[[1 2 3]
[4 5 6]]
6
1
numpy生成随机数
np.random.rand(3, 4)
array([[0.95163457, 0.8643344 , 0.86843741, 0.45000529],
[0.01025429, 0.25391508, 0.28262799, 0.88679772],
[0.43937459, 0.13525713, 0.13961072, 0.61232842]])
固定随机数，让它不随机
rs = np.random.RandomState(1)
print(rs.rand(3, 4))
# 和上面作用相同
# np.random.seed(1)
# print(np.random.rand(3, 4))
[[4.17022005e-01 7.20324493e-01 1.14374817e-04 3.02332573e-01]
[1.46755891e-01 9.23385948e-02 1.86260211e-01 3.45560727e-01]
[3.96767474e-01 5.38816734e-01 4.19194514e-01 6.85219500e-01]]
三维数组（了解）
- 多个面(二维数组)