Python3-笔记-numpy学习指南-002-基础

import numpy

# 创建一维的数组对象
a = numpy.arange(5)
print(a)
print(a.dtype) # 类型
print(a.shape) # 数据维度

[0 1 2 3 4]
int32
(5,)

# 创建二维的数组对象
print('-------')
m = numpy.array([numpy.arange(2), numpy.arange(2)])
print(m.shape) # 数据维度
print(m, m[0], m[1], m[1][1], sep='---') # 元素的选取


(2, 2)
[[0 1]
 [0 1]]---[0 1]---[0 1]---1


# numpy的数据类型

 

 # numpy的数据类型，类型转换，占用内存字节数
f64 = numpy.float64(42)
print(f64, type(f64), f64.dtype, f64.dtype.itemsize)
i8 = numpy.int8(42.0)
print(i8, type(i8), i8.dtype, i8.dtype.itemsize)
b = numpy.bool(42)
print(b, type(b))
b = numpy.bool(0)
print(b, type(b))
b = numpy.bool(42.0)
print(b, type(b))
f = numpy.float(True)
print(f, type(f))
f = numpy.float(False)
print(f, type(f))
u16 = numpy.arange(7, dtype = numpy.uint16)
print(u16, type(u16), u16.dtype, u16.dtype.itemsize)

 

42.0 <class 'numpy.float64'> float64 8
42 <class 'numpy.int8'> int8 1
True <class 'bool'>
False <class 'bool'>
True <class 'bool'>
1.0 <class 'float'>
0.0 <class 'float'>
[0 1 2 3 4 5 6] <class 'numpy.ndarray'> uint16 2

 

 

创建自定义数据类型

t = numpy.dtype([('name', str, 40), ('numitems', numpy.int32), ('price',numpy.float32)])
print(t)

[('name', '<U40'), ('numitems', '<i4'), ('price', '<f4')]

创建自定义数据类型的数组
itemz = numpy.array([('Meaning of life DVD', 42, 3.14), ('Butter', 13, 2.72)], dtype=t)
print(itemz)
[('Meaning of life DVD', 42,  3.1400001 ) ('Butter', 13,  2.72000003)]

 

一维数组的索引和切片

import numpy as np
a = np.arange(9) # 创建数组
a
Out[4]: array([0, 1, 2, 3, 4, 5, 6, 7, 8])
a[3:7] # 取中段
Out[5]: array([3, 4, 5, 6])
a[:7:2] #　有ｓｔｅｐ
Out[6]: array([0, 2, 4, 6])
a[::-1]　#　翻转
Out[7]: array([8, 7, 6, 5, 4, 3, 2, 1, 0])

多维数组的索引和切片

import numpy as np
import pprint

# 将一维数组变为 -> 两个数组，每个数组3行，每行4列（确保几个参数的乘积等于原数组size）
b = np.arange(24).reshape(2, 3, 4)
print(b)
'''
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
'''
print(b.shape)  # (2, 3, 4)  维度
print(b[0, 0, 0]) # 0  取第一个数组的第一行第一列
print(b[0, 0]) # [0 1 2 3] 取第一个数组的第一行
print(b[0]) # 取第一个数组
'''
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
'''
print(b[:, 0, 0]) # [ 0 12] 取所有数组的第一行第一列
print(b[:, :, 0])  # 取所有数组的所有行的第一列
'''
[[ 0  4  8]
 [12 16 20]]
'''
print(b[:, :, :]) # 同print(b)
print(b[0, :, :]) # 同print(b[0])
print(b[0, ...]) # 同print(b[0])
print('-----------------')
print(b[0, 1]) # [4 5 6 7]
print(b[0, 1, ::2]) # [4 6]  使用间隔
print(b[:, :, 1]) # 取所有数组所有行的第二列
'''
[[ 1  5  9]
 [13 17 21]]
'''
print(b[..., 1]) # 同print(b[:, :, 1])
print(b[:, 1]) # 取所有数组的第二行
'''
[[ 4  5  6  7]
 [16 17 18 19]]
'''
print(b[0, :, 1]) # 取第一个数组的所有行的第二列 [1 5 9]
print(b[0, :, -1]) # 取第一个数组的所有行的最后一列 [ 3  7 11]
print(b[0, ::2, -1]) # 取第一个数组的所有行的最后一列且使用间隔 [ 3 11]
print(b[0, ::-1, -1]) # 反向取第一个数组的所有行的最后一列 [11  7  3]
print(b[::-1]) # 反向取所有数组
'''
[[[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]

 [[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]]
'''

print(b.ravel()) # 展平[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
print(b.flatten()) # 展平[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
b.shape = (6, 4) # 重新设置维度
print(b)
'''
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]
 [16 17 18 19]
 [20 21 22 23]]
'''
print(b.transpose()) # 矩阵转置
'''
[[ 0  4  8 12 16 20]
 [ 1  5  9 13 17 21]
 [ 2  6 10 14 18 22]
 [ 3  7 11 15 19 23]]
'''

b.resize(2, 12) # 类似reshape，但会改变自身数据，而非返回赋值形式
print(b)
'''
[[ 0  1  2  3  4  5  6  7  8  9 10 11]
 [12 13 14 15 16 17 18 19 20 21 22 23]]
'''

 组合

a = np.arange(9).reshape(3, 3)
print(a)
'''
[[0 1 2]
 [3 4 5]
 [6 7 8]]
'''
b = a * 2
print(b)
'''
[[ 0  2  4]
 [ 6  8 10]
 [12 14 16]]
'''
print(np.hstack((a, b))) # 水平组合
'''
[[ 0  1  2  0  2  4]
 [ 3  4  5  6  8 10]
 [ 6  7  8 12 14 16]]
'''
print(np.concatenate((a, b), axis = 1)) # 同np.hstack((a, b))
print(np.vstack((a, b))) # 垂直组合
'''
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 0  2  4]
 [ 6  8 10]
 [12 14 16]]
'''
print(np.concatenate((a, b), axis = 0)) # 同np.vstack((a, b))
print(np.dstack((a, b))) # 深度组合，没搞懂干啥用
'''
[[[ 0  0]
  [ 1  2]
  [ 2  4]]

 [[ 3  6]
  [ 4  8]
  [ 5 10]]

 [[ 6 12]
  [ 7 14]
  [ 8 16]]]
'''

print('--------------')
c = np.arange(2) # [0 1]
d = c * 2 # [0 2]
print(np.column_stack((c, d))) # 列组合
'''
[[0 0]
 [1 2]]
'''
print(np.column_stack((a, b)) == np.hstack((a, b))) # 同np.hstack((a, b))
print(np.row_stack((c, d))) # 行组合
'''
[[0 1]
 [0 2]]
'''
print(np.row_stack((a, b)) == np.vstack((a, b))) # 同np.vstack((a, b))

a = np.arange(9).reshape(3, 3)
print(a)
'''
[[0 1 2]
 [3 4 5]
 [6 7 8]]
'''
pprint.pprint(np.hsplit(a, 3)) # 水平分割
'''
[array([[0],
       [3],
       [6]]),
 array([[1],
       [4],
       [7]]),
 array([[2],
       [5],
       [8]])]
'''
pprint.pprint(np.split(a, 3, axis=1)) # 同np.hsplit(a, 3)
print('--------')
pprint.pprint(np.vsplit(a, 3)) # 垂直分割
# [array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]
pprint.pprint(np.split(a, 3, axis=0)) # 同np.vsplit(a, 3)
print('--------')
a = np.arange(27).reshape(3, 3, 3)
pprint.pprint(a)
'''
array([[[ 0,  1,  2],
        [ 3,  4,  5],
        [ 6,  7,  8]],

       [[ 9, 10, 11],
        [12, 13, 14],
        [15, 16, 17]],

       [[18, 19, 20],
        [21, 22, 23],
        [24, 25, 26]]])
'''
pprint.pprint(np.dsplit(a, 3)) #  深度分割
'''
[array([[[ 0],
        [ 3],
        [ 6]],

       [[ 9],
        [12],
        [15]],

       [[18],
        [21],
        [24]]]),
 array([[[ 1],
        [ 4],
        [ 7]],

       [[10],
        [13],
        [16]],

       [[19],
        [22],
        [25]]]),
 array([[[ 2],
        [ 5],
        [ 8]],

       [[11],
        [14],
        [17]],

       [[20],
        [23],
        [26]]])]
'''

print('-----------')
# ndim维度，看输出是几个中括号就是几维
# size元素个数
# itemsize元素占用字节数
# nbytes数组总字节数，就是 itemsize 和 size 属性值的乘积
a = np.arange(20) # [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19]
print(a.ndim, a.size, a.itemsize) # 1， 20, 4
a.shape = (4, 5)
'''
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]
'''
print(a.ndim, a.size, a.itemsize) # 1， 20, 4
a.shape = (2, 2, 5)
'''
[[[ 0  1  2  3  4]
  [ 5  6  7  8  9]]

 [[10 11 12 13 14]
  [15 16 17 18 19]]]
'''
print(a.ndim, a.size, a.itemsize) # 1， 20, 4
print(a.nbytes) # 80
a.shape = (4, 5)
print(a)
'''
[[ 0  5 10 15]
 [ 1  6 11 16]
 [ 2  7 12 17]
 [ 3  8 13 18]
 [ 4  9 14 19]]
'''
print(a.T) # 等于转置
'''
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]

'''
f = a.flat #  返回numpy.flatiter 对象,用于遍历一维数组形式
print(f) # <numpy.flatiter object at 0x00000034C35B7B70>
for index in f:
    print(index) # 逐个打印
print(a.flat[2]) # 2, 直接获取一个数组元素
print(a.flat[[2, 10]]) # [ 2 10] 直接获取多个数组元素
''''
a.flat = 3 # 直接覆盖到整个数组
print(a)
[[3 3 3 3 3]
 [3 3 3 3 3]
 [3 3 3 3 3]
 [3 3 3 3 3]]
'''
a.flat[[2, 3]] = 99 # 也可用于赋值
print(a)
'''
[[ 0  1 99 99  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]
'''

 a = np.arange(20).reshape(2, 2, 5)
print(a)
'''
[[[ 0  1  2  3  4]
  [ 5  6  7  8  9]]

 [[10 11 12 13 14]
  [15 16 17 18 19]]]
'''
print(a.tolist()) # 转换成列表
# [[[0, 1, 2, 3, 4], [5, 6, 7, 8, 9]], [[10, 11, 12, 13, 14], [15, 16, 17, 18, 19]]]
print(a.astype(str)) # 转换数组时指定数据类型
'''
[[['0' '1' '2' '3' '4']
  ['5' '6' '7' '8' '9']]

 [['10' '11' '12' '13' '14']
  ['15' '16' '17' '18' '19']]]
'''