numpy
1. 创建对象
维度(dimensions):轴
轴的个数:秩(rank)
Numpy最重要的一个特点就是其N维数组对象(即ndarray)
创建数组最简单的函数就是用array函数:
Import numpy
data = [[1,2,3],[2,3,4],[4,5,6]]
ndarray_object = numpy.array(data)
ndarray_object = numpy.ones((3,4))
ndarray_object = numpy.zeros((3,4))
array 将输入数据(列表、元组、数组或者其他序列类型)转换为ndarray。要么推断出dtype,要么显示制定dtype。默认直接复制输入数据。
asarray 将输入转换为ndarray,如果输入本身就是一个ndarray就不进行复制。
arrange 类似于内置的range,但返回的是一个ndarray而不是列表。
ones,ones_like 根据制定的形状和dtype创建一个全1数组。ones_like一另一个数组为参数,并根据其形状和dtype创建一个全1数组。
zeros,zeros_like 类似于ones和ones_like,只不过产生的是全0数组而已。
empty,empty_like 创建新数组,只分配内存空间但不填充任何值。
eye,identity 创建一个正方的N x N 单位矩阵(对角线为1,其余为0)
2. ndarray的数据类型
dtype()是一个特殊的对象,它含有ndarray将一块内存解释为特定数据类型所需的信息。
numpy中的数据类型转换,不能直接改原数据的dtype!只能用函数astype()。
3. 数组与标量的运算
大小相等的数组之间的任何算术运算都会将运算进行到元素级。
同样,数组和标量的算术运算也会将那个标量传播到各个元素。
不同大小的数组之间的运算叫做广播。
4. 基本的索引和切片
>>>import numpy as np
>>>a=[1,2,3,4,5]
>>>np.array(a)
>>>array([1, 2, 3, 4, 5])
>>>b=np.array(a)
>>>b[1:3]
>>>array([2, 3])
>>>c=b[1:3]
>>>c
>>>array([2, 3])
>>>c[:]=12
>>>a
>>>[1, 2, 3, 4, 5]
>>>b
>>>array([ 1, 12, 12, 4, 5])
如果你想得到的是ndarray切片的一份副图而非视图,就需要显示低进行复制操作例如,
b[2:3].copy。
>>>names = np.array([["ryan"],["tom"],["hello"],["lucy"]])
>>>names
array([['ryan'],
['tom'],
['hello'],
['lucy']], dtype='|S5')
>>>names[2]="whathello"
>>>names
array([['ryan'],
['tom'],
['whath'],
['lucy']], dtype='|S5')
>>>b = np.array([["ryan"],["tom"],["whathello"],["lucy"]])
>>>b
array([['ryan'],
['tom'],
['whathello'],
['lucy']], dtype='|S9')
>>>b=="ryan"
array([[ True],
[False],
[False],
[False]])
Python关键字and 和 or在布尔数组中无效。
5. 数组转置和轴对换
>>>a=np.arange(15).reshape((3,5))
>>>a
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])
6. 函数和方法method总览
# 1.创建数组
arrange, array, copy, empty_like, eye, fromfile, fromfunction, identity, linspace, logspace, mgrid, ogrid, ones, ones_like, r, zeros, zeros_like
# 2.转化
astype, atleast ld, atleast 2d, atleast 3d, mat
# 3.操作
array split, column stack, concatenate, diagonal, dsplit, dstack, hsplit, hstack, item, newsxis,ravel, repeat, reshape, resize, squeeze,swapaxes, take,transpose
# 4.询问
all, any, nonzero, where
# 5.排序
argmax, argmin, argsort, max, min, ptp, searchsorted, sort
# 6.运算
choose, compress, cumprod, cumsum, inner, fill, imag, prod, putmask, real, sum
# 7.基本统计
cov, mean, std, var
# 8.基本线性代数
cross, dot, outer, svd, vdot