NumPy是Python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。Numpy内部解除了Python的PIL(全局解释器锁),运算效率极好,是大量机器学习框架的基础库!
Numpy简单创建数组
nlist = np.array([1,2,3])
print(nlist) #[1 2 3]
Numpy查看数组属性
#ndim方法用来查看数组维度 print(nlist.ndim) #2 #二维数组 nlist_2 = np.array([[1,2,3],[4,5,6]]) print(nlist_2) print(nlist_2.ndim) #[[1 2 3] # [4 5 6]] # 2 #使用shape属性来大印多维数组的形状 print(nlist.shape,nlist_2.shape) #(3,) (2, 3) #使用size方法来打印多维数组的元素个数 print(np.size(nlist)) print(np.size(nlist_2)) # 3 # 6 #打印numpy多维数组的数据类型 print(type(nlist)) #<class 'numpy.ndarray'> #使用dtype属性打印多维数组内部元素的数据类型 print(nlist.dtype) #itemsizes属性，多维数组中的数据类型大小，字节 print(nlist.itemsize) #data属性 打印数据缓冲区 buffer print(nlist.data) # int32 # 4 # <memory at 0x0000023047DB5C48>
快速创建N维数组的api函数
#使用ones方法，自动生成元素为1的多维数组 nlist_ones = np.ones((4,4)) print(nlist_ones) print(nlist_ones.dtype) #[[1. 1. 1. 1.] # [1. 1. 1. 1.] # [1. 1. 1. 1.] # [1. 1. 1. 1.]] #float64 #zeros nlist_zeros = np.zeros((4,4)) print(nlist_zeros) #[[0. 0. 0. 0.] # [0. 0. 0. 0.] # [0. 0. 0. 0.] # [0. 0. 0. 0.]] #使用empty方法来生成随机多维数组,使用第二参数指定数据类型
nlistempty = np.empty([2,2])
nlist_empty = np.empty([2,2],dtype=np.int)
print(nlistempty)
print(nlist_empty)
#[[5.e-324 5.e-324] # [0.e+000 0.e+000]] #[[0 0] # [0 0]]
使用reshape方法来反向生成多维数组
nlist_3 = np.array(range(24)).reshape((3,2,4)) print(nlist_3) print(nlist_3.shape) nlist_float = np.array([1.0,2.0]) print(nlist_float.dtype) #使用字符串 nlist_string=np.array(['1','2','3']) print(nlist_string.dtype) #[[[ 0 1 2 3] # [ 4 5 6 7]] # # [[ 8 9 10 11] # [12 13 14 15]] # # [[16 17 18 19] # [20 21 22 23]]] #(3, 2, 4) #float64 #<U1
把普通list转换为数组
x = [1,2,3] x = [(1,2,3),(4,5)] nlist = np.asarray(x) print(nlist) #[(1, 2, 3) (4, 5)]
frombuffer 通过字符串（buffer内存地址）切片来生成多维数组
my_str = b"hello world" nlist_str = np.frombuffer(my_str,dtype='S1') print(nlist_str) #[b'h' b'e' b'l' b'l' b'o' b' ' b'w' b'o' b'r' b'l' b'd']
axis 属性可以指定当前多维数组的维度(0表示行,1表示列 keepdims表示结构)
sum0 = np.sum(x,axis=0,keepdims=False) print(sum0) sum1 = np.sum(x,axis=1,keepdims=1) sum = np.sum(x,axis=1,keepdims=0) print(sum1,sum) #[4 6] #[[3] # [7]] #[3 7]
维度级的运算
a = np.array([[1,2],[3,4],[5,6]]) b = np.array([[10,20],[30,40],[50,60]]) #vstack方法 suma = np.vstack((a,b)) print(suma) print("-"*30) #hstack方法 sumb = np.hstack((a,b)) print(sumb) #[[ 1 2] #[ 3 4] # [ 5 6] # [10 20] # [30 40] # [50 60]] ------------------------------ #[[ 1 2 10 20] # [ 3 4 30 40] # [ 5 6 50 60]]
多维数组的调用
nlist=np.array([[1,2],[3,4],[5,6]]) print(nlist[1][1]) print(nlist[1,1]) #删除方法 delete #s删除nlist第二行 print(np.delete(nlist,1,axis=0)) print(np.delete(nlist,0,axis=1)) #4 #4 #[[1 2] # [5 6]] #[[2] # [4] # [6]]
**未完待续