科学计算工具包：Numpy
高级数值编程工具
- 强大的N维数组对象：ndarray
- 对数组结构数据进行运算（不用遍历循环）
- 随机数、线性代数、傅里叶变换等功能
基础数据结构
- 数组的属性
- ar.ndim：输出数组维度的个数（轴数），或者说‘秩’
- ar.shape：输出数组的维度，对于n行m列的数组，shape为（n,m）
- ar.size：输出数组中元素的个数
- type(ar),ar.dtype：输出数组的类型以及其中元素的类型
- ar.itemsize：输出数组中每个元素的字节大小，int32l类型字节为4，float64的字节为8
- ar.data：含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性
- 创建数组
- arange()，类似range()，在给定间隔内返回均匀间隔的值
- linspace(): 返回在间隔[开始，停止]上计算的num个均匀间隔的样本
- zeros()/zeros_like()/ones()/ones_like() ：生成全0或1的数组
- eye()，创建单位矩阵，主对角线数值为1，其余为0
通用函数
- 数组形状：均生成新数组
- 转置：ar.T：原shape为(3,4)/(2,3,4)，转置结果为(4,3)/(4,3,2) → 所以一维数组转置后结果不变
- reshape：改变目标数组的形状（需与原数组元素个数相同）
- resize：返回具有指定形状的新数组，如有必要可重复元素
- 数组的复制
- ‘=’赋值运算，同列表相同，指向内存同一个值，同时改变 (浅拷贝)
- copy 方法生成数组及其数据的完整拷贝，不同时改变 (深拷贝)
- 数组类型转换
- a.astype()：转换数组类型
- 数组类型用np.int32
- 数组堆叠
- numpy.hstack(tup)：水平（按行顺序）堆叠数组
- numpy.vstack(tup)：垂直（按列顺序）堆叠数组
- numpy.stack(arrays, axis=0)：沿着新轴连接数组的序列，形状必须一样！
- axis=0：[[1 2 3] [4 5 6]]，shape为(2,3)
- axis=1：[[1 4] [2 5] [3 6]]，shape为(3,2)
- 数组拆分
- numpy.hsplit(ary, indices_or_sections)：将数组水平（逐列）拆分为多个子数组 → 按列拆分
- numpy.vsplit(ary, indices_or_sections)：将数组垂直（行方向）拆分为多个子数组 → 按行拆
- 数组简单运算
- 与标量的运算：数序运算
- 最大值/最小值/平均值/方差/标准差
- np.sum(ar,axis=0) ：axis为0，按列求和
- np.sum(ar,axis=1) ：axis为1，按行求和
索引及切片
- 基本索引及切片
- 一维数组索引及切片,与列表相同
- 二维数组索引及切片
- ar[2]: 切片为下一维度的一个元素，所以是一维数组
- ar[2][2] : 二次索引，得到一维数组中的一个值
- ar[2:4]，切片为两个一维数组组成的二维数组
- ar[2,2]，切片数组中的第三行第三列，行列用逗号隔开区分
- ar[:2,1:]，切片数组中的1,2行、2,3,4列 → 二维数组
- 二维数组索引及切片
- ar3[0]，三维数组的下一个维度的第一个元素 → 一个二维数组
- ar3[0][0]：三维数组的下一个维度的第一个元素下的第一个元素 → 一个一维数组
- ar3[0][0][1]：维度为0，单个数值
- 布尔型索引及切片
- 以布尔型的矩阵去做筛选
- ar1[i,:]：在第一维度做判断，只保留True，这里第一维度就是行，ar[i,:] = ar[i]（简单书写格式）
- ar1[:,j]：在第二维度做判断，这里如果ar[:,i]会有警告，因为i是3个元素，而ar在列上有4个
- 数组索引及切片的值更改、复制
- 一个标量赋值给一个索引/切片时，会自动改变/传播原始数组
- 复制：独立，不改变原始数组
随机数：numpy.random
- 标准正态分布：np.random.normal(size=(4,4))
- 均匀分布：
- numpy.random.rand(d0, d1, ..., dn)：生成一个[0,1)之间的随机浮点数或N维浮点数组
- 生成一个随机浮点数：np.random.rand()
- 生成形状为4的一维数组：np.random.rand(4)
- 生成形状为2*3的二维数组，注意这里不是((2,3))：np.random.rand(2,3)
-
- 正态分布：
- numpy.random.randn(d0, d1, ..., dn)：生成一个浮点数或N维浮点数组，用法同上
- 随机分布：
- numpy.random.randint(low, high=None, size=None, dtype='l')：生成一个整数或N维整数数组
- 若high不为None时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数，且high必须大于low
- np.random.randint(2)：low=2：生成1个[0,2)之间随机整数
- np.random.randint(2,size=5)：low=2,size=5 ：生成5个[0,2)之间随机整数
- np.random.randint(2,6,size=5)：low=2,high=6,size=5：生成5个[2,6)之间随机整数
- np.random.randint(5,size=(2,3))：low=5,size=(2,3)：生成一个2x3整数数组,取数范围：[0,5)随机整数
- np.random.randint(2,6,(3,5))：low=2,high=6,size=(3,5)：生成一个3*5整数数组,取值范围：[2,6)随机整数
- dtype参数：只能是int类型
数据的输入和输出
- 存储数组数据 .npy文件
- import os
ar = np.random.rand(5,5)
print(ar)
np.save('test.npy',ar)
print('Over')
- 读取数组数据 .npy文件
- ar_load = np.load('test.npy')
print(ar_load)
- 存储/读取文本txt文件
- 存储：np.savetxt
- np.savetxt(fname, ar, fmt='%.18e', delimiter=' ', newline='\n', header='', footer='', comments='# ')
- 读取：np.loadtxt
本文地址：https://blog.csdn.net/FlizhN/article/details/107407480
如对本文有疑问，
点击进行留言回复！！
我要评论
网友评论