1、Numpy基础
NumPy是什么?
NumPy是科学计算的基本包在Python中。 这是一个Python库,它提供了一个多维数组对象, 各种派生的对象(如蒙面数组和矩阵),和一个 快速操作数组的各式各样的例程,包括 数学、逻辑、形状操作、排序选择、I / O, 离散傅里叶变换,基本的线性代数,基本统计 操作,随机模拟和更多。
1、Numpy数组对象：
NumPy中的 ndarray 是一个多维数组对象，该对象由两部分组成：
实际的数据
描述这些数据的元数据
大部分的数组操作仅仅修改元数据部分，而不改变底层的实际数据NumPy数组一般是同质的（但有一种特殊的数组类型例外，它是异质的），即数组中的所有元素类型必须是一致的。
NumPy数组类的ndarray。 也是已知的别名array。 请注意,numpy.array不一样的标准吗 Python库类array.array,它只处理一维 数组和提供功能比较少。 更重要的一个属性 象是ndarray:
#ndarray类的属性,别名为array ndarray.ndim #(也可以为array.ndim下面类似)数组的维度
ndarray.shape #数组的行数和列数
ndarray.size#数组的大小，数组元素的总和
ndarray.dtype#对象数组的数据类型
ndarray.itemsize#每个数组元素的字节大小
ndarray.data#缓冲区包含实际的元素的数组。 通常,我们 不需要使用这个属性,因为我们将访问元素 在使用数组索引设施。
import numpy as np
array = np.array([[1,2,3],[2,3,4]])
print(array)
print(array.ndim)
print(array.shape)
print(array.size)
print(array.dtype)
print(array.itemsize)
print(array.data)
结果：
2、创建数组：
array：创建数组dtype：指定数据类型zeros：创建数据全为0ones：创建数据全为1empty：创建数据接近0arrange：按指定范围创建数据linspace：创建线段
- 创建普通的数组：
import numpy as np
array = np.array([[1,2,3],[2,3,4]])#数组的类型为默认类型
array1 = np.array([[1,2,3],[2,3,4]],dtype=np.int16)#设置自己想要的数据类型
print(array.dtype)
print(array1.dtype)结果;
Numpy支持的数据类型;
创建全为零和全为一的数组：empty创建全空数组,
>>> np.zeros( (3,4) )
array([[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.]])
>>> np.ones( (2,3,4), dtype=np.int16 ) # dtype can also be specified
array([[[ 1, 1, 1, 1],
[ 1, 1, 1, 1],
[ 1, 1, 1, 1]],
[[ 1, 1, 1, 1],
[ 1, 1, 1, 1],
[ 1, 1, 1, 1]]], dtype=int16)
>>> np.empty( (2,3) ) # uninitialized, output may vary
array([[ 3.73603959e-262, 6.02658058e-154, 6.55490914e-260],
[ 5.30498948e-313, 3.14673309e-307, 1.00000000e+000]])- 用
arange创建连续数组:
- 用
linspace创建线段型数据:
3、创建自定义数据类型：
自定义数据类型是一种异构数据类型，与C语言和C++语言的结构体类似，可以用来实现结构体
1.创建数据类型：
import numpy as np
t = np.dtype({'names':['name','numitems','price'],
'formats':[np.str,np.uint32,np.float32]})
a = np.array([("jhf",54, 78.2),('hvgh',89,12.2)],dtype=t)
print(a.dtype)
print(a[1])
结果：
2.一维数组的索引和切片
In [2]: a = np.arange(9)
print(a[3:7])
结果:[3 4 5 6]
3.多维数组的切片与索引
# -*- coding: utf- -*-
import numpy as np
b = np.arange().reshape(,,)
print(b.shape)
print(b)
结果：
(2, 3, 4)
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]] [[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
多维数组 b 中有 0 ~ 23 的整数，共 24 个元素，是一个2×3×4的三维数组。我们可以形象地把它看做一个两层楼建筑，每层楼有12个房间，并排列成3行4列。或者，我们也可以将其看成是电子表格中工作表（sheet）、行和列的关系。你可能已经猜到， reshape 函数的作用是改变数组的“形状”，也就是改变数组的维度，其参数为一个正整数元组，分别指定数组在每个维度上的大小。如果指定的维度和数组的元素数目不相吻合，函数将抛出异常
4. 改变数组的维度：
- （ravel（）函数）将数组展平
1 # -*- coding: utf-8 -*-
2 import numpy as np
3 b = np.arange(24).reshape(2,3,4)
4 print(b)
5 print(b.ravel())结果：
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]] [[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23] - （flatten（）函数） 这个函数恰如其名， flatten 就是展平的意思，与 ravel 函数的功能相同。不过， flatten 函数会请求分配内存来保存结果，而 ravel 函数只是返回数组的一个视图（view）：
# -*- coding: utf-8 -*-
import numpy as np
b = np.arange(24).reshape(2,3,4)
print(b)
print(b.ravel())
a=b.flatten()
print(a)结果：
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]] [[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23] 用元组设置维度 除了可以使用 reshape 函数，我们也可以直接用一个正整数元组来设置数组的维度，如下所示：
# -*- coding: utf-8 -*-
import numpy as np
b = np.arange(24).reshape(2,3,4)
b.shape = (6,4)
print(b)结果：
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]- (transpose()函数或者array.T )在线性代数中，转置矩阵是很常见的操作。对于多维数组，我们也可以这样做：
# -*- coding: utf-8 -*-
import numpy as np
b = np.arange(24).reshape(6,4)
print(b)
print('\n')
print(b.transpose())
print('\n')
#或者b.T
print(b.T)结果：
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]
[16 17 18 19]
[20 21 22 23]] [[ 0 4 8 12 16 20]
[ 1 5 9 13 17 21]
[ 2 6 10 14 18 22]
[ 3 7 11 15 19 23]] [[ 0 4 8 12 16 20]
[ 1 5 9 13 17 21]
[ 2 6 10 14 18 22]
[ 3 7 11 15 19 23]] - （ resize（）函数） resize 和 reshape 函数的功能一样，但 resize 会直接修改所操作的数组：
# -*- coding: utf-8 -*-
import numpy as np
b = np.arange(24).reshape(6,4)
print(b)
b.resize((2,12))
print(b)结果：
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]
[[ 0 1 2 3 4 5 6 7 8 9 10 11]
[12 13 14 15 16 17 18 19 20 21 22 23]]
5.组合数组
- 创建两个数组：
# -*- coding: utf-8 -*-
import numpy as np
a = np.arange(9).reshape(3,3)
print(a)
print('\n')
b = 2*a
print(b)结果：
[[0 1 2]
[3 4 5]
[6 7 8]] [[ 0 2 4]
[ 6 8 10]
[12 14 16]] - 水平组合：
1.hstack 函数实现# -*- coding: utf-8 -*-
import numpy as np
a = np.arange(9).reshape(3,3)
b = 2*a
print(np.hstack((a,b)))结果：
[[ 0 1 2 0 2 4]
[ 3 4 5 6 8 10]
[ 6 7 8 12 14 16]]2. concatenate 函数来实现
# -*- coding: utf-8 -*-
import numpy as np
a = np.arange(9).reshape(3,3)
b = 2*a
print(np.concatenate((a,b),axis=1))结果：
[[ 0 1 2 0 2 4]
[ 3 4 5 6 8 10]
[ 6 7 8 12 14 16]] - 垂直组合：
1.vstack函数实现：# -*- coding: utf-8 -*-
import numpy as np
a = np.arange(9).reshape(3,3)
b = 2*a
print(a)
print()
print(b)
print()
print(np.vstack((a,b)))结果：
[[0 1 2]
[3 4 5]
[6 7 8]] [[ 0 2 4]
[ 6 8 10]
[12 14 16]] [[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 0 2 4]
[ 6 8 10]
[12 14 16]]2. concatenate 函数的 axis 参数设置为0即可实现
# -*- coding: utf-8 -*-
import numpy as np
a = np.arange(9).reshape(3,3)
b = 2*a
print(a)
print()
print(b)
print()
print(np.concatenate((a,b),axis= 0))结果;
[[0 1 2]
[3 4 5]
[6 7 8]] [[ 0 2 4]
[ 6 8 10]
[12 14 16]] [[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 0 2 4]
[ 6 8 10]
[12 14 16]] 深度组合 将相同的元组作为参数传给 dstack 函数，即可完成数组的深度组合.深度组合，就是将一系列数组沿着纵轴（深度）方向进行层叠组合。举个例子，有若干张二维平面内的图像点阵数据，我们可以将这些图像数据沿纵轴方向层叠在一起，这就形象地解释了什么是深度组合。
# -*- coding: utf-8 -*-
import numpy as np
a = np.arange(9).reshape(3,3)
b = 2*a
print(a)
print()
print(b)
print()
print(np.dstack((a,b)))结果：
[[0 1 2]
[3 4 5]
[6 7 8]] [[ 0 2 4]
[ 6 8 10]
[12 14 16]] [[[ 0 0]
[ 1 2]
[ 2 4]] [[ 3 6]
[ 4 8]
[ 5 10]] [[ 6 12]
[ 7 14]
[ 8 16]]]- 列组合 column_stack 函数对于一维数组将按列方向进行组合
# -*- coding: utf-8 -*-
import numpy as np
noed =np.arange(2)
twod = noed *2
c = np.column_stack((noed,twod))
print(noed)
print()
print(twod)
print()结果：
[0 1] [0 2] [[0 0]
[1 2]]而对于二维数组， column_stack 与 hstack 的效果是相同的
# -*- coding: utf-8 -*-
import numpy as np
a = np.arange(9).reshape(3,3)
b = 2*a
print(a)
print()
print(b)
print()
c = np.column_stack((a,b))
print(c)
print(c==np.hstack((a,b)))结果：
[[0 1 2]
[3 4 5]
[6 7 8]] [[ 0 2 4]
[ 6 8 10]
[12 14 16]] [[ 0 1 2 0 2 4]
[ 3 4 5 6 8 10]
[ 6 7 8 12 14 16]]
[[ True True True True True True]
[ True True True True True True]
[ True True True True True True]] 行组合 当然，NumPy中也有按行方向进行组合的函数，它就是 row_stack 。对于两
个一维数组，将直接层叠起来组合成一个二维数组# -*- coding: utf-8 -*-
import numpy as np
noed =np.arange(2)
twod = noed *2
c = np.row_stack((noed,twod))
print(noed)
print()
print(twod)
print()
print(c)结果：
[0 1] [0 2] [[0 1]
[0 2]]对于二维数组， row_stack 与 vstack 的效果是相同的
# -*- coding: utf-8 -*-
import numpy as np
a = np.arange(9).reshape(3,3)
b = 2*a
print(a)
print()
print(b)
print()
print(np.row_stack((a,b)))
print()
print(np.row_stack((a,b)) == np.vstack((a,b)))结果：
[[0 1 2]
[3 4 5]
[6 7 8]] [[ 0 2 4]
[ 6 8 10]
[12 14 16]] [[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 0 2 4]
[ 6 8 10]
[12 14 16]] [[ True True True]
[ True True True]
[ True True True]
[ True True True]
[ True True True]
[ True True True]]
6.数组分割
NumPy数组可以进行水平、垂直或深度分割，相关的函数有 hsplit 、 vsplit 、 dsplit 和split 。我们可以将数组分割成相同大小的子数组，也可以指定原数组中需要分割的位置。
- 水平分割
# -*- coding: utf-8 -*-
import numpy as np
a = np.arange(9).reshape(3,3)
b = 2*a
print(a)
print()
print(np.hsplit(a,3))结果：
[[0 1 2]
[3 4 5]
[6 7 8]] [array([[0],
[3],
[6]]),
array([[1],
[4],
[7]]),
array([[2],
[5],
[8]])]对同样的数组，调用 split 函数并在参数中指定参数 axis=1
# -*- coding: utf-8 -*-
import numpy as np
a = np.arange(9).reshape(3,3)
b = 2*a
print(a)
print()
print(np.split(a,3,axis = 1))结果：
[[0 1 2]
[3 4 5]
[6 7 8]] [array([[0],
[3],
[6]]),
array([[1],
[4],
[7]]),
array([[2],
[5],
[8]])] 垂直分割
vsplit 函数将把数组沿着垂直方向分割：
In: vsplit(a, 3)
Out: [array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]
同样，调用 split 函数并在参数中指定参数 axis=0 ，也可以得到同样的结果：
In: split(a, 3, axis=0)
Out: [array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]- 深度分割 不出所料， dsplit 函数将按深度方向分割数组
# -*- coding: utf-8 -*-
import numpy as np
a = np.arange(27).reshape(3,3,3)
print(a.shape)
print(a)
b = np.dsplit(a,3)
print(b)
print(type(b))结果：
(3, 3, 3)
[[[ 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]]]
[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]]])]
<class 'list'>我们用 hsplit 、 vsplit 、 dsplit 和 split 函数进行了分割数组的操作
- 水平分割
1、Numpy基础的更多相关文章
- 利用Python进行数据分析(5) NumPy基础: ndarray索引和切片
概念理解 索引即通过一个无符号整数值获取数组里的值. 切片即对数组里某个片段的描述. 一维数组 一维数组的索引 一维数组的索引和Python列表的功能类似: 一维数组的切片 一维数组的切片语法格式为a ...
- 《利用python进行数据分析》读书笔记--第四章 numpy基础：数组和矢量计算
http://www.cnblogs.com/batteryhp/p/5000104.html 第四章 Numpy基础:数组和矢量计算 第一部分:numpy的ndarray:一种多维数组对象 实话说, ...
- 利用Python进行数据分析——Numpy基础：数组和矢量计算
利用Python进行数据分析--Numpy基础:数组和矢量计算 ndarry,一个具有矢量运算和复杂广播能力快速节省空间的多维数组 对整组数据进行快速运算的标准数学函数,无需for-loop 用于读写 ...
- numpy 基础操作
Numpy 基础操作¶ 以numpy的基本数据例子来学习numpy基本数据处理方法 主要内容有: 创建数组 数组维度转换 数据选区和切片 数组数据计算 随机数 数据合并 数据统计计算 In [1]: ...
- Numpy 基础
Numpy 基础 参考https://www.jianshu.com/p/83c8ef18a1e8 import numpy as np 简单创建数组 # 创建简单列表 a = [1, 2, 3, 4 ...
- [转]python与numpy基础
来源于:https://github.com/HanXiaoyang/python-and-numpy-tutorial/blob/master/python-numpy-tutorial.ipynb ...
- python学习笔记（三）：numpy基础
Counter函数可以对列表中数据进行统计每一个有多少种 most_common(10)可以提取前十位 from collections import Counter a = ['q','q','w' ...
- Numpy基础数据结构 python
Numpy基础数据结构 NumPy数组是一个多维数组对象,称为ndarray.其由两部分组成: 实际的数据 描述这些数据的元数据 1.一维数组 import numpy as np ar = np.a ...
- Python Numpy基础教程
Python Numpy基础教程 本文是一个关于Python numpy的基础学习教程,其中,Python版本为Python 3.x 什么是Numpy Numpy = Numerical + Pyth ...
- NumPy基础操作
NumPy基础操作(1) (注:记得在文件开头导入import numpy as np) 目录: 数组的创建 强制类型转换与切片 布尔型索引 结语 数组的创建 相关函数 np.array(), np. ...
随机推荐
- git配置和使用
1.注册bitbucket用户登录bitbucket站点https://bitbucket.org/注册一个用户,注册后用户名为linjiqin,邮箱为linjiqin@dkhs.com. 2.Cre ...
- Python名称空间和闭包
一.名称空间 1.定义:又名 name space,顾名思义,就是存放名字的地方.比如:若变量x = 1,1存放在内存中, 而名称空间正是存放名字x与1绑定关系的地方. 2.分类: locals : ...
- Apache Hive 简介及安装
简介 Hive 是基于 Hadoop 的一个数据仓库工具,可以将结构化的数据文件 映射为一张数据库表,并提供类 SQL 查询功能. 本质是将 SQL 转换为 MapReduce 程序. 主要用途:用来 ...
- 刷题向》DP》放苹果 (normal)
这篇博客可能字数比较多,而且很难讲清楚,我会努力给你们讲清楚: 首先,放苹果是一道DP,之所以难,是因为很难想到,我的确有同学用三维数组做出来,然而三维的的确比二维好理解,但三维复杂度太高,虽然DP一 ...
- 824. Goat Latin山羊拉丁文
［抄题］: A sentence S is given, composed of words separated by spaces. Each word consists of lowercase ...
- 268. Missing Number序列中遗失的数字
［抄题］: Given an array containing n distinct numbers taken from 0, 1, 2, ..., n, find the one that is ...
- Sublime Text notes
1. 设置在窗口右下方显示文件的编码,在user preferences里加上以下的配置 2.设置用新标签页打开新文件而不是用新窗口打开,将以下配置改为false(默认为true)
- c语言实践 数字特征值
这题的要求是这样的: 这题我没做出来,我大概思路是这样的,根据输入的数字,把这个数字的每一位都分离出来,然后判断奇数还是偶数,再判断序是奇数还是偶数,最后两个奇偶性比较,输出1还是0,这个输出的1和0 ...
- Linux PulseAudio
一.简介 Linux的声音系统或许是最无序的子系统部分!作为Server来说,声音无足轻重,无人问津,而作为桌面来说太多的实现方案,各有各的长出和不足,ALSA经过多年的发展,基本统一了Linux声卡 ...
- Apache htdigest命令
一.简介 htdigest命令是Apache的Web服务器内置工具,用于创建和更新储存用户名.域和用于摘要认证的密码文件.服务器上的资源可以被限制为仅允许由htdigest建立的文件中的用户访问.使用 ...