Numpy学习笔记

import numpy as np

创建数组

使用numpy生成list

>>> a = np.array([1,3,5,7,9])
>>> a

array([1, 3, 5, 7, 9])

传入的参数不是同一结构将发生转换。

>>> b = np.array([1,2.5,'3'])
>>> b

array(['1', '2.5', '3'], dtype='<U32')

NumPy还提供了便捷地创建特定数组的方式。

>>> c = np.zeros((3,4))
>>> c

array([[0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])

>>> d = np.ones((3,3))
>>> d

array([[1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])

>>> e = np.arange(15).reshape(3,5)
>>> e

array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

>>> f = np.arange(0,15,3)
>>> f

array([ 0,  3,  6,  9, 12])

基本操作

对数组中的算术操作是元素对应的。

>>> a**2

array([ 1,  9, 25, 49, 81], dtype=int32)

>>> g = f-a
>>> g

array([-1,  0,  1,  2,  3])

>>> a<5

array([ True,  True, False, False, False])

在NumPy中，*用于数组间元素对应的乘法，而不是矩阵乘法，矩阵乘法可以用dot()方法来实现。

其结果是对两个数组对一个位置上的数进行加减乘除，数组算术操作的结果会存放在一个新建的数组中。

>>> A = np.array([[1,2],
              	[3,4]])
>>> B = np.array([[0,1],
              	[0,1]])

>>> A*B

array([[0, 2],
       [0, 4]])

>>> A.dot(B)

array([[0, 3],
       [0, 7]])

有些操作，如*=，+=，-=，/=等操作，会直接改变需要操作的数组，而不是创建一个新的数组。

>>> A *= 2
>>> A

array([[2, 4],
       [6, 8]])

当操作不同类型的数组时，最终的结果数组的类型取决于精度最宽的数组的类型。（即所谓的向上造型）

>>> a = np.ones(3, dtype=np.int32)
>>> b = np.random.random((2,3))
>>> b.dtype.name

'float64'

>>> c = a+b
>>> c.dtype.name

'float64'

ndarray类实现了许多操作数组的一元方法，如求和、求最大值、求最小值等。

>>> A

array([[2, 4],
       [6, 8]])

>>> A.sum()

20

>>> A.min()

2

>>> A.max()

8

NumPy还提供了操作数组中特定行和列的一元方法，通过制定不同的axis来实现。

>>> A.sum(axis=0)    # 计算行和

array([ 8, 12])

>>> A.sum(axis=1)    # 计算列和

array([ 6, 14])

shape操作

改变数组的shape

Numpy中数组shape由每个轴上元素的个数决定的。

>>> a = np.ones((3,4))
>>> a

array([[1., 1., 1., 1.],
       [1., 1., 1., 1.],
       [1., 1., 1., 1.]])

>>> a.shape

(3, 4)

NumPy中数组的shape是可以通过多种方式进行改变的，下面展示三种改变数组shape而不改变当前数组的方法。

>>> a.ravel()

array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])

>>> a.reshape(2,-1)

array([[1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1.]])

>>> a.T

array([[1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]])

NumPy还提供了可以直接修改原始数组shape的方法——resize()。

resize()方法和reshape()方法的最主要区别在于，resize() 方法会直接更改原数组。

>>> a.resize(2,6)
>>> a

array([[1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1.]])

数组堆叠和切片

NumPy支持将多个数据按照不同的轴进行堆叠。

hstack()实现数组横向堆叠，vstack()实现数组纵向堆叠。

>>> a = np.floor(10*np.random.random((2,2)))
>>> b = np.floor(10*np.random.random((2,2)))

>>> a

array([[7., 7.],
       [7., 4.]])

>>> b

array([[2., 9.],
       [2., 5.]])

>>> np.hstack((a,b))

array([[7., 7., 2., 9.],
       [7., 4., 2., 5.]])

>>> np.vstack((a,b))

array([[7., 7.],
       [7., 4.],
       [2., 9.],
       [2., 5.]])

除了支持数组的横向和纵向堆叠之外，NumPy还支持数组的横向和纵向分割。split()方法默认为横线分割。

>>> np.split(a,2)

[array([[7., 7.]]), array([[7., 4.]])]

>>> np.hsplit(a,2)

[array([[7.],
        [7.]]), array([[7.],
        [4.]])]

>>> np.vsplit(a,2)

[array([[7., 7.]]), array([[7., 4.]])]

复制和视图

NumPy中，数组的复制有三种方式：

• Python通用的地址复制：通过 b = a 复制 a 的值，b 与 a 指向同一地址，改变 b 同时也改变 a。
• 通过视图ndarray.view() 复制值，当对 c 值进行改变会改变 a 的对应的值，而改变 c 的 shape 不改变 a 的 shape。
• ndarray.copy() 进行的完整的拷贝，产生一份完全相同的独立的复制。

地址复制

>>> a = np.arange(12)
>>> a

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])

>>> b = a 
>>> b

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])

>>> print(b is a)

True

ndarray.view()

>>> c = a.view()
>>> c

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])

>>> print(c is a)

False

>>> c.shape = (3,4)
>>> c[0,0]=520
>>> c

array([[520,   1,   2,   3],
       [  4,   5,   6,   7],
       [  8,   9,  10,  11]])

>>> a

array([520,   1,   2,   3,   4,   5,   6,   7,   8,   9,  10,  11])

ndarray.copy()

>>> d = a.copy()
>>> d

array([520,   1,   2,   3,   4,   5,   6,   7,   8,   9,  10,  11])

>>> print(d is a)

False

>>> d.shape=(4,3)
>>> d[0,1]=1314
>>> d

array([[ 520, 1314,    2],
       [   3,    4,    5],
       [   6,    7,    8],
       [   9,   10,   11]])

>>> a

array([520,   1,   2,   3,   4,   5,   6,   7,   8,   9,  10,  11])

NumPy功能和方法汇总

数组创建汇总

arange, array, copy, empty, empty_like, eye, fromfile, fromfunction, identity, linspace, logspace, mgrid, ogrid, ones, ones_like, r, zeros, zeros_like

数组转换

ndarray.astype, atleast_1d, atleast_2d, atleast_3d, mat

操作

array_split, column_stack, concatenate, diagonal, dsplit, dstack, hsplit, hstack, ndarray.item, newaxis, ravel, repeat, reshape, resize, squeeze, swapaxes, take, transpose, vsplit, vstack

问题

all, any, nonzero, where

排列

argmax, argmin, argsort, max, min, ptp, searchsorted, sort

运算

choose, compress, cumprod, cumsum, inner, ndarray.fill, imag, prod, put, putmask, real, sum

基础统计

cov, mean, std, var

基本线性代数

cross, dot, outer, linalg.svd, vdot