Numpy的使用

1.创建数组

函数	功能
array(x)	根据列表或元组x创建数组(数组可能是多维的)
arange(x, y, i)	创建一维数组，元素等价于range(x, y, i)
linspace(x, y, n)	创建一个由区间[x, y]的n-1等分点构成的一维数组，包含x和y
random.randint(x,y,n)	创建一个一维数组，包含n个范围在[x, y]之间的随机整数
random.rand(*dn)	dn代表dimension，调用的时候不需要传入tuple，只需要传入每一个维度的长度，维数之间用逗号分隔。eg. rand(2, 3, 4)，返回来一个三维数组，长度分别是2，3，4
random.random_sample(shape)	创建一个形状为shape，元素为[0, 1.0)之间的数，若参数是一个单独的数，则创建一个n个数的一维数组
zeros(shape)	同上，只不过元素为0.0
ones(shape)	同上，只不过元素为1.0

代码展示

import numpy as np

l = [1, 2,4, 5]
martix = [
    [2, 3,4, 5],
    [4, 5, 6, 7]
]
narray = np.array(l)
npmartix = np.array(martix)
print(narray)  # [1 2 4 5]
print(npmartix)
# [[2 3 4 5]
#  [4 5 6 7]]

nprange = np.arange(10, 21, 2)
print(nprange)
# [10 12 14 16 18 20]

line = np.linspace(0, 10, 6)
print(line)
# [ 0.  2.  4.  6.  8. 10.]

rand = np.random.randint(10, 20, 10)
print(rand)
# [19 18 12 19 14 13 18 11 13 10]

zeros = np.zeros((2, 3))
print(zeros)
# [[0. 0. 0.]
#  [0. 0. 0.]]

ones = np.ones((2, 3))
print(ones)
# [[1. 1. 1.]
#  [1. 1. 1.]]

print(np.random.random_sample((2, 3)))
# [[0.40496204 0.68582804 0.23432677]
#  [0.44138117 0.85704346 0.24691917]]

print(np.random.rand(2,2,2))
# [[[0.14219542 0.40372185]
#   [0.85191046 0.91525198]]

#  [[0.93477104 0.74098469]
#   [0.19136794 0.40864522]]]

2.numpy数组常用属性和方法

属性	含义
dtype	数组元素的类型
ndim	数组的维度
shape	数组的形状，即每一维的长度
size	数组元素个数

代码展示

import numpy as np

array = np.array([1,2,3,4,5,6])
print(array)    # [1 2 3 4 5 6]
print(array.dtype)  # int32
print(array.ndim)  # 1
print(array.size)  # 6
print(array.shape)  # (6,)

newarray = array.reshape((2,3))
print(array)  # [1 2 3 4 5 6]，说明reshape并不会改变原先的数组
print(newarray)
# [[1 2 3]
#  [4 5 6]]
print(newarray.shape)  # (2, 3)
print(newarray.ndim)  # 2

方法	功能
reshape	改变数组的形状
flatten	转换为一维数组
argwhere	查找元素
tolist	转换为list
min	求最小元素
max	求最大元素
sum	求和
mean	求均值

代码展示

import numpy as np

newarray = np.array(
    [[1, 2 ,3],
     [4, 5, 6]]
)

# reshape((-1, 2)) 中的 -1 意味着系统自己计算有多少行
print(newArray.reshape((-1, 2)))
# [[1 2]
#  [3 4]
#  [5 6]]

pos = np.argwhere(newarray == 3)
print(pos)
# [[0 2]]

lst = newarray.tolist()
print(lst)
# [[1, 2, 3], [4, 5, 6]]

print(newarray.min())  # 1
print(newarray.max())  # 6

flat = newarray.flatten()
print(flat)
# [1, 2, 3, 4, 5, 6]

print(newArray.mean())  # 3.5

print(newArray.sum())  # 21

3. numpy添加元素

函数	功能
append(x, y)	若y是数组，列表或者元组，就将y的元素添加进数组x
concatenate((...), axis)	拼接多个数组或列表

numpy数组一旦生成，元素就不能增加或者删除，上面的函数都是返回新的数组

代码展示

import numpy as np

newarray = np.array(
    [[1,2,3,4],
     [2,3,4,5],
     [3,4, 5,6]]
)
addarray = np.random.randint(10,100,4)
print(np.append(newarray, addarray))  
# [ 1  2  3  4  2  3  4  5  3  4  5  6 71 92 95 83]
print(np.append(newarray,10.0))
# [ 1.  2.  3.  4.  2.  3.  4.  5.  3.  4.  5.  6. 10.]
addarray1= np.array(
    [[1,2],
     [2,3],
     [2,3]]
)

print(np.concatenate((newarray,newarray, addarray1),axis=1))
# [[1 2 3 4 1 2 3 4 1 2]
#  [2 3 4 5 2 3 4 5 2 3]
#  [3 4 5 6 3 4 5 6 2 3]]

4. numpy删除数据元素

函数	功能
delete	删除元素得到新数组，注意只能删除其中的一个元素，一维数组可以删除其中的一个数，而二维数组只能删除其中的行或者列

import numpy as np

newarray = np.array(
    [[1,2,3,4],
     [2,3,4,5],
     [3,4, 5,6]]
)

print(np.delete(newarray,[0,1], axis=1))  # 删除第一列和第二列
# [[3 4]
#  [4 5]
#  [5 6]]

5. numpy查找元素

方法	功能
argwhere	查找元素所在位置，位置以ndarray类型返回
in	判断某个元素是否在数组里面
array[condition]	根据condition来抽取array中符合condition的元素组成一个一维数组

代码展示

import numpy as np

array = np.array(
    [[1,2,3,4],
     [2,3,4,5],
     [3,4, 5,6]]
)

# argwhere查找, 返回一个ndarray，包含了查找到的位置
pos = np.argwhere(array==3)
print(pos)
# [[0 2]
#  [1 1]
#  [2 0]]
print(type(pos))
# <class 'numpy.ndarray'>

# in操作
print(2 in array)  # True
print(10 in array)  # False

# 抽取其中的某些元素组成一维数组，注意这是切片操作，实际上得到的是array的视图
b = array[array > 1]
print(b)
# [2 3 4 2 3 4 5 3 4 5 6]

6. numpy中修改元素

可以直接根据下标来修改元素

import numpy as np

array = np.array(
    [[1,2,3,4],
     [2,3,4,5],
     [3,4, 5,6]]
)

array[0][1] = 10
print(array)

7. numpy中的数学运算

数组的运算有三种情况

1. 数组和单个数进行运算，则数组中每个元素都与这个数进行相同的运算
2. 数组和形状相同的数组进行运算，对应元素进行运算
3. 数组和形状不同的数组进行运算，会自动用广播规则

代码展示

import numpy as np

array = np.array(
    [[1,2,3,4],
     [2,3,4,5],
     [3,4, 5,6]]
)

# 和单个数进行运算
print(array + 10)
print(array - 10)
print(array * 10)
print(array / 10)

# 和形状相同的数组进行运算
print(array + array)
print(array * array)
print(array  - array)
print(array / array)

# 运用了广播规则
ten = np.array([10, 10, 10, 10])
print(np.add(array, ten))
# [[11 12 13 14]
#  [12 13 14 15]
#  [13 14 15 16]]

8. numpy数组切片

语法:

• array是一维数组, array[1: 3]， 左闭右开区间
• array是一维数组, array[1:7:2]，左闭右开，每隔两个元素取一个
• array是二维数组, array[1:3, 1:3]， 左闭右开区间

代码展示

import numpy as np

array = np.array(
    [[1,2,3,4],
     [2,3,4,5],
     [3,4, 5,6]]
)

b = array[0:2, 0:2]
print(b)
# [[1 2]
#  [2 3]]

# 没有说明列范围时，默认切割所有列
c = array[1: 3]
print(c)
# [[2 3 4 5]
#  [3 4 5 6]]

# 切片只是视图
b[0][0] = 100
print(b)
# [[100   2]
#  [  2   3]]
print(array)
# [[100   2   3   4]
#  [  2   3   4   5]
#  [  3   4   5   6]]

注意: numpy中数组切片就是视图

9. numpy输出控制

import numpy as np

# 设置浮点数精度，precision
np.set_printoption(precision=2)