Python开发之NumPy的简单使用

前言：主要介绍了NumPy的常用方法。

---

1.NumPy的环境配置

如果你已经配置过matplotlib的环境，就不需要再配置了，如果没有配置请参考我的《Python开发之matplotlib的简单使用（一）》，因为matplotlib包含NumPy的环境。

2.NumPy生成数组和查看数据类型

• 可以使用np.array或者np.arange方法来生成数组。
• 常用的数据类型有整型、浮点型、布尔型、复数型（不常用）

代码：

import numpy as np
import random

#使用numpy生成数组，得到ndarray的类型
t1 = np.array([1,2,3])
print("t1:",t1)
print("t1的类型",type(t1))

t2 = np.array(range(10))
print("t2:",t2)
print("t2的类型",type(t2))

t3 = np.arange(4,10,2)
print("t3:",t3)
print("t3的类型",type(t3))
print("t3的数据类型",t3.dtype)

#numpy中的数据类型
t4 = np.array(range(1,4), dtype="i1")
print("t4:",t4)
print("t4的数据类型",t4.dtype)

#numpy中的bool类型
t5 = np.array([1,1,0,1,0,0], dtype=bool)
print("t5:",t5)
print("t5的数据类型",t5.dtype)

#调整数据类型
t6 = t5.astype("int8")
print("t6:",t6)
print("t6的数据类型",t6.dtype)

#numpy中的小数
t7 = np.array([random.random() for i in range(10)])
print("t7:",t7)
print("t7的数据类型",t7.dtype)

t8 = np.round(t7,2)
print("t8",t8)
print("t8的数据类型",t8.dtype)

输出：

3.NumPy的形状

代码：

import numpy as np

a = np.array([[2,4,5,6,7,8],[4,5,6,7,8,9]])#一个数组
print("a：",a)
print("a的形状：",a.shape)#查看数组的形状
b = a.reshape(3,4)
print("b的形状：",b.shape)
print("b：",b)

#把数组转换成一维数组
print("b转换成1维数组：",b.reshape(1,12))#不是
print("b的flatten方法",b.flatten())#是

输出：

4.数组和数的计算

代码：

import numpy as np
a = np.array([[2,4,5,6,7,8],[4,5,6,7,8,9]])#一个数组
print("a:",a)
print("a+2:",a+2)
print("a*3",a*3)

输出：

5.数组和数组的计算

代码1：

import numpy as np

a = np.array([[2,4,5,6,7,8],[4,5,6,7,8,9]])#一个数组
b = np.array([[21,22,23,24,25,26],[27,27,29,30,31,32]])#一个数组
print("a的值：\n",a)
print("b的值：",b)
print("a+b的值：\n",(a+b))
print("a*b的值：\n",(a*b))
c = np.array([1,2,3,4,5,6])
print("c的值：",c)
print("a-c的值：\n",(a-c))

输出1：

代码2：

扫描二维码关注公众号，回复： 10462756 查看本文章

import numpy as np

a = np.array([[3,4,5,6,7,8],[4,5,6,7,8,9]])#一个数组
c = np.array([1,2,3,4,5,6])
print("c的值：",c)
print("a-c的值：",(a-c))
print("a*c的值：",(a*c))

输出2：

代码3：

import numpy as np

a = np.array([[3,4,5,6,7,8],[4,5,6,7,8,9]])#一个数组
c = np.array([[1],[2]])
print("a的值：",a)
print("c的值：",c)
print("c+a的值：",(c+a))
print("a*c的值：",(a*c))
print("c*a的值：",(c*a))

输出3：

6.loadtxt和savetxt（重点）

loadtxt：读取txt文件
savetxt：存储txt文件

np.loadtxt(FILENAME, dtype=int, delimiter=’ ')
np.savetxt(FILENAME, a, fmt="%d", delimiter=",")

接下来我们读取一个data.txt数据
内容截图：

代码：

import numpy as np
data_file_path = "data.txt"
t1 = np.loadtxt(data_file_path,delimiter=",",dtype="int",unpack=False)
print("t1的类型:",type(t1))
print("t1的数据类型:",t1.dtype)
print("t1的形状:",t1.shape)
print("t1的内容：\n",t1)

输出：

存储代码：

import numpy as np
t2 = np.array([[1,2,3,4,5],[11,22,33,44,55]])
np.savetxt("t2.txt", t2, fmt="%d", delimiter=",")

输出：

7.索引和切片（重点）

代码：

import numpy as np

data_file_path = "data.txt"

t1 = np.loadtxt(data_file_path,delimiter=",",dtype="int",unpack=False)
print("t1的类型:",type(t1))
print("t1的数据类型:",t1.dtype)
print("t1的形状:",t1.shape)
print("t1的内容：\n",t1)
print("*"*100)


#取行
print("取第3行：",t1[2])

#取连续的多行
print("取第3行以后的（包括第3行）：",t1[2:])

#取不连续的多行
print("取第3行、9行、11行：",t1[[2,8,10]])
print("取第2行：",t1[1,:])
print("取第3行以后（包括第3行）：",t1[2:,:])
print("取第3行、11行、4行：",t1[[2,10,3],:])

#取列
print("取第1列：",t1[:,0])#第一列

#取连续的列
print("取第3列以后（包括第三列）：",t1[:,2:])

#取不连续的多列
print("取第1列和第3列：",t1[:,[0,2]])

#取行和列，取第三行，第四列
a = t1[2,3]
print(a)
print(type(a))

#取第三行到第五行，第二列到第四列的结果
b = t1[2:5,1:4]
print(b)

#取多个不相邻的点
c = t1[[0,2,3],[0,1,3]]
print(c)

输出：

8.转置

代码：

import numpy as np
t = np.array([[0,1,2,3,4,5],[6,7,8,9,10,11],[12,13,14,15,16,17]])
print(t)
print(t.transpose())
print(t.swapaxes(1,0))
print(t.T)

输出：

9.数值的修改

代码：

import numpy as np

t = np.array([[0,1,2,3,4,5],
              [6,7,8,9,10,11],
              [12,13,14,15,16,17],
              [18,19,20,21,22,23]])
print("输出t:",t)
print("输出第3列和第5列：",t[:,2:4])
t[:,2:4] = 0 #修改第3列和第5列为0
print(t)

输出：

10.布尔索引

代码：

import numpy as np

t = np.arange(24).reshape((4,6))
print(t<10)
t[t<10] = 0
print(t)

输出：

11.三元运算符

代码：

import numpy as np

t = np.arange(24).reshape((4,6))
print(t)
a = np.where(t<10,0,10)
print(a)

输出：

12.裁剪

代码：

import numpy as np

t = np.arange(24).reshape((4,6))
t = t.astype(float)
t[3,3] = np.nan
print(t)
print("*"*100)
print(t.clip(10,18))

输出：

13.nan和inf

代码：

import numpy as np

a = np.inf
print(type(a))

b = np.nan
print(type(b))

输出：

14.nan的注意点

import numpy as np

print(np.nan == np.nan)

print(np.nan != np.nan)

t = np.array([1., 2., np.nan])
print(np.count_nonzero(t!=t))

t[np.isnan(t)] = 0
print(t)

输出：

15.常用统计函数

import numpy as np

a = np.array([[2,4,5,6,7,8],
              [4,5,6,7,8,9],
              [11,22,12,54,66,99]])#一个数组

#0代表竖着求
#1代表横着求
print(a.sum(axis=0))#求和

print(a.mean(axis=0))#均值

print(np.median(a,axis=0))#中值

print(a.max(axis=0))#最大值

print(a.min(axis=0))#最小值

print(np.ptp(a,axis=0))#极值

print(a.std(axis=0))#标准差

16.ndarry缺失值填充均值

import numpy as np

def fill_ndarray(t1):
    for i in range(t1.shape[1]):  #遍历每一列
        temp_col = t1[:,i]  #当前的一列
        print("---",temp_col)
        nan_num = np.count_nonzero(temp_col != temp_col) #判断nan的个数
        print("判断nan的个数", nan_num)
        if nan_num != 0:  #不为0，说明当前这一列中有nan
            temp_not_nan_col = temp_col[temp_col == temp_col]
            print("temp_not_nan_col", temp_not_nan_col)
            # 选中当前为nan的位置，把值赋值为不为nan的均值
            temp_col[np.isnan(temp_col)] = temp_not_nan_col.mean()
    return t1

if __name__ == "__main__":
    t1 = np.arange(24).reshape((4,6)).astype("float")
    t1[1,2:] = np.nan
    print(t1)
    t1 = fill_ndarray(t1)
    print(t1)

输出：

17.数组拼接

代码：

import numpy as np

t1 = np.array([[0,1,2,3,4,5],
               [6,7,8,9,10,11]])
t2 = np.array([[12,13,14,15,16,17],
               [18,19,20,21,22,23]])

a = np.vstack((t1, t2)) #竖着拼接
print(a)

b = np.hstack((t1, t2))
print(b)

输出：

18.数组的行列交换

代码：

import numpy as np

t = np.arange(12, 24).reshape(3, 4)
print(t)

t[[1,2],:] = t[[2,1],:]#行交换
print(t)

t[:,[0,2]] = t[:,[2,0]]#列交换
print(t)

输出：

19.获取值的位置

代码：

import numpy as np

t = np.arange(24).reshape((6,4)).astype(int)
print(t)

#获取最大值最小值的位置
print(np.argmax(t,axis=0))
print(np.argmax(t,axis=1))
print(np.argmin(t,axis=0))
print(np.argmin(t,axis=1))

print(np.zeros((3,4)))  #全为0的数组
print(np.ones((4,5)))  #创建一个全1的数组
print(np.eye(3))  #创建一个对角线为1的正方形数组(方阵

输出：

20.生成随机数

代码：

import numpy as np

np.random.seed(10)
t1 = np.random.randint(0,20,(3,4))
print(t1)

t2 = np.random.uniform(0,20,(12))
print(t2)

输出：

---

结束！