Numpy支持大量的维度数组和矩阵运算，对数组运算提供了大量的数学函数库！
Numpy简单创建数组
1 a = [1, 2, 3] 2 b = np.array(a) 3 c = np.array([[0, 1, 2, 10], 4 [12, 13, 100, 101], 5 [102, 110, 112, 113]], int) 6 print(c) 7 print(b)
创建数值为1的矩阵
Numpy.ones(shape, dtype=None, order='C')
1 array_one = np.ones([10, 10], dtype=np.int) 2 print(array_one)
创建数值为0的矩阵
Numpy.zeros(shape, dtype=None, order='C')
1 array_zero = np.zeros([10, 9], dtype=np.float) 2 print(array_zero)
Numpy查看数组属性
数组元素个数：b.size
数组形状：b.shape
数组维度：b.ndim
数组元素类型：b.dtype
# 数组元素个数：3 print(b.size) # 数组形状:(3,) print(b.shape) # 数组维度:1 print(b.ndim) # 数组元素类型:int32 print(b.dtype)
矩阵第一维的长度：shape[0] # 行
矩阵第二维的长度：shape[1] # 列
.......
1 array_rand = np.random.rand(10, 10, 4) 2 print(array_rand) 3 print(array_rand.ndim) 4 print(array_rand.shape[0]) 5 print(array_rand.shape[1]) 6 print(array_rand.shape[2])
Numpy创建随机数组（np.random）
均匀分布
创建指定形状的数组，数值范围在0~1之间
1 array_rand = np.random.rand(10, 10, 4) 2 print(array_rand) 3 print(array_rand.ndim)
创建指定范围内的一个数：Numpy.random.uniform(low, high, size=None)
1 array_uniform = np.random.uniform(0, 100, size=5) 2 print(array_uniform)
创建指定范围的一个整数：Numpy.random.randint(low, high, size=None)
1 array_int = np.random.randint(0, 100, size=3) 2 print(array_int) 3 print(array_int.size)
正态分布
创建给定均值、标准差、维度的正态分布：Numpy.random.normal(loc, scale, size)
1 # 正态生成4行5列的二位数组 2 array_normal = np.random.normal(loc=1.75, scale=0.1, size=[4, 5]) 3 print(array_normal) 4 print(array_normal.ndim)
Numpy数组操作
数组的索引
1 # 截取第0至第3行，第2至第4列（从第0行第0列算起） 2 after_array = array_normal[:3, 2:4] 3 print(after_array)
数组的改变
数组转置
1 array_normal.T
reshape()：把指定的数组改变形状，但是元素个数不变；有返回值，即不对原始多维数组进行修改
1 c = np.array([[[0, 1, 2], 2 [10, 12, 13]], 3 [[100, 101, 102], 4 [110, 112, 113]]]) 5 """ 6 [[[ 0 1] 7 [ 2 10]] 8 9 [[ 12 13] 10 [100 101]] 11 12 [[102 110] 13 [112 113]]] 14 """ 15 print(c.reshape(3, 2, 2)) 16 """ 17 [[ 0 1 2 10] 18 [ 12 13 100 101] 19 [102 110 112 113]] 20 """ 21 # 某一维指定为-1时，自动计算维度 22 print(c.reshape(3, -1)) 23 """[[[ 0 1] 24 [ 2 10] 25 [ 12 13]] 26 27 [[100 101] 28 [102 110] 29 [112 113]]]""" 30 print(c.reshape(2, -1, 2))
resize()：把指定的数组改变形状，但是元素个数可变，不足补0；无返回值，即对原始多维数组进行修改
1 a = np.array([[[0, 1, 2], 2 [10, 12, 13]], 3 [[100, 101, 102], 4 [110, 112, 113]]]) 5 b = np.array([[[0, 1, 2], 6 [10, 12, 13]], 7 [[100, 101, 102], 8 [110, 112, 113]]]) 9 '''[[0] 10 [1] 11 [2]]''' 12 a.resize((3, 1)) 13 '''[[ 0 1 2 10 12] 14 [ 13 100 101 102 110] 15 [112 113 0 0 0]]''' 16 b.resize((3, 5)) 17 print(a) 18 print(b)
*Numpy计算
条件运算
Numpy.where(condition, x, y)：三目运算满足condition，为x；不满足condition，则为y
1 score = np.array([[80, 88], [82, 81], [84, 75], [86, 83], [75, 81]]) 2 # 如果数值小于80，替换为0，如果大于等于80，替换为90 3 re_score = np.where(score < 80, 0, 90) 4 print(re_score)
统计运算
指定轴最大值：amax(参数1：数组；参数2：axis=0/1，0表示行1表示列)
1 # 求整个矩阵的最大值 2 result = np.amax(score) 3 print(result) 4 # 求每一列的最大值（0表示列） 5 result = np.amax(score, axis=0) 6 print(result) 7 # 求每一行的最大值（1表示行） 8 result = np.amax(score, axis=1) 9 print(result)
指定轴最小值：amin(参数1：数组；参数2：axis=0/1，0表示行1表示列)
1 # 求整个矩阵的最小值 2 result = np.amin(score) 3 print(result) 4 # 求每一列的最小值（0表示列） 5 result = np.amin(score, axis=0) 6 print(result) 7 # 求每一行的最小值（1表示行） 8 result = np.amin(score, axis=1) 9 print(result)
指定轴平均值：mean(参数1：数组；参数2：axis=0/1，0表示行1表示列；参数3：dtype，输出数据类型)
1 # 求整个矩阵的平均值 2 result = np.mean(score, dtype=np.int) 3 print(result) 4 # 求每一列的平均值（0表示列） 5 result = np.mean(score, axis=0) 6 print(result) 7 # 求每一行的平均值（1表示行） 8 result = np.mean(score, axis=1) 9 print(result)
指定轴方差：std(参数1：数组；参数2：axis=0/1，0表示行1表示列；参数3：dtype，输出数据类型)
1 # 求整个矩阵的方差 2 result = np.std(score) 3 print(result) 4 # 求每一列的方差（0表示列） 5 result = np.std(score, axis=0) 6 print(result) 7 # 求每一行的方差（1表示行） 8 result = np.std(score, axis=1) 9 print(result)
数组运算
数组与数的运算（加、减、乘、除、取整、取模）
1 # 循环数组行和列，每一个数值都加5 2 score[:, :] = score[:, :]+5 3 print(score) 4 # 循环数组行和列，每一个数值都减5 5 score[:, :] = score[:, :]-5 6 print(score) 7 # 循环数组行和列，每一个数值都乘以5 8 score[:, :] = score[:, :]*5 9 print(score) 10 # 循环数组行和列，每一个数值都除以5 11 score[:, :] = score[:, :]/5 12 print(score) 13 # 循环数组行和列，每一个数值除以5取整 14 score[:, :] = score[:, :] // 5 15 print(score) 16 # 循环数组行和列，每一个数值除以5取模 17 score[:, :] = score[:, :] % 5 18 print(score)
数组间运算（加、减、乘、除），前提是两个数组的shape一样
1 c = score + score 2 d = score - score 3 e = score * score 4 # 分母数组保证每个数值不能为0 5 b = score / score
矩阵运算（一种特殊的二维数组）
计算规则
（M行，N列）*（N行，Z列）=（M行，Z列）
1 st_score = np.array([[80, 88], [82, 81], [84, 75], [86, 83], [75, 81]]) 2 # 平时成绩占40% 期末成绩占60%, 计算结果 3 q = np.array([[0.4], [0.6]]) 4 result = np.dot(st_score, q) 5 print(result)
矩阵拼接
矩阵垂直拼接（前提两个两个矩阵列数相同，行数随意）：vstack(参数：tuple)
1 v1 = [[0, 1, 2, 3, 4, 5], 2 [6, 7, 8, 9, 10, 11]] 3 v2 = [[12, 13, 14, 15, 16, 17], 4 [18, 19, 20, 21, 22, 23], 5 [18, 19, 20, 21, 22, 23]] 6 result = np.vstack((v1, v2)) 7 print(result)
矩阵水平拼接（前提两个两个矩阵行数相同，列数随意）：hstack(参数：tuple)
1 v1 = [[0, 1, 2, 3, 4, 5], 2 [6, 7, 8, 9, 10, 11]] 3 v2 = [[12, 13, 14, 15, 16, 17], 4 [18, 19, 20, 21, 22, 23]] 5 result = np.hstack((v1, v2)) 6 print(result)