NumPy get started
- 导入numpy库
import numpy as np
- 查看版本
np.__version__
- numpy核心其实就是一个 ndarray 多维数组（演示 ndarray 输出效果 以及 和 list 的区别）
# 参数 起始值 结束值 数组大小 起始值能取到 结束值取不到 左闭右开区间 [start,end)
ndarr1 = np.random.randint(1,5,3)
ndarr1
print(ndarr1) # 注意 打印出来的这个东西虽然看上去很像列表 但是ndarry和列表list完全是两码事
结果为：[2 1 3]
list1 = [1,2,3]
print(list1)
结果为：[1, 2, 3]
print(type(list1),type(ndarr1)) # 类型是不一样的 只不过ndarray重写了__str__() 所以打印出来的内容看上去像列表
结果为：<class 'list'> <class 'numpy.ndarray'>
一、创建ndarray
1. 使用np.array()创建多维数组
参数为列表： np.array([1,2,3])
注意：
- numpy默认ndarray的所有元素的类型是相同的
- 如果传进来的列表中包含不同的类型，则统一为同一类型，优先级：str>float>int
ndarr1 = np.array([1,2,3]) # 传入列表 就可以创建出一个 多维数组
ndarr1
结果为：array([1, 2, 3])
ndarr1 = np.array([1,2,3.5])# 传入列表 浮点数 也可以创建出一个 多维数组
ndarr1
结果为：array([1. , 2. , 3.5])
ndarr1 = np.array([1,2,"3"])
ndarr1
结果为：array(['1', '2', '3'], dtype='<U11')
2. 使用np的常用函数(routines)创建
包含以下常见创建方法：
1) np.ones(shape, dtype=None, order=‘C’)
功能：按照指定形状创建多维数组，并用1填充
参数：
shape 用于指定创建的多维数组的形状 可以传入2 或者 (2,3)
dtype 数据的类型 np.int8 np.float64
返回值：返沪创建好的多维数组数组
ndarr = np.ones(shape=3)
结果为：array([1., 1., 1.])
ndarr = np.ones(shape=3,dtype=np.int8) # dtype 可以指定数据的类型
结果为：array([1, 1, 1], dtype=int8)
ndarr = np.ones(shape=(2,3),dtype=np.int8) #通过ones创建的数组 里面填充的内容都是1
结果为：array([[1, 1, 1],
[1, 1, 1]], dtype=int8)
多维数组
1 数字 [1] 数组 [1,2,3] 数组
[ [1,2,3] [7,8,9] ] 数组里面装数组就是多维数组 数组里 套着 数组 两层数组就是 二维数组
[ [ [1,2,3], [1,2,3], ], [ [1,2,3], [1,2,3], ], ] 数组里套了数组 里面又套了数组 里面双套了一个数组 三维数组
扫描二维码关注公众号，回复：
3981672 查看本文章
2) np.zeros(shape, dtype=float, order=‘C’)
功能类似np.zeros只不过不是用1填充 而是用0填充
np.zeros(shape=5,dtype=np.int8)
np.zeros(shape=(5,5),dtype=np.int8) # 5x5矩阵
np.zeros(shape=(2,3,4),dtype=np.int8) # 创建了一个三维数组 数组里面有两个数组 这两个数组里分别有三个数组 这三个数组里有4个元素
结果为：array([[[0, 0, 0, 0],
[0, 0, 0, 0],
[0, 0, 0, 0]],
[[0, 0, 0, 0],
[0, 0, 0, 0],
[0, 0, 0, 0]]], dtype=int8)
3) np.full(shape, fill_value, dtype=None, order=‘C’)
shape指定形状 一般可以是 2 或者 (2,3) 之类的
fill_value指定填充的值
np.full(shape=(2,3),fill_value=5)
结果为：
array([[5, 5, 5],
[5, 5, 5]])
4) np.eye(N, M=None, k=0, dtype=float)
功能：创建一个方阵（行和列的数量相等）
N 指定矩阵中有多少行和列
对角线为1其他的位置为0（单位矩阵）
ndarr = np.eye(5,8,dtype=np.int8) # eye创建的就是一个方阵 从左上角到右下角的对角线上都是1 其他位置都是0 这种矩阵叫做单位矩阵
结果为：array([[1, 0, 0, 0, 0, 0, 0, 0],
[0, 1, 0, 0, 0, 0, 0, 0],
[0, 0, 1, 0, 0, 0, 0, 0],
[0, 0, 0, 1, 0, 0, 0, 0],
[0, 0, 0, 0, 1, 0, 0, 0]], dtype=int8)
5.1) np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
功能：把start到stop的这个范围的数，等分成num份儿，填入数组
np.linspace(1,5,3) # 参数 起始值 结束值 把从开始到结束的这个区间分成多少份
结果为：array([1., 3., 5.])
5.2) np.logspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
功能：把start到stop的这个范围的数，等分成num份儿，获得的值作为10的指数，求出来的值，填入数组
np.logspace(1,5,3) # 1-3 分成3份儿 1 2 3 参数： 起始值 结束值 把开始值到结束值分成几份 取出来这些值作为10的指数 然后求出来一系列的值 放到多维数组中
结果为：array([1.e+01, 1.e+03, 1.e+05]）
6) np.arange([start, ]stop, [step, ]dtype=None)
从start，到end，每隔step去一个值，放入一个数组
np.arange(start=1,stop=10,step=2) # 参数 开始值 结束值 步长值
np.arange(1,5,1) # 注意 起始值能取到 结束值取不到
结果为：array([1, 2, 3, 4])
7) np.random.randint(low, high=None, size=None, dtype=‘l’)
从low到high的范围随机取整数，填充多维数组 size用于指定数组的形状 如 2 (2,3)
np.random.randint(1,10,size = (2,3)) # 产生一个多维数组 数组中的元素 用随机数来填充
# 参数 1.随机数的上界 2.随机数的下界 3.数组的形状
结果为：array([[1, 2, 9],
[1, 5, 5]])
8) np.random.randn(d0, d1, …, dn)
传入几个参数，就创建几维数组
产生以0为中心 方差为1 的 标准正太分布 的随机数 填充数组
如 np.random.randn(2,3,3) 产生一个三维数组 数组中有两个数组 两个数组中分别有三个数组 三个数组中每个都有三个元素
np.random.randn(5,5) # 传入几个参数就创建一个几维数组 里面的内容是以0为中心按照正态分布去取的一系列随机值
结果为：
array([[-0.68088861, -1.20301784, 0.47973059, 1.63136009, -1.60700524],
[ 0.66516772, 0.53055343, 1.07870966, -0.15624372, 0.13364254],
[ 0.75700615, 0.07725757, -0.61090081, 0.78132797, -1.5065676 ],
[-0.2074603 , -0.22326078, -1.40836134, 1.95350144, -1.50458383],
[-0.56365772, -0.39849581, -1.27015926, 0.83656014, -1.88792472]])
9) np.random.normal(loc=0.0, scale=1.0, size=None)
np.random.randn是标准正态分布（以0为中心，方差是1） normal可以指定中心和方差
loc 正态分别的中心
scale 正态分布的变化范围
size 数组的形状 如 2 (2,3)
# randn 固定了分布的中心就是0 方差是1
# normal 可以自己设定分布的中心和方差
np.random.normal(loc=10,scale=5,size=(2,3))
结果为：array([[ 6.29446434, 17.05680548, 7.78128077],
[ 4.4118268 , 6.36365627, 4.19318215]])
10) np.random.random(size=None)
size指定三维数组的形状 如 2 (2,3)
函数随机生成0到1的随机数（左闭右开）填充数组
np.random.random(size=(2,3))
结果为：
array([[0.83305889, 0.33539422, 0.07315796],
[0.22738693, 0.14877283, 0.86321635]])
练习：使用随机数成成一张图片
1.引入matplotlib.pyplot
import matplotlib.pyplot as plt #matplotlib mat matrix 矩阵 plot 绘图 lib library 库 矩阵绘图库
2.读取图片 pyplot.imread(要读取的文件路的径字)
jin = plt.imread("./jin.png")
3.查看引入的图片的属性（其实图片就是一个三维数组）
jin # 其实图片就是一个三维数组
jin.ndim # ndarray的ndim属性可以查看当前多维数组的维度
jin.shape #一个多维数组 里面有273个数组 这273个数组里面分别有411个数组 411个数组中有三个元素 这个三个元素分别对应 r g b 的值
jin.size #多维数组的总长度
jin.dtype #里面元素的数据类型
jin.shape
4. 随机产生一个数据结构类似的图片
ndarr9 = np.random.random((273,411,3))
5.根据传入的数据去绘制图片 pyplot.imshow(传入多维数组数据)
# plt.imshow(jin) # imshow()函数
plt.imshow(ndarr9)
结果为：<matplotlib.image.AxesImage at 0x22b48f21710>
