机器学习之python入门指南（十一）numpy常用方法简介

Python三方库之numpy

numpy库的安装：

window下命令行直接输入pip install numpy

导入numpy库：import numpy 或者 import numpy as np

numpy与list：

相同之处：

都可以用下标访问元素，如a[3].

都可以切片访问，如a[1:3]

都可以使用for循环进行遍历

不同之处

numpy之中的每个元素类型必须相同，而list可以混合多个类型元素

numpy使用更方便，封装了许多函数，例如：mean，std，sum，min等

numpy可以是多维数组。numpy用c实现，操作起来速度更快

numpy数据类型：

1 ndarray对象

numPy 中定义的最重要的对象是称为 ndarray 的 N 维数组类型。它描述相同类型的元素集合。可以使用基于零的索引访问集合中的项目。ndarray类的实例可以通过本教程后面描述的不同的数组创建例程来构造。基本的ndarray是使用 numPy 中的数组函数创建的

我们可以通过给array函数传递Python的序列对象创建数组，如果传递的是多层嵌套的序列，将创建的多维数组。numpy.array(object,dtype = None, copy = True, order = None, subok = False, ndmin = 0)

参数描述：

例子如下：

1.1数组属性

numpy.shape数组的大小可以通过属性shape获得。在保持数组元素个数不变的情况下可以改变数组每个轴的长度。

当某个轴的元素为-1时，将根据数组元素的个数自动计算此轴的长度。使用数组的reshape方法，可以创建一个改变了尺寸的新数组，原数组的shape将保持不变。(注意：这两个数组其实共享存储区域，因此修改任意一个数组元素的内容都会修改另外一个数组的内容)。

numpy.dtype 数组元素类型可以通过dtype属获得，可以通过dtype参数在创建的时候指定元素类型。

numpy.itemsize返回数组中每个元素的字节单位长度：

运行结果为：4

2 数组创建

numpy.empty创建指定形状和dtype未初始化的数组，使用以下构造函数：numpy.empty(shape,dtype = float, order = 'C') ：参数列表如下：

例子如下：

注意：数组元素为随机值，因为他们未初始化。numpy.zeros返回特定大小，以0填充的新数组：numpy.zeros(shape,dtype = float, order = 'C')例子如下：

numpy.ones返回特定大小，以1填充的新数组：

3用已有数据创建数组

numpy.asarray类似于numpy.array。基本用法和array类似。与array的区别如下：

由图可见：对于元数据：二者没有区别，都是对元数据复制并转换为ndarray。

由图可见：当数据源是ndarry时，array会copy出一个副本，占用新的内存，但是asarry不会。

numpy.frombuffer

此函数将缓冲区解释为一维数组。暴露缓冲区接口的任何对象都用作参数来返回ndarray

numpy.frombuffer(buffer,dtype = float, count = -1, offset = 0)

numpy.fromiter

此函数从任何可迭代对象构建一个ndarray对象，返回一个新的一维数组。

4来自数值范围的数组

numpy.arangenumpy.arange(start,stop, step, dtype)类似于python中的range函数，通过起始值，终值和步长来创建一维数组（数组不包括终值）

numpy.linspace

同过指定初始值，终值，和元素个数来创建一维数组，通过endpoint关键字指定是否包含终值，缺省设置是包含终值。numpy.linspace(start,stop, num, endpoint, retstep, dtype)

numpy.logspace

此函数返回一个ndarray对象，其中包含在对数刻度上均匀分布的数字，刻度的开始和结束端点都是某个底数的幂。通常为10num.logspace(start,stop,num,endpoint,base,dtype)

5切片和索引

ndarray对象中的元素遵循基于零的索引。有三种可用的索引方法类型：字段访问，基本切片和高级索引

字段访问：

和python列表序列不同，通过下标范围获取的新的数组是原始数组的一个视图，他与原始数组共享一块数据空间。如：

切片索引：

切片索引通过将start、stop、和step参数提供给内置的slice函数来构建一个Python slice对象，此slice对象被传递给数组提取来提取数组的一部分。

除了用下标索引和切片索引外，numpy还提供了两中高级索引方法

使用整数序列索引

当使用整数序列对数组元素进行存取时，将使用序列中的每个元素作为下标，整数序列可以是列表或者数组，使用整数序列作为下标活得的数组不和原始数组共享数据空间。

使用布尔数组

当使用布尔数组b作为下表存取数组x中的元素时，将收集数组x中所有在数组b中对应下标为True的元素。使用布尔数组作为下标获得的数组不和原始数组共享数据空间，这种方式对应于布尔数组，不对应于列表。

下图输出大于5的数字

广播

广播是指在numpy在算术运算期间处理不同形状的数组的能力，对数组的运算通常是在元素上进行，如果两个阵列具有完全相同的形状，则这些操作将被无缝执行。

如果两个数组的维数不相同，则元素到元素的操作是不可能的。然而，在 NumPy 中仍然可以对形状不相似的数组进行操作，因为它拥有广播功能。较小的数组会广播到较大数组的大小，以便使它们的形状可兼容

ndim较小的数组会在前面追加一个长度为 1 的维度。

输出数组的每个维度的大小是输入数组该维度大小的最大值。

如果输入在每个维度中的大小与输出大小匹配，或其值正好为 1

如果输入的某个维度大小为1，则该维度中的第一个数据元素将用于该维度的所有计算。

6数组上的迭代

numpy包含一个迭代器对象numpy.nditer,它是一个有效的多维迭代器对象，可以用于在数组上的迭代，数组的每个元素可以使用Python的标准接口访问

迭代的顺序匹配数组的内容布局，而不是考虑特定的排序。

广播迭代

如果两个数组是可广播的，nditer组合能够同时迭代他们。实例如下：

翻转操作

numpy.transpose

格式如下：
numpy.transpose(arr, axes)

arr：表示要转置的矩阵，axes：整数的列表，对应维度，通常所有的维度都会翻转

numpy.adarry.T(效果与transpose类似)
numpy.rollaxis
该函数向后滚动特定的轴，直到一个特定的位置，这个函数接受3个参数。numpy.rollaxis(arr, axis, start)
arr：输入数组
axis：要向后滚动的轴，其他轴的相对位置不变

start：默认为0，表示完整的滚动，会滚到特定的位置