import numpy as np

ndarray 多维数组

Array数组创建函数

# np.array()
arr_1 = np.array([[1,2,3],[5,6,7]])
type(arr_1)

numpy.ndarray

arr_1.shape

(2, 3)

arr_1.dtype

dtype('int32')

arr_2 = np.array([[1,2,3],[5,6,7]],dtype = np.float32)

arr_2.dtype

dtype('float32')

# 更改array的数据类型，.astype(np.)
arr_3 = arr_2.astype(np.int32)

arr_3.dtype

dtype('int32')

# np.zeros()，全0数组
np.zeros(6)

array([0., 0., 0., 0., 0., 0.])

np.zeros((3,4))

array([[0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])

# np.ones()，全1数组
np.ones(6)

array([1., 1., 1., 1., 1., 1.])

np.ones((3,4))

array([[1., 1., 1., 1.],
       [1., 1., 1., 1.],
       [1., 1., 1., 1.]])

# np.empty() 只分配内容控件不填充任何值
np.empty((2,3,3))

array([[[1.04246130e-297, 1.69121096e-306, 1.29061074e-306],
        [1.69119873e-306, 1.78019082e-306, 8.34441742e-308],
        [1.78022342e-306, 6.23058028e-307, 9.79107872e-307]],

       [[6.89807188e-307, 7.56594375e-307, 6.23060065e-307],
        [1.78021527e-306, 8.34454050e-308, 1.11261027e-306],
        [1.15706896e-306, 1.33512173e-306, 3.49698923e-317]]])

# np.arange()，类似内置的range,返回的是Array数组
np.arange(12).reshape(3,4)

array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

# np.eye()，单位矩阵
np.eye(6)

array([[1., 0., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0., 0.],
       [0., 0., 1., 0., 0., 0.],
       [0., 0., 0., 1., 0., 0.],
       [0., 0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 0., 1.]])

数组运算

算术运算

arr = np.arange(12).reshape(3,4)
arr

array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

arr+arr

array([[ 0,  2,  4,  6],
       [ 8, 10, 12, 14],
       [16, 18, 20, 22]])

arr*arr

array([[  0,   1,   4,   9],
       [ 16,  25,  36,  49],
       [ 64,  81, 100, 121]])

索引
切片

arr[0]
arr[:3]
arr[-1]

array([ 8,  9, 10, 11])

arr[1,2]

arr[1][2]

arr[1,2] = 66
arr

array([[ 0,  1,  2,  3],
       [ 4,  5, 66,  7],
       [ 8,  9, 10, 11]])

# 转置
arr.T

array([[ 0,  4,  8],
       [ 1,  5,  9],
       [ 2, 66, 10],
       [ 3,  7, 11]])

布尔型数组

names = np.array(['Bob','Joe','Will'])
date = np.arange(1,10,4)

names == 'Bob'

array([ True, False, False])

date

array([1, 5, 9])

date[names == 'Bob']

array([1])

date[~(names == 'Bob')]

array([5, 9])

date[names != 'Bob']

array([5, 9])

date[date>=5]

array([5, 9])

多个布尔条件算术运算

且 &
或 |

key = (names == 'Bob' ) | (date<3)
key

array([ True, False, False])

key = (names == 'Bob' ) & (date<3)
key

array([ True, False, False])

通用函数 – ufunc

arr = np.arange(10)
np.sqrt(arr) # 计算各个元素的平方根

array([0.        , 1.        , 1.41421356, 1.73205081, 2.        ,
       2.23606798, 2.44948974, 2.64575131, 2.82842712, 3.        ])

np.exp(arr) # 计算各个元素的指数e^x

array([1.00000000e+00, 2.71828183e+00, 7.38905610e+00, 2.00855369e+01,
       5.45981500e+01, 1.48413159e+02, 4.03428793e+02, 1.09663316e+03,
       2.98095799e+03, 8.10308393e+03])

x = np.random.randn(8)
x

array([ 1.54492539,  1.23743264, -0.43177947, -0.62904697, -0.49509432,
        1.37267661,  0.45616824,  0.69478241])

y = np.random.randn(8)
y

array([ 1.41358016,  1.71561102,  0.30880553,  2.34460093,  0.31110363,
        2.00262837,  0.89447709, -0.61136333])

np.rint(x) # 各个元素四舍五入到最近的整数，保留dtype

array([ 2.,  1., -0., -1., -0.,  1.,  0.,  1.])

np.isnan(x) # 判断哪些元素是NaN

array([False, False, False, False, False, False, False, False])

二元 ufunc

更多通用函数取numpy官网查询

np.add(x,y)# 将数组中对应元素相加

array([ 2.95850554,  2.95304366, -0.12297395,  1.71555397, -0.18399068,
        3.37530498,  1.35064533,  0.08341909])

np.minimum(x,y)# 元素级最小值计算

array([ 1.41358016,  1.23743264, -0.43177947, -0.62904697, -0.49509432,
        1.37267661,  0.45616824, -0.61136333])

np.fmin(x,y)# 元素级最小值计算，忽略NaN

array([ 1.41358016,  1.23743264, -0.43177947, -0.62904697, -0.49509432,
        1.37267661,  0.45616824, -0.61136333])

np.maximum(x,y)# 元素级最大值计算

array([1.54492539, 1.71561102, 0.30880553, 2.34460093, 0.31110363,
       2.00262837, 0.89447709, 0.69478241])

np.fmax(x,y)# 元素级最大值计算，忽略NaN

array([1.54492539, 1.71561102, 0.30880553, 2.34460093, 0.31110363,
       2.00262837, 0.89447709, 0.69478241])

统计

arr = np.random.randn(3,4)
arr

array([[-0.26664427, -1.60844846, -0.59910976,  0.2213661 ],
       [ 2.11733409,  1.35787167,  1.03795679,  0.68043033],
       [-0.18726122, -0.18600493, -0.56661837,  1.72816168]])

arr.mean() # 均值

0.3107528023087508

arr.mean(1) # axis = 1，求每行的均值

array([-0.5632091 ,  1.29839822,  0.19706929])

arr.mean(0) #axis = 0，求每列的均值

array([ 0.5544762 , -0.14552724, -0.04259045,  0.8766527 ])

arr.sum() #求和

3.7290336277050096

arr.sum(1)

array([-2.2528364 ,  5.19359287,  0.78827716])

arr.sum(0)

array([ 1.66342859, -0.43658172, -0.12777135,  2.6299581 ])

arr = np.arange(12).reshape(3,4)
arr

array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

arr.cumsum() # 元素累加

array([ 0,  1,  3,  6, 10, 15, 21, 28, 36, 45, 55, 66], dtype=int32)

arr.cumsum(1)# 元素行累加

array([[ 0,  1,  3,  6],
       [ 4,  9, 15, 22],
       [ 8, 17, 27, 38]], dtype=int32)

arr.cumsum(0)

array([[ 0,  1,  2,  3],
       [ 4,  6,  8, 10],
       [12, 15, 18, 21]], dtype=int32)

arr.cumprod()# 元素累积

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], dtype=int32)

arr.std() # 标准差， 有axis操作

3.452052529534663

arr.std(0)

array([3.26598632, 3.26598632, 3.26598632, 3.26598632])

arr.var() # 方差

11.916666666666666

np.argmin(arr)# 最小元素的索引

np.argmax(arr) # 最大元素的索引

np.max(arr)

np.min(arr)

arr = np.random.randn(100)

# 布尔型数组
(arr > 0).sum()

排序

arr = np.random.randn(6)
arr

array([ 1.04535439,  0.46594185,  0.7804373 ,  1.56907968, -0.78065019,
        0.58804597])

arr.sort()
arr

array([-0.78065019,  0.46594185,  0.58804597,  0.7804373 ,  1.04535439,
        1.56907968])

多维数组

arr = np.random.randn(3,4)
arr

array([[-1.37985941,  0.65325469, -0.28817527, -0.02299107],
       [ 0.4429337 ,  3.51252763, -1.02962186,  1.45001376],
       [-1.42937016, -0.65463081, -0.09767723, -0.49224928]])

arr.sort() # 有axis轴
arr

array([[-1.37985941, -0.28817527, -0.02299107,  0.65325469],
       [-1.02962186,  0.4429337 ,  1.45001376,  3.51252763],
       [-1.42937016, -0.65463081, -0.49224928, -0.09767723]])

去重

arr = np.random.randint(2,5,5)
arr

array([4, 4, 2, 4, 2])

np.unique(arr)

array([2, 4])

arr = np.random.randint(3,6,12).reshape(3,4)
arr

array([[4, 4, 4, 4],
       [5, 5, 3, 3],
       [4, 4, 3, 3]])

np.unique(arr)

array([3, 4, 5])

数组的集合运算

x = np.random.randint(2,6,10)
x

array([5, 2, 3, 4, 4, 3, 4, 5, 5, 2])

y = np.random.randint(3,7,10)
y

array([5, 4, 6, 3, 4, 4, 4, 6, 6, 6])

np.intersect1d(x,y) #求公共元素，交集

array([3, 4, 5])

np.union1d(x,y) # 求并集

array([2, 3, 4, 5, 6])

np.setdiff1d(x,y)# 集合的差

array([2])

np.setxor1d(x,y) # 求异或

array([2, 6])

Numpy输入输出

arr = np.random.randn(6)

np.save('demo',arr)# 以未压缩的原始二进制格式保存在扩展名为.npy的文件中

np.load('demo.npy')# 读取磁盘上的数组
arr

array([ 0.32358355,  0.91039905,  1.40027705,  1.2007988 ,  0.56437337,
       -1.37940863])

x = np.random.randn(6)
y = np.random.randn(8)

np.savez('demo.npz',a = x,b = y)# 保存多个数组到一个压缩文件中

arch = np.load('demo.npz')

arch['b']

array([-0.73327216,  0.64236622,  0.47694044, -0.76341329,  1.10744661,
        3.01207849, -2.31595105,  0.02843877])

文本文件

z = np.random.randn(6)
np.savetxt('demo.txt',z)
a =np.loadtxt('demo.txt',delimiter = ',')
a

array([ 1.87221781, -1.19406744, -0.43478245, -0.69413357,  1.81840891,
        0.87762923])

点乘（矩阵乘法） – 线性代数函数

np.dot
x.T.dot(x),x.dot(y)

x = np.arange(1,13).reshape(3,4)
x

array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])

x.T.dot(x)

array([[107, 122, 137, 152],
       [122, 140, 158, 176],
       [137, 158, 179, 200],
       [152, 176, 200, 224]])

x*x# 数组乘法

array([[  1,   4,   9,  16],
       [ 25,  36,  49,  64],
       [ 81, 100, 121, 144]])

001Numpy基础

ndarray 多维数组

数组运算

布尔型数组

多个布尔条件算术运算

通用函数 – ufunc

统计

排序

去重

数组的集合运算

Numpy输入输出

点乘（矩阵乘法） – 线性代数函数

猜你喜欢

001Numpy基础

ndarray 多维数组

数组运算

布尔型数组

多个布尔条件 算术运算

通用函数 – ufunc

统计

排序

去重

数组的集合运算

Numpy输入输出

点乘（矩阵乘法） – 线性代数函数

猜你喜欢

多个布尔条件算术运算