python(九) numpy

python

0. NumPy介绍

NumPy是Python的一个高性能科学计算和数据分析基础库,提供了功能强大的多维数组对象ndarray。

引入numpy,并重命名为np,方便使用
import numpy as np

1. 创建数组

  • 1.1使用numpy内置的array函数创建数组

    • 创建一维数组

arr1 = np.array([1,2,3])

print(type(arr1))

print(arr1)

######测试结果:

>

>

>[1 2 3]

- 创建二维数组

arr2 = np.array([[1,2,3],[4,5,6]])

print(arr2)

######测试结果:

>[[1 2 3]

> [4 5 6]]

  • 1.2使用arange函数创建数组

    • 使用arange函数创建包含0到9 十个数字的一维数组

#注意:arange函数返回的数组默认第一个元素是0,结束元素是指定的数值前一个数字9

arr_1 = np.arange(10)

print(arr_1)

######测试结果:

>[0 1 2 3 4 5 6 7 8 9]

- 通过arange函数设置“开始、结束、步长”三个参数创建包含1到10所有奇数的一维数组

#从1开始,到10前一位结束,步长为2表示相邻两个元素的差值是2

arr_2 = np.arange(1,10,2)

print(arr_2)

######测试结果:

>[1 3 5 7 9]

  • 1.3全0、全1数组zeros,ones

    • 使用zeros函数创建一个包含10个全0数字的一维数组
    • 使用ones函数创建一个包含5个全1数字的一维数组
    • 创建3行4列全1二维数组

z1 = np.zeros(10)

print(z1)

o1 = np.ones(5)

print(o1)

o2 = np.ones((3,4))

print(o2)

######测试结果:

>[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]

>

>[1. 1. 1. 1. 1.]

>

>[[1. 1. 1. 1.]

> [1. 1. 1. 1.]

> [1. 1. 1. 1.]]

  • 1.4通过genfromtxt函数从文件导入生成数组

test.txt文件

aa,bb,cc

11,22,33

- ```dtype```是数组类型,```delimiter```以什么分割

text = np.genfromtxt('text.txt',dtype=str,delimiter=',')

print(type(text))

print(text)

######测试结果:

>

>

>[['aa' 'bb' 'cc']

> ['11' '22' '33']]

2. 数组的属性方法

  • 2.1 查看数组维度shape

    • 查看o2各维度的大小
    • 查看o2第1维的大小(行数)
    • 查看o2第2维的大小(列数)

o2 = np.ones((3,4))

#运行结果是一个元组(3,4)表示第1维的大小是3(也是就是3行),第2维的大小是4(也就是4列)

print(o2.shape)

print(o2.shape[0])

print(o2.shape[1])

######测试结果:

>(3, 4)

>

>3

>

>4

  • 2.2元素类型及转换dtype,astype

    • 查看数组中元素类型
    • 类型转换函数

print(o2.dtype)

#类型转换函数astype,数组元素由float64类型转换成int32类型,并返回一个新的数组o2_1,原数组o2元素类型不变

o2_1 = o2.astype(np.int32)

#o2数组类型不变

print(o2.dtype)

#o2_1数组中元素类型为int32

print(o2_1.dtype)

######测试结果:

>float64

>

>float64

>

>int32

#创建字符串类型数组,dtype('<U5')表示字符串不超过5位

arr_string = np.array(["12.78","23.15","34.5"])

print(arr_string.dtype)

#将字符串数组转换成浮点类型数组

arr_float = arr_string.astype(np.float64)

print(arr_float.dtype)

print(arr_float)

#float类型数组转换成整型数组,小数部分将会被截断

arr_int = arr_float.astype(np.int32)

print(arr_int.dtype)

print(arr_int)

#numpy自动识别元素类型

print(np.array([1, 2, 3]).dtype)

######测试结果:

>

>float64

>

>[12.78 23.15 34.5 ]

>

>int32

>

>[12 23 34]

>

>int32

3. 索引与切片

  • 3.1一维数组索引与切片

#创建一维数组

arr1d = np.arange(10)

print(arr1d)

#数组的索引从0开始,通过索引获取第三个元素

print(arr1d[2])

#切片,左闭右开区间,从索引3开始,直到索引7结束

print(arr1d[3:8])

#数组脚标由右往左是从-1开始,每向左一位脚标数字减1,获取最后一个元素,等价arr1d[9]

print(arr1d[-1])

#将标量赋值给切片,会广播到切片的整个选区

arr1d[3:5] = 10

print(arr1d)

######测试结果:

>[0 1 2 3 4 5 6 7 8 9]

>

>2

>

>[3 4 5 6 7]

>

>9

>

>[ 0 1 2 10 10 5 6 7 8 9]

  • 3.2二维数组索引与切片

#创建二维数组

arr2d = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])

print(arr2d)

#第一维脚标(索引值)是0的元素是一个数组

print(arr2d[0])

#第一维脚标(索引值)是1,第二维脚标(索引值)是3的元素,可以理解为获取二维数组中第2行第4列的元素

print(arr2d[1, 3])

#截取到二维数组的第二个元素

print(arr2d[:2])

#只有冒号表示选取整个行轴的元素,竖轴从脚标1取到脚标3的前一位,可以理解为取所有行的第2列和第3列数据

print(arr2d[:, 1:3])

#沿着第行轴方向从脚标1开始取到最后,竖轴从脚标1开始取到3的前一位

print(arr2d[1:, 1:3])

######测试结果:

>[[ 1 2 3 4]

> [ 5 6 7 8]

> [ 9 10 11 12]]

>

>[1 2 3 4]

>

>8

>[[1 2 3 4]

> [5 6 7 8]]

>

>[[ 2 3]

> [ 6 7]

> [10 11]]

>

>[[ 6 7]

> [10 11]]

4. 数组的运算

  • 4.1转置(行转列,列转行)

#reshape(shape)函数改变数组形状,shape是一个元组,表示数组的形状

#创建一个包含15个元素的一维数组,通过reshape函数调整数组形状为3行5列的二维数组

arr = np.arange(15).reshape((3,5))

print(arr)

#转置,数组转置可以使用transpose方法或者T属性,转置返回的是源数组的视图,不会进行任何复制操作

#将3行5列的二维数组arr转置为5行3列的二维数组

print(arr.transpose())

#使用T属性实现转置

print(arr.T)

#注意:转置过后是生成新数组

print(arr)

######测试结果:

>[[ 0 1 2 3 4]

> [ 5 6 7 8 9]

> [10 11 12 13 14]]

>

>[[ 0 5 10]

> [ 1 6 11]

> [ 2 7 12]

> [ 3 8 13]

> [ 4 9 14]]

>

>[[ 0 5 10]

> [ 1 6 11]

> [ 2 7 12]

> [ 3 8 13]

> [ 4 9 14]]

>

>[[ 0 1 2 3 4]

> [ 5 6 7 8 9]

> [10 11 12 13 14]]

  • 4.2数组与标量算术运算

arr1 = np.array([[1,2,3],[4,5,6]])

#对数组中每个元素求平方

print(arr1 ** 2)

#数组arr1中的每个元素加10

print(arr1 + 10)

######测试结果:

>[[ 1 4 9]

> [16 25 36]]

>

>[[11 12 13]

> [14 15 16]]

  • 4.3算术运算

    • 注意:两个数组做算数法要求两个数组的结构要相同

#数组加法,两个数组对应位置的元素相加

arr1 = np.array([[1,2,3],[4,5,6]])

arr2 = np.ones((2,3))

print(arr1 + arr2 )

#数组减法,两个数组对应位置的元素相减

print(arr1 - arr2)

#数组乘法,两个数组对应位置的元素相乘

arr3 = np.array([[2,2,2],[2,2,2]])

print(arr1 * arr3)

#使用tile函数构造数组,上一个arr3构造具有相同元素的数组非常麻烦,使用tile函数非常简洁

#第1个参数表示需要复制的数组,第二个参数是对应的轴方向上复制的次数

#第2个参数(2,3)表示在第0轴(行)方向复制2次,第1轴(竖)方向复制3次,这样就构成了一个2行3列的二维数组

arr4 = np.tile([2],(2,3))

print(arr4)

#数组除法,两个数组对应位置的元素相除

print(arr1 / arr4)

######测试结果:

>[[2. 3. 4.]

> [5. 6. 7.]]

>

>[[0. 1. 2.]

> [3. 4. 5.]]

>

>[[ 2 4 6]

> [ 8 10 12]]

>

>[[2 2 2]

> [2 2 2]]

>

>[[0.5 1. 1.5]

> [2. 2.5 3. ]]

5. 常用统计方法

  • 5.1使用sum函数对数组中全部或者某轴向的元素求和

    • 沿着第0轴方向求和arr1.sum(axis=0)
    • 简写arr1.sum(0)
    • 沿着第1轴方向求和arr1.sum(axis=1)
    • 简写arr1.sum(1)

arr1 = np.array([[1,2,3],[4,5,6]]) # 2行3列二维数组

#数组中全部元素求和

print(arr1.sum())

#沿着第0轴方向求和arr1.sum(axis=0)

#简写arr1.sum(0)

print(arr1.sum(0))

#沿着第1轴方向求和arr1.sum(axis=1)

#简写arr1.sum(1)

print(arr1.sum(1))

######测试结果:

>21

>

>[5 7 9]

>

>[ 6 15]

  • 5.2算术平均数mean函数

arr1 = np.array([[1,2,3],[4,5,6]]) # 2行3列二维数组

#求数组中全部元素的算术平均数

print(arr1.mean())

#沿第0轴方向求算术平均数

print(arr1.mean(0))

#沿第1轴方向求算术平均数

print(arr1.mean(1))

######测试结果:

>3.5

>

>[2.5 3.5 4.5]

>

>[2. 5.]

  • 5.3最大最小值mx,min函数

arr1 = np.array([[1,2,3],[4,5,6]]) # 2行3列二维数组

#全部元素最大值

print(arr1.max())

#全部元素最小值

print(arr1.min())

#沿第0轴方向最大值

print(arr1.max(0))

#沿第0轴方向最小值

print(arr1.min(0))

#沿第1轴方向最大值

print(arr1.max(1))

#沿第1轴方向最小值

print(arr1.min(1))

######测试结果:

>6

>

>1

>

>[4 5 6]

>

>[1 2 3]

>

>[3 6]

>

>[1 4]

以上是 python(九) numpy 的全部内容, 来源链接: utcz.com/z/387407.html

回到顶部