python(九) numpy
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9arr_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2arr_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