Numpy（一）：

心已赠人 2022-01-18 23:21 302阅读 0赞

#### 一、python中的数据类型（灵活但开销更大）： ####

1.  整型：实际上是指向C语言复合结构体的指针
2.  列表：实际上是指向指针块的指针，其中每一个指针又指向一个完整的python对象

#### 二、Numpy数组的创建： ####

*  **1.用np.array(list)创建**：NumPy 要求数组必须包含同一类型的数据。如果类型不匹配，NumPy将会向上转换；可以用dtype关键字设置数据类型；NumPy 数组可以被指定为多维的，例如：np.array(\[range(i,i+3) for i in \[1,2,3\]\])
 *  **2.用内置方法创建：**
 *  np.zeros(10,dtype=int):创建一个长度为10的数组，数组的值都是0
 *  np.ones((3,5),dtype=float):创建一个3×5的浮点型数组，数组的值都是1
 *  np.full((3, 5), 3.14) :创建一个3×5的浮点型数组，数组的值都是3.14
 *  np.arange(0, 20, 2) :创建一个从0开始，到20结束，步长为2 的数组（取前不取后）
 *  np.linspace(0, 1, 5) ： 创建一个5个元素的数组，这5个数均匀地分配到0~1
 *  np.random.random((3, 3))：创建一个3×3的、在0~1均匀分布的随机数组成的数组
 *  np.random.normal(0, 1, (3, 3)) :创建一个3×3的、均值为0、方差为1的正态分布的随机数数组
 *  np.random.randint(0, 10, (3, 3)) :创建一个3×3的、\[0, 10)区间的随机整型数组
 *  np.eye(3):创建一个3×3的单位矩阵
 *  np.empty(3) :创建一个由3个整型数组成的未初始化的数组,数组的值是内存空间中的任意值
 *  **PS：指定数据类型**：当构建一个数组时，你可以用一个字符串参数来指定数据类型，或者用相关的 NumPy 对象来指定，例如：np.zeros(10, dtype='int16')或者np.zeros(10, dtype=np.int16)

#### 三、Numpy数组的基本操作： ####

1.**获取属性：**

nidm（数组的维度） shape（数组每个维度的大小） size（数组的总大小） dtype（数组的数据类型） itemsize（每个数组元素字节大小） nbytes（数组总字节大小），一般来说，可以认为 nbytes 跟 itemsize 和 size 的乘积大小相等

2.**索引：**

一维数组中，你也可以通过中括号指定索引获取第 i 个值； 多维数组中，可以通过中括号指定索引获取第 i 行，也可以用逗号分隔的索引元组获取元素（中括号括起来而不是小括号）； 也可以用以上索引方式修改元素值

3.**切片：** 一维数组：x\[start:stop:step\]； 多维切片也采用同样的方式处理，用冒号分隔，逗号之前表示行，逗号之后表示列，x\[start:stop:step，start:stop:step\]

4.**获取单行单列：** 通过索引+空切片， 例如x2\[:, 0\]表示x2的第一列 ；x2\[0,:\]表示第一行； 在获取行时，出于语法的简介考虑，可以省略空的切片，例如x2\[0\]表示第一行

**注意：** 在 Python 列表中，切片是值的副本； 在NumPy中，数组切片返回的是数组数据的视图，而 不是数值数据的副本，此时若要创建副本，可通过.copy()实现

5.**数组的变形：** reshape方法或者在切片中利用newaxis关键字

6. **数组的拼接：** 主要由 np.concatenate、np.vstack 和 np.hstack 例程实现

np.vstack（垂直栈）实现垂直拼接：np.hstack（水平栈）实现水平拼接：7. **数组的分裂：** 通过 np.split、np.hsplit 和 np.vsplit 函数来实现。 可以向以上函数传递一个索引列表作为参数，索引列表记录的是分裂点位置np.hsplit 和 np.vsplit 的用法也类似：

#### 四、通用函数（代替循环）： ####

1.**数组的运算：** 直接用+、-、\*、/、//、\*\*、%等算数运算符 2.**绝对值：** np.abs(array) 3.**三角函数：** np.sin(array)、np.cos(array)、np.tan(array)、np.arcsin(array)、np.arccos(array)、np.arctan(array) 4.**指数：** np.exp(array)默认是e^x，若要设置指数，以2为例：可以通过np.exp2(array)或者np.power(2,array) 5.**对数：** np.log(array)默认是ln(x)，若要设置底数，以2为例，可以通过np.log2(array) 6.**专用的通用函数：** scipy.special模块

#### 五、高级的通用函数特性： ####

1.**指定输出：** 所有的通用函数 都可以通过 out 参数来指定计算结果的存放位置。对于较大的数组，通过慎重使用 out 参数 将能够有效节约内存。

2.**聚合：** 如果我们希望用一个特定的运算 reduce一个数组，那么可以用任何通用函数的 reduce 方法

如果需要存储每次计算的中间结果，可以使用 accumulate方法3. **外积：** 任何通用函数都可以用 outer 方法获得两个不同输入数组所有元素对的函数运算结果。

转载于:https://juejin.im/post/5c9f65bd6fb9a05e620b756d