Python数据科学常用库——Numpy

╰+攻爆jí腚メ 2022-03-22 02:30 383阅读 0赞

# Python数据科学常用库——Numpy #

## 一、数组的创建与访问 ##

### 0x1 创建一维数组 ###

import numpy as np
     # create from python list
    list_1 = [1, 2, 3, 4]
    array_1 = np.array(list_1)

### 0x2 创建二维数组 ###

list_2 = [5, 6, 7, 8]
    array_2 = np.array([list_1, list_2])
    >>>
    array([[1, 2, 3, 4],
           [5, 6, 7, 8]])

### 0x2 访问数组属性 ###

array_2.shape  # 数组类型
    >>>(2,4)
    array_2.size  # 数组大小
    >>>8
    array_2.dtype # 数组数据类型
    >>>dtype('int64') # 取精确度最高的

### 0x3 特殊方法创建矩阵 ###

array_4 = np.arange(1, 10, 2)  # 创建1-10，步长为2
    >>>array([1, 3, 5, 7, 9])
    
    np.zeros(5) # 5个元素的零矩阵
    >>>array([ 0.,  0.,  0.,  0.,  0.])
    
    np.zeros([2,3]) # 二行三列的零矩阵
    >>>array([[ 0.,  0.,  0.],
              [ 0.,  0.,  0.]])
           
    np.eye(5) # 5x5单位矩阵
    >>>array([[ 1.,  0.,  0.,  0.,  0.],
              [ 0.,  1.,  0.,  0.,  0.],
              [ 0.,  0.,  1.,  0.,  0.],
              [ 0.,  0.,  0.,  1.,  0.],
              [ 0.,  0.,  0.,  0.,  1.]])

### 0x4 访问数组元素 ###

# 一维数组，下标和切片访问
    a[1]
    a[1:5]
    
    # n维数组，下标和切片访问
    b = np.array([[1,2,3],[4,5,6]])
    b[1][0] = 4
    c = np.array([[1,2,3],[4,5,6],[7,8,9]])
    c = array([[1, 2, 3],
               [4, 5, 6],
               [7, 8, 9]])
    c[:2,1:] = array([[2, 3],
                      [5, 6]])

## 二、数组与矩阵的运算 ##

### 0x1 随机生成数组 ###

import numpy as np
    np.random.randn(10) # 返回一个或一组样本，具有标准正态分布
    np.random.randint(10, size=20) # 0-9,生成20个随机数
    np.random.randint(10, size=(2,3)) # 0-9,生成2*3的矩阵
    np.random.randint(10, size=20).reshape(4, 5) # 一维数组重塑为二维数组

### 0x2 数组的计算 ###

加减乘除，除法运算中注意数组中不能有0.  
对应位置相加减乘除

### 0x3 矩阵相关 ###

# 矩阵的创建
    np.mat([[1,2,3],[4,5,6]]) 
    >>>matrix([[1, 2, 3],
               [4, 5, 6]])
    np.mat(a) # 数组转换为矩阵
    
    # 矩阵的运算
    矩阵加减与数组相同
    乘除需要满足矩阵运算应该满足的条件

### 0x3 数组常用函数 ###

a = np.random.randint(10, size=20).reshape(4,5)
    np.unique(a)  # 返回数组中唯一的数
    >>>array([[4, 1, 2, 5, 3],
              [9, 8, 1, 4, 0],
              [5, 4, 8, 0, 2],
              [8, 6, 2, 4, 3]])
    sum(a)        # 数组每一列的元素的和
    >>>array([26, 19, 13, 13,  8])    
    sum(a[0])     # 数组第一行的元素的和 
    >>>15
    max(a[:,0])   # 数组第一列的和
    >>>26 
    a.max()       # 数组最大值
    max(a[0])     # 数组第一行最大值
    max(a[:,0])   # 数组第一列最大值

## 二、数组的输入与输出 ##

### 0x1 使用pickle序列化numpy array ###

import pickle
    import numpy as np
    x = np.arange(10) 
    f = open('x.pkl', 'wb') # 写二进制文件
    pickle.dump(x, f)       # 序列化到硬盘
    f = open('x.pkl', 'rb') # 读二进制文件
    pickle.load(f)

### 0x2 使用sava序列化numpy array ###

x = np.arange(10) 
    y = np.arange(20)
    np.save('one_array', x)  # 序列化x
    np.load('one_array.npy') # 读x
    np.savez('two_array.npz', a=x, b=y)  # 写入两个数组
    c = np.load('two_array.npz')
    c['a']
    c['b']