numpy 详解

青旅半醒 2023-07-24 08:49 20阅读 0赞

### numpy 详解 ###

*  numpy 的意义：
 *  
 *  
 *  一、矩阵的创建
 *   *   *  1.列表或元组创建
         *  2.np函数创建
         *  3.矩阵拼接
 *  二、ndarray 的常用属性、方法
 *  三、矩阵的操作（改维度、类型，索引，切片 ）
 *   *   *  1.维度
         *  2.类型
         *  3.索引
         *  4.切片
 *  四、矩阵的运算
 *   *   *  1.四则运算和幂
         *  2.函数运算
         *  3.随机函数
         *   *  使用RandomState获得随机数生成器
         *  4.统计函数
 *  五、导入导出
 *   *   *  1.CSV
         *  2.tofile针对多维矩阵

# numpy 的意义： #

\-1.矩阵的表示，表达（主要关注维度）

#  #

\-2.让矩阵运算，像数一样运算

#  #

\-3.提高运算效率

import numpy as np

# 一、矩阵的创建 #

### 1.列表或元组创建 ###

array1 = np.array([1,2,3,4,5])#可加dtype=np.float32
    array2 = np.array((1,2,3,4,5))
    print(array1,array1)

### 2.np函数创建 ###

array1 = np.arange(1,10,3)#np.arange([start, ]stop, [step, ]dtype=None)
    array2 = np.ones((2,3))
    array3 = np.zeros((3,4))
    array4 = np.full((2,3),5)
    array5 = np.eye(4)
    array6 = np.ones_like(array1)
    array7 = np.zeros_like(array1)
    array8 = np.full_like(array1,6)
    array9 = np.linspace(5,7,num=10)#numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None);返回均匀间隔的数字

### 3.矩阵拼接 ###

a = np.array([[1, 2], [3, 4]])
    b = np.array([[5, 6]])
    c = np.concatenate((a, b), axis=0)
    d = np.concatenate((a, b.T), axis=1)
    print(c)
    print(d)

# 二、ndarray 的常用属性、方法 #

a = np.array([[1, 2], [3, 4]])
    print(a.ndim) #数组轴的个数，在python的世界中，轴的个数被称作秩
    print(a.shape)#数组的维度
    print(a.size) #元素个数 等于np.size(a)
    print(a.dtype)#元素类型
    print(a.itemsize)#数组中每个元素的字节大小
    print(a.mean())#求均值
    print(a.nbytes)#数组元素消耗的总字节数
    
    a.fill(6)     #对矩阵进行填充
    a2 = a.copy() #复制赋值，a2与a 相互独立

# 三、矩阵的操作（改维度、类型，索引，切片 ） #

### 1.维度 ###

array1 = np.arange(24)
    print(array1)
    array2 = array1.reshape((3,8))#不改变原来矩阵
    print(array2)
    array3 = array1.resize((3,4,2))#改变原来矩阵
    print(array1)
    array4 = array2.swapaxes(1,0)#轴对换
    print(array4)
    array5 = array2.flatten()#拉平成一维
    print(array5)

### 2.类型 ###

#元素类型
    array1 = np.arange(24)
    print(array1.dtype)
    new_arr = array1.astype(np.float64)
    print(new_arr.dtype) 
    #矩阵类型
    ls = array1.tolist()
    print(ls)
    print(type(ls))

### 3.索引 ###

array1 = np.arange(24).reshape((2,4,3))#2列，4行，3纵
    print(array1)
    print(array1[1,2,2])

### 4.切片 ###

array1 = np.arange(24).reshape((2,4,3))
    print(array1)
    print(array1[:,1:3,0:2])
    
    arr1 = np.arange(10)
    mask = np.array([0,0,0,0,0,0,0,1,1,1],dtype=bool) #掩码型索引
    mask1 = arr1 >6               #与mask是一样的
    print(mask1)
    arr1[mask]                   #等于arr1[arr1>6]

# 四、矩阵的运算 #

### 1.四则运算和幂 ###

array1 = np.array([1,2,3,4,5])
    array2 = np.array([2,3,4,5,6])
    array3 = np.array([[1,2],[3,4]])
    
    print(array1 + 1)
    print(array1 - 1)
    print(array1 * 3)
    print(array1 / 3)
    print(array1**3)
    print('------------')
    print(array1+array2)
    print(array1-array2)
    print(array1*array2)
    print(array1/array2)
    print(array3**array3)
    #矩阵的加减乘除 像数一样

### 2.函数运算 ###

arr1   = np.array([1.36,-2.55,0,-4.23,5.76])
    arr2   = np.array([-2,3,-4,-4.23,-6])
    
    arr3    = np.abs(arr1)     #元素取绝对值
    arr4    = np.sqrt(arr3)    #开平方
    arr5    = np.square(arr2)  #平方
    arr6    = np.power(arr2,3) #计算多次幂 等于arr2**3
    arr7    = np.log(np.e)     #e为底
    arr8    = np.log2(4)       #2为底
    arr9    = np.log10(100)    #10为底
    arr10   = np.sin(arr1)     #三角函数还有 np.cos() np.tan() 
    arr11   = np.sinh(arr1)    #三角反函数还有 np.cosh() np.tanh() 
    arr12   = np.exp(1)        #e的多少次幂
    arr13   = np.sign(arr1)    #取数字符号函数 结果为+1 -1 0
    arr14,b = np.modf(arr1)    #小数部分与整数部分，分开返回两个ndarray类型
    arr15   = np.mod(10,4)     #10对4取余
    arr16   = np.rint(arr1)    #取最近整数
    arr17   = np.ceil(arr1)    #取正无穷方向整数
    arr18   = np.floor(arr1)   #取负无穷方向整数
    arr19   = np.around(arr1,1)#四舍五入 可指定精度
    arr20   = np.trunc(arr1)   #截取整数部分 等于fix()
    arr21   = np.fix(arr1)
    arr22   = np.where(arr1>0,arr1,arr2)  #[xv if c else yv for (c,xv,yv) in zip(condition,x,y)];还有第二种用法，只有条件，返回索引
                                          #a = np.array([2,4,6,8,10])
                                          #np.where(a > 5) 返回索引
                                          #(array([2, 3, 4]),) 
                                          #a[np.where(a > 5)] # 等价于 a[a>5]
                                          #array([ 6, 8, 10])
    
    arr23 = np.fmax(arr1,arr2)     #取最大值
    arr24 = np.fmin(arr1,arr2)     #取最小值
    arr25 = arr1 > arr2            #返回满足条件的布尔矩阵：> < >= <= == != 
    arr26 = np.copysign(arr1,arr2) #复制并赋值srr2的符号到arr1

### 3.随机函数 ###

np.random.seed(10)
    arr0 = np.array([1,2,3,4,5,6,7])
    arr = ['pooh', 'rabbit', 'piglet', 'Christopher']
    
    arr1 = np.random.rand(3,4,5)            #生成固定形状的随机矩阵，[0,1)之间的均匀分布 等于np.random.random((3,4,5))
    arr2 = np.random.randn(2,3)             #（均值为0，方差为1）的正态分布
    arr3 = np.random.randint(1, 10, (3, 2)) #randint(low, high=None, size=None, dtype='l')在区间[low, high)中离散均匀抽样的数组，size指定形状，dtype指定数据类型
    arr4 = np.random.uniform(1, 10, (3, 2)) #uniform(low=0.0, high=1.0, size=None),返回一个在区间[low, high)中均匀分布的数组,low, high：float型或者float型的类数组对象
    arr5 = np.random.normal(10, 2, (3, 2))  #normal(μ=0.0, σ=1.0, size=None) 返回指定形状的，指定期望与均值的正太分布的矩阵
    
    #arr6 = np.random.shuffle(arr0) #arr6为None ,原arr0 被打乱
    arr7 = np.random.permutation(arr0)     #arr7为被打乱矩阵，原arr0不变
    arr8 = np.random.choice(arr0,(1,4),p=arr0/np.sum(arr0))
    arr9 = np.random.choice(arr, 5, p=[0.5, 0.1, 0.1, 0.3])#结果有重复的；choice(a, size=None, replace=True, p=None)
    arr10 = np.random.choice(arr, 4,replace=False, p=[0.5, 0.1, 0.1, 0.3])#无重复结果
    
    
    
    print(arr10)

#### 使用RandomState获得随机数生成器 ####

rand_genera = np.random.RandomState(6)# 6是种子，只要种子一样，产生的随机数序列也一样 ;可以替代random.seed()
    a = rand_genera.rand(3,4)
    b = rand_genera.rand(3)
    print(a,b)
    
    rand_genera1 = np.random.RandomState(6)
    c = rand_genera1.rand(3,4)
    d = rand_genera1.rand(3)
    print(c,d)

### 4.统计函数 ###

arr = np.array([[3,7,5],[8,4,3],[2,4,9]])  
    
    arr1 = np.amin(arr,1)      #numpy.amin() 用于计算数组中的元素沿指定轴的最小值；#axis = 0表示对最外层[]里的最大单位块做块与块之间的运算,同时移除最外层[] 
                              #axis = n 表示对第n+1层里面的最大单位做夸单位运算
    arr2 = np.amax(arr,0)
    arr3 = np.ptp(arr)     #函数计算数组中元素最大值与最小值的差（最大值 - 最小值） ;可以指定axis: np.ptp(a, axis = 1)
    arr4 = np.percentile(arr, 50,axis=0) #第 p 个百分位数是这样一个值，它使得至少有 p% 的数据项小于或等于这个值
    arr5 = np.median(arr, axis =  0)  #计算数组 a 中元素的中位数
    arr6 = np.mean(arr, axis =  0) #算术平均值
    arr7 = np.average(arr,weights =[1,1,0],axis =  0) #数组中元素的加权平均值
    arr8 = np.std(arr,axis=1)    #标准差
    arr9 = np.var(arr,axis=1)    #方差
    arr10 = np.sum(arr,axis=0)   #求和
    arr11 = np.min(arr,axis=1)   #最小值
    arr12 = np.max(arr,axis=1)   #最大值
    arr13 = np.argmin(arr,axis=0) #最小值，一维之后的位置
    arr14 = np.argmax(arr,axis=0) #最大值，一维之后的位置
    arr15 = np.unravel_index(4,(2,3))  #将一维下标，按照shape转换为多维
    arr16 = np.gradient(arr)     # 梯度函数
    arr17 = np.unique(arr)    #返回所有不同的值
    
    print(arr16)

# 五、导入导出 #

### 1.CSV ###

#numpy.savetxt（fname，X，fmt ='％。18e'，delimiter =''，newline ='n'，header =''，footer =''，comments ='＃'，encoding = None ）
    arr = np.array([[3,7,5],[8,4345223423432,3]]) 
    np.savetxt('a00000.csv',arr,fmt='%d',delimiter=',')
    np.savetxt('a11111.csv',arr,fmt='%.2f',delimiter=',')
    np.savetxt('a2222.csv',arr,fmt='%.6e',delimiter=',')
    
    #numpy.loadtxt(fname, dtype=, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0)
    arr1 = np.loadtxt('a11.csv',dtype=np.float,delimiter=',')
    print(arr1)
    arr2 = np.loadtxt('a11.csv',dtype=np.float,delimiter=',',unpack=True)
    print(arr2)

### 2.tofile针对多维矩阵 ###

#a.tofile(frame, sep='', format='%s') format='%d','%.2f' ,Python3 数字支持 int、float、bool、complex（复数）
    arr = np.array([[3,7,5],[8,43452,3]]) 
    arr.tofile('a1.dat',sep=',',format='%.5f')#用文本存储
    arr.tofile('b5.dat',format='%d')#用二进制存储
    
    #np.fromfile(frame, dtype=float, count=‐1, sep='')
    arr1 = np.fromfile('a1.dat',dtype=np.float,sep=',').reshape(2,3)#类型和分割都得对应
    arr2 = np.fromfile('b5.dat',dtype=np.int).reshape(2,3)          #不好用，容易出错
    
    print(arr1)
    print(arr2)