Numpy

男娘i 2024-04-20 09:14 67阅读 0赞

# Numpy 基础数据结构 #

""" Numpy 基础数据结构 ndarray """
    
    import numpy as np
    
    # numpy 数组
    lt = [1,2,3,4,5,6]
    ar1 = np.array(lt)
    print(lt,type(lt))           # [1, 2, 3, 4, 5, 6] <class 'list'>
    print(ar1,type(ar1))         # [1 2 3 4 5 6] <class 'numpy.ndarray'>
    ar2 = np.array([lt,lt])      # 创建一个维度数组
    
    # 数组属性
    print(ar1.ndim , ar2.ndim)   # 输出维度，1 2
    print(ar2.shape)             # (2, 6) 2行6列
    print(ar2.size)              # 元素的个数
    print(ar2.dtype)             # 数组里面 数值的数据类型 int32
    print(ar2.itemsize)          # 字节大小 4
    print(ar2.data)              # <memory at 0x000001D41C68B908> 位置
    
    
    #########################################################################
    # 如何创建数组？
    # 通过列表 或 生成器创建
    ar1 = np.array(range(10))
    ar2 = np.arange(10)                            # 和range用法一样
    ar3 = np.array([1,2,3,4,5,6])
    ar4 = np.array([[1,2,3,4,5,6],[1,2,3,4,5,6]])
    ar5 = np.array([[1,2,3,4,5,6],[1,2,3,4,5,6,7]])
    print(ar5,ar5.ndim)                            # 个数不一致，变成一维数组
    # print(np.random.rand(10).shape(2,5)) # 0-1的随机数10个，先得到值，在变化形状
    
    # linspac
    print(np.linspace(10,20,num=21))               # 从10到20，固定间隔
    print(np.linspace(10,20,num=20,endpoint=False))# 不包含末尾值20
    print(np.linspace(10,20,num=21,retstep=True))  # 返回数组，第一个为本身，第二个返回步长
    
    # zeros() ones()
    print(np.zeros(10))
    print(np.zeros((2,5),dtype=np.int))
    # np.zeros_like(other_ar) # 创建一个和other_ar 形状一样的0数组
    # ones 和zeros 一样。
    
    # eye
    print(np.eye(5))                               # 5*5 对角1，其他0

# Numpy 通用函数：基本操作 #

import numpy as np
    
    # 数组形状
    ar1 = np.arange(10)
    ar2 = np.zeros((2,5))
    
    # 转置
    print(ar1,ar1.T)    # 一维数组不变
    print(ar2,ar2.T)    # 二维数组 (3,4)/(2,3,4) --> (4,3)/(4,3,2)
    
    # reshape
    # 注意：元素个数 要相等
    print(ar2.reshape((5,2)))
    print(np.ones((10,10)).reshape(5,20))
    print(np.reshape(np.arange(16),(2,8)))
    
    
    # resize
    print(np.resize(np.arange(5),(3,4)))  # 循环取值，直到够12个
    print(np.resize(np.arange(15),(3,4))) # 取前12个元素组成(3,4)
    
    # 数组的复制
    
    # 同深拷贝 浅拷贝
    ar1 = np.arange(10)
    ar2 = ar1         # 指向同一个数据 ，ar2[0] 更改，ar1 也会变
    ar3 = ar2.copy()  # 不同，ar3[0] 更改，ar2 不会变。
    # np.resize 生成新数组
    # ar.resize 改变本身
    
    
    
    ########################################
    # 数组的数组类型转换
    ar1 = np.arange(10,dtype=float)
    ar2 = ar1.astype(np.int64)
    print(ar1,ar1.dtype)
    print(ar2,ar2.dtype)
    
    ########################################
    # 数组堆叠
    a = np.arange(5)
    b = np.arange(5,9)
    print(np.hstack((a,b)))      # 横向连接
                                 # 竖向连接 会报错，必须保持形状
    
    a = np.array([[1],[2],[3]])
    b =  np.array([["a"],["b"],["c"]])
    print(np.hstack((a,b)))      # 横向连接
    print(np.vstack((a,b)))      # 竖向连接
    
    a = np.arange(5)
    b = np.arange(5,10)
    print(np.stack((a,b),axis=1)) # axis=1 横向连接，默认axis=0，纵向连接
    
    
    # 数组拆分
    ar = np.arange(16).reshape(4,4)
    print(np.hsplit(ar,2))
    print(np.vsplit(ar,2))
    
    
    ########################################################
    
    # 数组运算
    
    ar = np.arange(6).reshape(2,3)
    print(ar + 10)
    print(ar * 2)
    print(1 / (ar + 1))
    print(ar ** 0.5 )
    
    print(ar.mean())  # 求平均值
    print(ar.max())   # 求最大值
    print(ar.min())   # 求最小值
    print(ar.std())   # 求标准差
    print(ar.var())   # 求方差
    print(ar.sum())   # 求和 ar.sum(ar.axis = 0) 按列求和
    print(np.sort(np.array([1,2,3,4,5,6])))  # 排序

# Numpy 索引和切片 #

import numpy as np
    
    # 基本的索引和切片
    # 一维数组 同列表一样
    ar = np.arange(20)
    print(ar[4])
    print(ar[:3])
    print(ar[::2])
    
    # 二维数组
    ar = np.arange(16).reshape(4,4)
    print(ar)
    print(ar[2])
    print(ar[2][2])
    print(ar[1:3])
    
    print(ar[2,2])   # 第3行第3列，10
    print(ar[:1,2:]) # [[2 3]]
    
    
    # 三维数组
    # 同理
    
    ###################################################
    # 布尔型索引 以及 切片
    ar = np.arange(12).reshape(3,4)
    print("---------------------------------------------------------------------")
    print(ar)
    i = np.array([True,False,False])
    j = np.array([True,True,False,False])
    print(ar[i,:]) # 在第一维度做判断，只保留True,这里第一维度就是行，ar[i,:] = ar[i] 简写
    print(ar[:,j]) # 在第二维度做判断
    
    print(ar>5,type(ar>5))
    print(ar[ar>5]) # [ 6 7 8 9 10 11] 无结构了
    
    
    # 索引的更改和赋值
    # 和列表原理相同

# Numpy 随机数 #

import numpy as np
    
    # 标准 正态分布的样本值
    print(np.random.normal(size=(4,4)))
    
    # [0,1)之间随机数,平均分布
    a = np.random.rand()
    print(a)
    print(np.random.rand(4))
    print(np.random.rand(2,4))
    print(np.random.rand(2,4)*100)
    
    # 随机整数
    print(np.random.randint(2))  # [0,2)
    print(np.random.randint(2,10))
    print(np.random.randint(10,size=10)) # [1 0 9 8 2 7 5 6 0 3]
    print(np.random.randint(10,50,size=(2,5)))

# Numpy 数据输入和输出 #

# 存数组
    np.save('test.npy',ar)
    np.load('test.npy')
    
    # 存文本文件
    np.savetext('test.txt',ar,delimiter=',') # 逗号分隔,默认科学计数法，fmt='%.2f'
    np.loadtext('test.txt',delimiter=',')