python之numpy
numpy是一個(gè)多維的數(shù)組對(duì)象，類似python的列表，但是數(shù)組對(duì)象的每個(gè)元素之間由空格隔開。
?
一、數(shù)組的創(chuàng)建
1.通過numpy的array(參數(shù))，參數(shù)可以是列表、元組、數(shù)組、生成器等
由arr2和arr3看出，對(duì)于多維數(shù)組來說，如果最里層的數(shù)據(jù)類型不一致，array()會(huì)將其轉(zhuǎn)化為一致
由arr2和arr4看出，對(duì)于最里層的數(shù)據(jù)個(gè)數(shù)不一致，array()的結(jié)果只是一個(gè)一維數(shù)組。
import numpy as np arr1 = np.array(range(10)) arr2 = np.array([[1,2,3],[4,5,6]]) arr3 = np.array([[1,2,3],['a','b','c']]) arr4 = np.array([[1,2,3],['a','b']]) print(arr1) print(arr2) print(arr3) print(arr4) array()創(chuàng)建數(shù)組2.通過numpy的arange(start,stop,step=1,dtype)創(chuàng)建一維數(shù)組
start表示起始值，stop表示終止值（包含start但不包含stop，即前閉后開區(qū)間），step表示步長(zhǎng)默認(rèn)為1，dtype表示元素類型，其中stop和step可省略。
arr5 = np.arange(5) #[0 1 2 3 4] arr6 = np.arange(1.0,6) #[1. 2. 3. 4. 5. ] arr7 = np.arange(1.0,6,dtype = int) #[1 2 3 4 5] arr8 = np.arange(1,8,2) #[1 3 5 7]?
3.通過reshape(m,n)創(chuàng)建
如下示例表示創(chuàng)建10個(gè)0-1之間的隨機(jī)數(shù)，然后生成一個(gè)二維數(shù)組，每個(gè)數(shù)組5個(gè)元素。
arr = np.random.rand(10).reshape(2,5) print(arr) # [[0.03377643 0.17232537 0.55157918 0.96107258 0.50468264] # [0.85299258 0.50271173 0.31466024 0.89302 0.82547851]]?
4.通過linspace(start,?stop,?num=50,?endpoint=True,?retstep=False,?dtype=None)創(chuàng)建一維數(shù)組
start：起始值
stop：終止值，默認(rèn)包含stop
num：數(shù)組元素的個(gè)數(shù)，默認(rèn)為50個(gè)
endpoint：數(shù)組是否包含stop，默認(rèn)為true包含，false表示不包含
retstep：數(shù)組是否顯示步長(zhǎng)，默認(rèn)為false不顯示，只顯示數(shù)組；true表示結(jié)果顯示為一個(gè)元組，元組的第一個(gè)元素為數(shù)組第二個(gè)元素為步長(zhǎng)
dtype：數(shù)組元素的類型
arr1 = np.linspace(1,5,num=5) #[1. 2. 3. 4. 5.] arr2 = np.linspace(1,6,num=5,endpoint=False,retstep=True,dtype=int) #(array([1, 2, 3, 4, 5]), 1.0)?
5.通過zeros(shape,dtype=float)和zeros_like(arr,dtype)創(chuàng)建元素全部為0的多維數(shù)組?
zeros()表示創(chuàng)建一個(gè)數(shù)組，緯度為參數(shù)shape，元素全部為0且默認(rèn)類型為float
zeros_like()表示創(chuàng)建一個(gè)類似參數(shù)arr結(jié)構(gòu)的數(shù)組，元素全部為0，元素類型默認(rèn)與arr保持一致，也可自定義元素類型。
arr1 = np.zeros(3) arr2 = np.zeros([3,2],dtype = int) arr3 = np.zeros_like(arr1,dtype = int) print(arr1) print(arr2) print(arr3) # [0. 0. 0.] # [[0 0] # [0 0] # [0 0]] # [0 0 0] zeros()和zeros_like()創(chuàng)建數(shù)組?
6.通過ones(shape,dtype=float)和ones_like(arr,dtype)創(chuàng)建元素全部為1的多維數(shù)組?
ones()和ones_like()的用法類似zeros()和zeros_like()的用法，只是數(shù)組的元素的值為1。
arr1 = np.ones(2) arr2 = np.ones((2,3),dtype = int) arr3 = np.ones_like(arr1,dtype = int) print(arr1) print(arr2) print(arr3) # [1. 1.] # [[1 1 1] # [1 1 1]] # [1 1] ones()和ones_like()創(chuàng)建數(shù)組?
7.通過eye(n,dtype = float)創(chuàng)建多維數(shù)組?
eye()表示創(chuàng)建n*n的數(shù)組，對(duì)角線元素為1其他元素為0，默認(rèn)元素類型為float。
arr1 = np.eye(2) arr2 = np.eye(3,dtype = int) print(arr1) print(arr2) # [[1. 0.] # [0. 1.]] # [[1 0 0] # [0 1 0] # [0 0 1]] eye()創(chuàng)建數(shù)組?
二、數(shù)組常用屬性
- type(arr)? ?數(shù)組類型
- arr.ndim? ? 數(shù)組的秩，即軸的數(shù)量或緯度的數(shù)量
- arr.shape? 數(shù)組的形狀，形式為(m,n)，對(duì)于二位數(shù)組來說m表示行n表示列
- arr.size? ? ?數(shù)組元素的總個(gè)數(shù)，相當(dāng)于shape中的m*n
- arr.dtype? ?數(shù)組元素的類型
- arr.itemsize? ?數(shù)組元素的大小，單位為字節(jié)??
- arr.data? 實(shí)際數(shù)組元素的緩沖區(qū)
?
三、數(shù)組的索引
①數(shù)值索引
數(shù)組的數(shù)值索引類似python列表和元組的索引，從0開始，且切片[m:n]表示包括m但不包括n。
對(duì)于嵌套列表和元組來說，可通過l[m][n]獲取第二層的值，在numpy中除了這種方法，還可通過arr[m,n]來獲取，m表示行n表示列。
arr = np.arange(12).reshape(2,2,3) print(arr) print(arr[0][1][1:]) print(arr[1][0][2]) print(arr[1,0,2]) # [[[ 0 1 2] # [ 3 4 5]] # # [[ 6 7 8] # [ 9 10 11]]] # [4 5] # 8 # 8 數(shù)組的數(shù)值索引②布爾索引
使用布爾索引時(shí)，False表示不保留，True表示保留，如下例子h表示在水平方向的索引規(guī)則，即保留第二行，v表示在豎直方向的索引規(guī)則，保留第一列和第三列。
arr = np.arange(12).reshape(3,4) h = np.array([False,True,False]) v = np.array([True,False,True,False]) print(arr) print(arr[h]) print(arr[:,v]) print(arr[h,v]) # [[ 0 1 2 3] # [ 4 5 6 7] # [ 8 9 10 11]] # [[4 5 6 7]] # [[ 0 2] # [ 4 6] # [ 8 10]] # [4 6] 數(shù)組的布爾索引?
arr = np.arange(12).reshape(2,6) m = (arr>8) n = (arr<3) print(m) print(n) print(arr[m]) print(arr[n]) # [[False False False False False False] # [False False False True True True]] # [[ True True True False False False] # [False False False False False False]] # [ 9 10 11] # [0 1 2] 數(shù)組的布爾索引2?
四、數(shù)組常用方法
1..T轉(zhuǎn)置
.T會(huì)對(duì)原數(shù)組進(jìn)行轉(zhuǎn)置操作，一維數(shù)組轉(zhuǎn)置后的結(jié)果與原數(shù)組相同。
.T會(huì)生成新的數(shù)組，修改原數(shù)組會(huì)影響轉(zhuǎn)置后的數(shù)組，修改轉(zhuǎn)置后的數(shù)組也會(huì)影響原數(shù)組，即兩者指向相同的內(nèi)存地址。
arr1 = np.arange(5) print(arr1) arr2 = arr1.T print(arr2) arr1[1]=10 arr2[3]=30 print(arr1,arr2)arr3 = np.array([[1,2,3],[4,5,6]]) print(arr3) arr4 = arr3.T print(arr3) print(arr4) arr3[0][0]=10 print(arr3) print(arr4) arr4[1][0]=20 print(arr3) print(arr4) # [0 1 2 3 4] # [0 1 2 3 4] # [ 0 10 2 30 4] [ 0 10 2 30 4] # [[1 2 3] # [4 5 6]] # [[1 2 3] # [4 5 6]] # [[1 4] # [2 5] # [3 6]] # [[10 2 3] # [ 4 5 6]] # [[10 4] # [ 2 5] # [ 3 6]] # [[10 20 3] # [ 4 5 6]] # [[10 4] # [20 5] # [ 3 6]] .T轉(zhuǎn)置?
2.reshape()重置維度
兩種用法：np.reshape(arr,shape)和arr.reshape(m,n)，reshape()要求重置后的元素個(gè)數(shù)與原數(shù)組相同，否則會(huì)報(bào)錯(cuò)。
reshape()兩種方法都會(huì)生成新的數(shù)組，修改原數(shù)組會(huì)影響重置維度后的數(shù)組，修改重置維度后的數(shù)組也會(huì)影響原數(shù)組，即兩者指向相同的內(nèi)存地址。
arr1 = np.ones((3,2),dtype = int) print(arr1) arr2 = np.reshape(arr1,[2,3]) #xin print(arr2) arr3 = arr1.reshape(2,3) #yuan print(arr1) print(arr2) print(arr3) arr1[0][0] = 10 arr2[0][1] = 20 arr3[0][2] = 30 print(arr1) print(arr2) print(arr3) # [[1 1] # [1 1] # [1 1]] # [[1 1 1] # [1 1 1]] # [[1 1] # [1 1] # [1 1]] # [[1 1 1] # [1 1 1]] # [[1 1 1] # [1 1 1]] # [[10 20] # [30 1] # [ 1 1]] # [[10 20 30] # [ 1 1 1]] # [[10 20 30] # [ 1 1 1]] reshape()重置維度?
3.resize()重置大小
兩種用法：np.resize(arr,shape)和arr.resize(m,n)，但是resize()的效果與轉(zhuǎn)置和重置維度不同。
np.resize(arr,shape)會(huì)生成新的數(shù)組，但修改原數(shù)組不會(huì)影響重置大小后的數(shù)組，修改重置大小后的數(shù)組也不會(huì)影響原數(shù)組，即兩者是獨(dú)立的。
arr.resize(m,n)直接重置arr自身的大小，不會(huì)生成新的數(shù)組。
arr1 = np.ones((3,2),dtype = int) print(arr1) arr2 = np.resize(arr1,[2,3]) print(arr2) arr3 = arr1.resize(2,3) print(arr1) print(arr2) print(arr3) arr1[0][0] = 0 arr2[1][0] = 0 print(arr1) print(arr2) print(arr3) # [[1 1] # [1 1] # [1 1]] # [[1 1 1] # [1 1 1]] # [[1 1 1] # [1 1 1]] # [[1 1 1] # [1 1 1]] # None # [[0 1 1] # [1 1 1]] # [[1 1 1] # [0 1 1]] # None resize()重置大小?
resize()不要求重置后的元素個(gè)數(shù)與原數(shù)組相同
如果重置大小后的數(shù)組元素個(gè)數(shù)比原數(shù)組少，會(huì)從原數(shù)組前開始部分取值，舍去多余的元素；
如果重置大小后的數(shù)組元素個(gè)數(shù)比原數(shù)組多，多的元素會(huì)再依次從原數(shù)組開始部分取值，直到元素個(gè)數(shù)滿足要求。
arr4 = np.arange(5) arr5 = np.resize(arr4,(2,2)) arr6 = np.resize(arr4,(2,4)) print(arr4) print(arr5) print(arr6) # [0 1 2 3 4] # [[0 1] # [2 3]] # [[0 1 2 3] # [4 0 1 2]] resize()重置大小：個(gè)數(shù)不一致?
4.copy()復(fù)制
使用=給數(shù)組賦值，兩者指向相同的內(nèi)存地址，修改任一個(gè)會(huì)影響另一個(gè)。
使用copy()給數(shù)組賦值，兩者是獨(dú)立的數(shù)組，修改任意個(gè)不會(huì)影響另一個(gè)。
arr1 = np.arange(5) arr2 = arr1 arr3 = arr1.copy() print(arr1,arr2,arr3) arr1[1] = 10 arr2[2] = 20 arr3[3] = 30 print(arr1,arr2,arr3) # [0 1 2 3 4] [0 1 2 3 4] [0 1 2 3 4] # [ 0 10 20 3 4] [ 0 10 20 3 4] [ 0 1 2 30 4] =和copy()賦值?
5.astype()數(shù)據(jù)類型轉(zhuǎn)換
arr1 = np.arange(5) arr2 = arr1.astype(np.float) print(arr1,arr1.dtype) print(arr2,arr2.dtype) # [0 1 2 3 4] int32 # [0. 1. 2. 3. 4.] float64?
6.hstack()和vstack()數(shù)組堆疊
hstack((arr1,arr2))：橫向堆疊，即在水平方向上拼接
vstack((arr1,arr2))：豎向堆疊，即在垂直方向上拼接，垂直拼接要求兩個(gè)數(shù)組橫向元素的個(gè)數(shù)相同，即shape(m,n)中的n相同
arr1 = np.arange(1,6) arr2 = np.arange(6,11) print(arr1,arr2) print(np.hstack((arr1,arr2))) print(np.vstack((arr1,arr2))) print(np.stack((arr1,arr2))) #默認(rèn)axis = 0 print(np.stack((arr1,arr2),axis=1)) # [1 2 3 4 5] [ 6 7 8 9 10] # [ 1 2 3 4 5 6 7 8 9 10] # [[ 1 2 3 4 5] # [ 6 7 8 9 10]] # [[ 1 2 3 4 5] # [ 6 7 8 9 10]] # [[ 1 6] # [ 2 7] # [ 3 8] # [ 4 9] # [ 5 10]] hstack()和vstack()?
7.hsplit()和vsplit()數(shù)組拆分
hsplit(arr , x)：橫向拆分為x個(gè)，即在水平方向上拆分，水平拆分要求原數(shù)組橫向元素的個(gè)數(shù)為x的整數(shù)倍，即shape(m,n)中的n為x的整數(shù)倍
vsplit(arr , x)：豎向拆分為x個(gè)，即在垂直方向上拆分，垂直拆分要求原數(shù)組垂直元素的個(gè)數(shù)為x的整數(shù)倍，即shape(m,n)中的m為x的整數(shù)倍
arr1 = np.arange(12).reshape(2,6) print(arr1) print(np.hsplit(arr1,3)) arr2 = np.arange(12).reshape(4,3) print(arr2) print(np.vsplit(arr2,2)) # [[ 0 1 2 3 4 5] # [ 6 7 8 9 10 11]] # [array([[0, 1], # [6, 7]]), array([[2, 3], # [8, 9]]), array([[ 4, 5], # [10, 11]])] # [[ 0 1 2] # [ 3 4 5] # [ 6 7 8] # [ 9 10 11]] # [array([[0, 1, 2], # [3, 4, 5]]), array([[ 6, 7, 8], # [ 9, 10, 11]])] # hsplit()和vsplit()?
8.算數(shù)運(yùn)算
①數(shù)組與單個(gè)數(shù)值進(jìn)行數(shù)學(xué)運(yùn)算
加、減、乘、除和冪運(yùn)算都是對(duì)數(shù)組中的每一個(gè)元素進(jìn)行運(yùn)算。
arr = np.arange(2,12,2) print(arr) #[ 2 4 6 8 10] print(arr + 1) # 加法 [ 3 5 7 9 11] print(arr - 1) # 減法 [1 3 5 7 9] print(arr*2) # 乘法[ 4 8 12 16 20] print(arr**2) # 冪運(yùn)算[ 4 16 36 64 100] print(arr/2) # 除法 [1. 2. 3. 4. 5.] print(arr.max()) # 元素中的最大值 10 print(arr.min()) # 元素中的最小值 2 print(arr.mean()) # 元素的平均值 6.0 print(arr.sum(),np.sum(arr)) # 元素的總和 30 30 print(arr.std()) # 元素的標(biāo)準(zhǔn)差 2.8284271247461903 print(arr.var()) # 元素的方差 8.0②數(shù)組之間的數(shù)學(xué)運(yùn)算
如果兩個(gè)數(shù)組緯度相同，即arr1.shape = arr2.shape，他們之間的數(shù)學(xué)運(yùn)算就是每一個(gè)對(duì)應(yīng)的元素進(jìn)行運(yùn)算，如果形狀不同，則會(huì)觸發(fā)廣播機(jī)制，具體見菜鳥教程https://www.runoob.com/numpy/numpy-broadcast.html
?
五、隨機(jī)數(shù)
1.random.normal()
生成[0,1)之間標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)浮點(diǎn)數(shù)，無參數(shù)生成一個(gè)隨機(jī)數(shù)，有參數(shù)需要用括號(hào)括起來。
arr1 = np.random.normal() arr2 = np.random.normal(size = 2) arr3 = np.random.normal(size = (2,3)) print(arr1) print(arr2) print(arr3) # 1.1511731857477647 # [1.00477836 1.88009993] # [[ 0.44901815 -1.09567036 -0.29054339] # [-0.98372232 0.40854306 1.63187907]] random.normal()?
2.random.rand()
生成[0,1)之間的均勻分布的隨機(jī)浮點(diǎn)數(shù)，無參數(shù)生成一個(gè)隨機(jī)數(shù)，有參數(shù)直接使用(m,n)即可
arr1 = np.random.rand() arr2 = np.random.rand(2) arr3 = np.random.rand(2,3) print(arr1) print(arr2) print(arr3) # 0.583667212009531 # [0.15508024 0.23161194] # [[0.11583745 0.92588869 0.69102494] # [0.49288564 0.42045576 0.42541661]] random.rand()?
3.random.randn()
生成正態(tài)分布的隨機(jī)浮點(diǎn)數(shù)，大小無限制，無參數(shù)生成一個(gè)隨機(jī)數(shù)，有參數(shù)直接使用(m,n)即可
arr1 = np.random.randn() arr2 = np.random.randn(2) arr3 = np.random.randn(2,3) print(arr1) print(arr2) print(arr3) # 2.263955408625279 # [ 0.15676236 -0.15578064] # [[ 2.30273663 -0.75283754 -0.46872555] # [-1.14051476 1.51395796 -1.39675718]] random.randn()?
4.random.randint()
使用方法random.randint(start,stop,shape,dtype)
生成的數(shù)組緯度為參數(shù)shape，緯度默認(rèn)為1，
如果start和stop都存在則start<= 元素 <stop且要求start < stop，如果只傳入一個(gè)參數(shù)則0 <= 元素 < 參數(shù)
arr1 = np.random.randint(5) #生成一個(gè)隨機(jī)整數(shù)，范圍在[0,5)之間 arr2 = np.random.randint(0,10) #生成一個(gè)隨機(jī)整數(shù)，范圍在[0,10)之間 arr3 = np.random.randint(0,10,5) #生成一個(gè)包含5個(gè)元素的一維數(shù)組，元素范圍在[0,10)之間 arr4 = np.random.randint(0,10,[2,5])#生成一個(gè)2行、5列的二維數(shù)組，元素范圍在[0,10)之間 print(arr1) print(arr2) print(arr3) print(arr4) # 4 # 8 # [4 7 6 3 9] # [[4 7 4 7 1] # [2 0 8 9 3]] random.randint()?
5.random.uniform()
使用方法random.uniform(min,max,shape)，均勻生成形狀為shape、大小介于min和max之間的數(shù)組
arr1 = np.random.uniform(-5,5) arr2 = np.random.uniform(-5,5,10) arr3 = np.random.uniform(-5,5,(2,5)) print(arr1) print(arr2) print(arr3) # 1.4332287676136222 # [-3.80524427 -2.12707058 0.0591455 1.00699272 -0.18934898 -4.66894326 -1.44132482 2.80757844 -0.2869196 -4.83401471] # [[-3.01349008 -0.28137982 1.40406868 -4.71398305 -0.58511982] # [-1.62481178 3.24231459 0.10724101 -1.99657278 -2.8664592 ]] random.uniform()?
6.random.RandomState(n)
上述幾種生成隨機(jī)數(shù)的方法，如果直接使用，即使是同一個(gè)程序，每次運(yùn)行都會(huì)生成不同的隨機(jī)數(shù)。?
使用rng = np.random.RandomState(n)生成隨機(jī)數(shù)種子，再通過種子rng去調(diào)用normal()、rand()、randn()、randint()。
參數(shù)n表示使用第幾套種子，對(duì)于一個(gè)隨機(jī)數(shù)發(fā)生器，只要種子相同，生成的隨機(jī)數(shù)序列總是相同的。
?
六、寫入和讀取文件
1.save()和load()
使用方法：save('文件名',arr)，load('文件名')，文件類型為.npy
save()保存的文件默認(rèn)后綴名.npy，如果傳入的文件名以.npy結(jié)尾那么保存的文件名即為傳入的文件名，如果不以.npy結(jié)尾保存時(shí)會(huì)自動(dòng)在文件名后加后綴.npy
由于save()保存的文件類型為npy，因此直接打開會(huì)顯示為亂碼，需要通過load()查看內(nèi)容。
arr = np.random.randint(0,5,[2,5]) np.save('testNumpy.npy',arr) arr_load = np.load('testNumpy.npy') print(arr_load) # [[0 0 1 4 2] # [2 3 4 2 0]] save()和load()?
2.savetxt()和loadtxt()
使用方法：savetxt('文件名',arr,delimiter=',',fmt='%.2f')，loadtxt('textNumpy.text',delimiter=',')，其中delimiter指定txt文件中元素的分隔符，fmt指定數(shù)值保留的格式。
arr = np.random.rand(10,10) np.savetxt('textNumpy.text',arr,delimiter=',',fmt='%.2f') arr_load = np.loadtxt('textNumpy.text',delimiter=',') print(arr_load) savetxt()和loadtxt()由于保存的文件為txt類型，因此生成的文件可以直接打開，文件內(nèi)以指定的delimiter保存數(shù)據(jù)，無數(shù)組的[ ]，通過loadtxt( )可讀取。
? ??
?
轉(zhuǎn)載于:https://www.cnblogs.com/Forever77/p/11187724.html
總結(jié)
以上是生活随笔為你收集整理的python之numpy的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 晚上做梦梦到掉牙是什么意思
- 下一篇： 孕妇梦到送葬队伍是什么意思