Numpy

2018.01.01

基础

数据

nameinfermeaning
axis保存数据的维度
rank轴的数量

ndarray object attributes

attributesindications
.ndim秩,轴的数量
.shapendarray对象的尺度,对于矩阵是m行n列
.sizendarray对象元素的个数,相当于.shape的m*n的值
.dtypendarray对象的元素类型
.itemsizendarray中每个对象元素的大小,以字节为单位

ndarray object subjects

data forminidications
bool布尔类型,True or False
intc与C语言中的int类型一致,一般是int32或者int64
intp用于索引的整数,与C语言中的ssize_t一致,int32或int64
int8字节长度整数,取值[-128,127]
int1616位字节长度整数,取值[-32678,32767]
int3232位字节长度整数,取值[-2^31, 2^32 -1]
int6464 位字节长度整数,取值[-2^63, 2^63 -1]
uint88位无符号整数,取值[0,255]
uint1616位无符号整数,取值[0,65535]
uint3232位无符号整数,取值[0,2^32 -1]
uint6464位无符号整数,取值[0,2^64 -1]
float1616位半精度浮点数:1符号位,5位指数,10位尾数
float3232位半精度浮点数:1符号位,8位指数,23位尾数
float6464位半精度浮点数:1符号位,11位指数,52位尾数
compex64复数类型,实部和虚部都是32位精度浮点数
compex128复数类型,实部和虚部都是64位精度浮点数

numpy 创建数组

函数说明addition
np.arange(n)类似range () 的函数,返回ndarray类型,元素从0到n-1
np.ones(shape)根据 shape 生成的一个全1数组,shape 是元组的类型dtype=np.int32定义元素类型
np.zeros(shape)根据 shape 生成的一个全0数组,shape 是元组的类型
np.full(shape,value)根据 shape 生成的一个数组,每个元素都是 val
np.eye(n)创建一个n*n正方形单位矩阵,对角线为1,其余为0
np.one_like(a)根据 a 生成的一个全1数组
np.zeros_like(a)根据 a 生成的一个全0数组
np.full_like(a,value)根据 a 生成的一个数组,每个元素都是 val
np.linspace()根据起止数据等间距地填充数据,形成数组endpoint=False
np.concatenate()将两个或多个数组合并成一个新的数组

数组维度变换

方法说明
.reshape(shape)不改变数组元素,返回一个 shape 形状的数组,原数组不变
.resize(shape)与 .reshape() 功能一致,但是修改原数组
.swapaxes(ax1,ax2)将数组 n 个维度的两个维度进行变换
.flatten()对数组进行降维,返回折叠后的一维数组,原数组不变

数组类型变化

methodindicationsexample
a.astype(new_type)一定会创建一个新的数组a.astype(np.float)
a.tolist()数组向列表转换ls = a.tolist()

数组的索引和切片

Code(a=np.array([9,8,7,6,5]))resultindication
a[1:4:2]array([8,6])起始编号:终止编号(不含):步长

切片:

Code(a=np.arange(24).reshape((2,3,4))resultindication
a[:,1,-3]array([5,17])不同维度数据的范围

数组与标量之间的运算

对数组运算相当于对数组每一个元素进行运算
a = np.arange(24).reshape((2,3,4))

codeindication
a.means求平均
np.abs(x) np.fabs(x)计算数组各元素的绝对值
np.sqrt(x)计算数组各元素的平方根
np.square(x)计算数组各元素的平方
np.log(x) np.log10(x) np.log2(x)计算数组各元素的自然对数,10底对数和2底对数
np.ceil(x) np.floor(x)计算数组各元素的 ceiling(不超过元素的整数值) 值或 floor 值(小于这个元素的最大整数值)
np.rint(x)计算数组各元素四舍五入值
np.modf(x)将数组各元素的小数和整数部分以两个独立数组形式返回
np.cos(x) np.consh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x)计算各元素的普通型和双曲型三角函数
np.exp(x)计算数组各元素的指数值
np.sign(x)计算数组各元素的符号值,1(+),0,-1(-)

numpy 二元函数

两个矩阵相同位置的元素进行操作

函数说明
+ - * / **两个数组各元素进行对应运算
np.maximum(x,y) mp.fmax() np.minimum(x,y) np.fmin元素级的最大值/最小值计算
np.mod(x,y)元素级的模运算
np.copysign(x,y)将数组 y 中各元素值得符号赋值给数组 x 对应元素
> < >= <= == !=算术比较,产生布尔型数组

NumPy 数据存取

NumPy CSV 文件

函数说明例子
np.savetxt(frame, array, fmt=‘%.18e’, delimiter=None)保存 csv 文件。frame:文件、字符串或产生器,可以是.gz或.bz2的压缩文件。array:存入文件的数组。 fmt:写入文件的格式,例如:%d%.2f%.18e。delimiter:分割字符串,默认是任何空格。np.savetxt(‘a.csv’, a, fmt=‘%d’, delimiter’,‘)
np.loadtxt(frame, dtype=np.float, delimiter=None, unpack=False)打开 csv 。frame:文件、字符串产生器,可以是.gz或.bz2的压缩文件。dtype:数据类型,可选。delimiter: 分割字符串,默认是任何空格。unpack:如果为 True,读入属性将分别写入不同变量。b = np.loadtxt(‘a.csv’,dtype=np.int, delimiter=‘,’)

多维数据存取

| 函数 | 说明 | 例子 |
| ———————————————- | ——————————————————————————————————————————————————————————————————————————- | ——————————————————– |
| a.tofile(frame,sep=“,format=‘%s’) | framer:文件、字符串产生器,可以是.gz或.bz2的压缩文件。 sep:分隔符,format:写入文件的格式 | a.tofile(‘b.dat’,sep=‘,’,format=‘%d’) |
| np.fromfile(frame,dtype=float,count=-1,sep=“) | 写入文件的时候维度信息丢失,读取的时候需要 reshape framer:文件、字符串产生器,可以是.gz或.bz2的压缩文件。dtype=读取的数据类型。count:读入元素个数,-1表示读入整个文件。 sep:数据分割字符串,如果是空串写入文件为二进制。 | np.fromfile(‘b.dat’dtype=np.int,sep=‘,’).reshape(5,10,2) |

NumPy的便捷文件存取

函数解释
np.save(fname,array) 或者 np.savez(fname,array)fname:文件名,以.npy为扩展名,压缩扩展名为.npz
np.load(fname)frame:文件名,以.npy为扩展名,压缩扩展名为.npz

随机函数

函数说明例子
rand(d0,d1,…,dn)根据 d0-dn 创建随机数组,浮点数,[0,1],均匀分布
randn(d0,d1,…,dn)根据d0-dn创建随机数组,标准正态分布
randint(low[,high,shape])根据 shape 创建随机整数数组,范围是[ low,high],抽取是均匀分布np.random.randint(100,200,(3,4))
seed(s)随机数种子,s是给定的种子值
shuffle(a)根据数组a的第一轴进行随机排列,改变数组a
permutation(a)根据数组a的第一轴,产生一个新的乱序数组不改变数组a
choice(a[,size,replace,p])从一维数组a 中以概率 p 抽取元素,形成 size 形状新数组 replace 表示是否可以重用元素,默认为 Falsechoice(b,(3,2),p=b/np.sum(b))设定抽取概率
uniform(low,high,size)产生具有均匀分布的数组,low 起始值, high 结束值, size 形状
normal(loc,scale,size)产生具有正态分布的数组,loc 均值, scale 标准差, size 形状
poisson(lam,size)产生具有泊松分布的数组,lam 随机事件发生率,size 形状

NumPy 的统计函数

axis:轴,None 对所有元素进行求和

函数说明
sum(a,axis=None)根据给定轴 axis 计算数组 a 相关元素之和,axis 整数或元组
mean(a,axis=None)根据给定轴 axis 计算数组 a 相关元素的期望,axis整数或元组
average(a,axis=None,weight=None)根据给定轴 axis 计算数组 a 相关元素的加权平均值
std(a,axis=None)根据给定轴 axis 计算数组 a 相关元素的标准差
var(a,axis=None)根据给定轴 axis 计算数组 a 相关元素的方差
min(a) max(a)计算数组 a 中最小值‘最大值
argmin(a) argmax(a)计算数组 a 中元素最小值、最大值降一维后下标
unravel_index(index,shape)根据 shape 将一维下标 index 转换成多维下标
ptp(a)计算数组 a 中元素最大值与最小值的差
median(a)计算数组a 元素的中位数(中值)

np.random 的梯度函数

np.gradient(f)计算数组 f 中元素的梯度,当 f 为多维是,返回每个维度的梯度
评论