柚子快報(bào)邀請(qǐng)碼778899分享：NumPy

http://yzkb.51969.com/

NumPy

NumPy

安裝

通過(guò)安裝Anaconda安裝NumPy，一個(gè)開(kāi)源的Python發(fā)行版本，其包含了conda、Python等180多個(gè)科學(xué)包及其依賴項(xiàng)，包含了大量的科學(xué)計(jì)算相關(guān)的包，其中就包括NumPy通過(guò)pip安裝，

在windows中，控制臺(tái)中輸入命令安裝 >pip install numpy

在ubuntu中,控制臺(tái)輸入命令安裝 XXX:~/Desktop$sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose

安裝驗(yàn)證,進(jìn)入python交互終端，輸入命令，沒(méi)有報(bào)錯(cuò)則安裝成功>python

>>> import numpy as np

numpy中最重要的對(duì)象—ndarray：

Ndarray對(duì)象指的是用于存放同類型元素的多維數(shù)據(jù),它是一個(gè)多維容器，N代表著它的維度

創(chuàng)建ndarray對(duì)象

通過(guò)array方法創(chuàng)建

參數(shù)說(shuō)明

必選參數(shù)

object 數(shù)組或嵌套的數(shù)列 可選參數(shù)

dtype 數(shù)組元素的數(shù)據(jù)類型copy 對(duì)象是否需要復(fù)制order 創(chuàng)建數(shù)組的樣式，C為行方向，F(xiàn)為列方向，A為任意方向（默認(rèn)）subok 默認(rèn)返回一個(gè)與基類類型一致的數(shù)組ndmin 指定生成數(shù)組的最小維度 demo>>> from numpy as np

>>> x = np.array([[1, 2, 3], [4, 5, 6]],dtype=np.int32,copy=True,order=None,subok=False,ndmin=0)

>>> type(x) # 查看x類型

>>> x.shape # 查看ndarray對(duì)象的維度

(2, 3)

>>> x.dtype # 查看x里的數(shù)據(jù)類型

dtype('int32')

通過(guò)zeros/ones方法創(chuàng)建(創(chuàng)建指定大小的數(shù)組，數(shù)組元素以 0/1 來(lái)填充,)

參數(shù)說(shuō)明

必要參數(shù)

shape 數(shù)組形狀 可選參數(shù)

dtype 數(shù)據(jù)類型order ‘C’ 用于 C 的行數(shù)組，或者 ‘F’ 用于 FORTRAN 的列數(shù)組 demo>>> np.zeros(5)

array([0., 0., 0., 0., 0.])

>>> np.zeros((3,3))

array([[0., 0., 0.],

[0., 0., 0.],

[0., 0., 0.]])

通過(guò)empty方法創(chuàng)建（創(chuàng)建一個(gè)指定形狀（shape）、數(shù)據(jù)類型（dtype）且未初始化的數(shù)組：）

參數(shù)說(shuō)明

必要參數(shù)

shape 數(shù)組形狀 可選參數(shù)

dtype 數(shù)據(jù)類型有"C"和"F"兩個(gè)選項(xiàng),分別代表，行優(yōu)先和列優(yōu)先，在計(jì)算機(jī)內(nèi)存中的存儲(chǔ)元素的順序 demo>>> x = np.empty((3,2),dtype=int)

>>> x

array([[0, 0],

[0, 0],

[0, 0]])

>>> y = np.empty([3,2],dtype=int)

>>> y

array([[0, 0],

[0, 0],

[0, 0]])

其他方法：

通過(guò)full方法創(chuàng)建（創(chuàng)建一個(gè)填充給定值的n * n數(shù)組）demo>>> np.full([3,3],3)

array([[3, 3, 3],

[3, 3, 3],

[3, 3, 3]])

通過(guò)eye方法創(chuàng)建（創(chuàng)建一個(gè)對(duì)角線是1，其余是0的多維數(shù)組）demo>>> np.eye(3)

array([[1., 0., 0.],

[0., 1., 0.],

[0., 0., 1.]])

>>> np.eye(1)

array([[1.]])

通過(guò)linspace方法創(chuàng)建（創(chuàng)建一個(gè)在指定的時(shí)間間隔內(nèi)返回均勻間隔的數(shù)字的數(shù)組）demo>>> np.linspace(0,8.8,num=5)

array([0. , 2.2, 4.4, 6.6, 8.8])

通過(guò)random方法創(chuàng)建（創(chuàng)建一個(gè)填充0到1之間隨機(jī)值的數(shù)組）demo>>> np.random.random([3,3])

array([[0.17647511, 0.79086009, 0.26275058],

[0.83484953, 0.6386956 , 0.53928901],

[0.26020885, 0.58836421, 0.39308341]])

// TODO :補(bǔ)充

NumPy支持的數(shù)據(jù)類型（ndarray對(duì)象支持的數(shù)據(jù)類型）

名稱描述bool_布爾型數(shù)據(jù)類型（True 或者 False）int_默認(rèn)的整數(shù)類型（類似于 C 語(yǔ)言中的 long，int32 或 int64）intc與 C 的 int 類型一樣，一般是 int32 或 int 64intp用于索引的整數(shù)類型（類似于 C 的 ssize_t，一般情況下仍然是 int32 或 int64）int8字節(jié)（-128 to 127）int16整數(shù)（-32768 to 32767）int32整數(shù)（-2147483648 to 2147483647）int64整數(shù)（-9223372036854775808 to 9223372036854775807）uint8無(wú)符號(hào)整數(shù)（0 to 255）uint16無(wú)符號(hào)整數(shù)（0 to 65535）uint32無(wú)符號(hào)整數(shù)（0 to 4294967295）uint64無(wú)符號(hào)整數(shù)（0 to 18446744073709551615）float_float64 類型的簡(jiǎn)寫(xiě)float16半精度浮點(diǎn)數(shù)，包括：1 個(gè)符號(hào)位，5 個(gè)指數(shù)位，10 個(gè)尾數(shù)位float32單精度浮點(diǎn)數(shù)，包括：1 個(gè)符號(hào)位，8 個(gè)指數(shù)位，23 個(gè)尾數(shù)位float64雙精度浮點(diǎn)數(shù)，包括：1 個(gè)符號(hào)位，11 個(gè)指數(shù)位，52 個(gè)尾數(shù)位complex_complex128 類型的簡(jiǎn)寫(xiě)，即 128 位復(fù)數(shù)complex64復(fù)數(shù)，表示雙 32 位浮點(diǎn)數(shù)（實(shí)數(shù)部分和虛數(shù)部分）complex128復(fù)數(shù)，表示雙 64 位浮點(diǎn)數(shù)（實(shí)數(shù)部分和虛數(shù)部分）

ndarray對(duì)象的屬性

屬性說(shuō)明ndarray.ndim數(shù)組的軸（維度）的個(gè)數(shù)。在Python世界中，維度的數(shù)量被稱為rank。ndarray.shape數(shù)組的維度。這是一個(gè)整數(shù)的元組，表示每個(gè)維度中數(shù)組的大小。對(duì)于有n行和m列的矩陣，shape將是(n,m)。因此，shape元組的長(zhǎng)度就是rank或維度的個(gè)數(shù) ndim。ndarray.size數(shù)組元素的總數(shù)。這等于shape的元素的乘積。ndarray.dtype一個(gè)描述數(shù)組中元素類型的對(duì)象?？梢允褂脴?biāo)準(zhǔn)的Python類型創(chuàng)建或指定dtype。另外NumPy提供它自己的類型。例如numpy.int32、numpy.int16和numpy.float64。ndarray.itemsize數(shù)組中每個(gè)元素的字節(jié)大小。例如，元素為 float64 類型的數(shù)組的 itemsize 為8（=64/8），而 complex32 類型的數(shù)組的 itemsize 為4（=32/8）。它等于 ndarray.dtype.itemsize 。ndarray.flagsndarray 對(duì)象的內(nèi)存信息ndarray.realndarray元素的實(shí)部ndarray.imagndarray 元素的虛部ndarray.data該緩沖區(qū)包含數(shù)組的實(shí)際元素。通常，我們不需要使用此屬性，因?yàn)槲覀儗⑹褂盟饕L問(wèn)數(shù)組中的元素。demo

>>> a = np.full((3,3),3)

>>> a

array([[3, 3, 3],

[3, 3, 3],

[3, 3, 3]])

>>> a.ndim

2

>>> a.shape

(3, 3)

>>> a.size

9

>>> a.dtype

dtype('int32')

>>> a.itemsize

4

>>> a.flags

C_CONTIGUOUS : True

F_CONTIGUOUS : False

OWNDATA : True

WRITEABLE : True

ALIGNED : True

WRITEBACKIFCOPY : False

UPDATEIFCOPY : False

>>> a.real

array([[3, 3, 3],

[3, 3, 3],

[3, 3, 3]])

>>> a.imag

array([[0, 0, 0],

[0, 0, 0],

[0, 0, 0]])

>>> a.data

ndarray對(duì)象的的基本操作

加減乘除四則運(yùn)算>>> a = np.full((3,3),3)

>>> a

array([[3, 3, 3],

[3, 3, 3],

[3, 3, 3]])

>>> a+1

array([[4, 4, 4],

[4, 4, 4],

[4, 4, 4]])

>>> a-2

array([[1, 1, 1],

[1, 1, 1],

[1, 1, 1]])

>>> a*5

array([[15, 15, 15],

[15, 15, 15],

[15, 15, 15]])

>>> a/3

array([[1., 1., 1.],

[1., 1., 1.],

[1., 1., 1.]])

>>> a

array([[3, 3, 3],

[3, 3, 3],

[3, 3, 3]])

>>> b = np.full((3,3),3)

>>> b

array([[3, 3, 3],

[3, 3, 3],

[3, 3, 3]])

>>> a+b

array([[6, 6, 6],

[6, 6, 6],

[6, 6, 6]])

>>> a += b

>>> a

array([[6, 6, 6],

[6, 6, 6],

[6, 6, 6]])

注意：雖然可以對(duì)兩個(gè)ndarray對(duì)象進(jìn)行操作，但是如果沒(méi)有賦值，不會(huì)改變?cè)瓉?lái)的ndarray對(duì)象

當(dāng)對(duì)兩個(gè)ndarray對(duì)象數(shù)據(jù)類型精度不一樣進(jìn)行操作時(shí)，結(jié)果的精度為更精確的那個(gè)數(shù)據(jù)類型

>>> a = np.array([[0.1,0.2,0.3],[0.3,0.2,0.1]],dtype=np.float32)

>>> a

array([[0.1, 0.2, 0.3],

[0.3, 0.2, 0.1]], dtype=float32)

>>> b = np.array([[0.3,0.2,0.1],[0.1,0.2,0.3]],dtype=np.float64)

>>> b

array([[0.3, 0.2, 0.1],

[0.1, 0.2, 0.3]])

>>> c = a+b

>>> c

array([[0.4 , 0.4 , 0.40000001],

[0.40000001, 0.4 , 0.4 ]])

>>> c.dtype

dtype('float64')

常用數(shù)學(xué)函數(shù)sum、min、max等

>>> a = np.arange(12).reshape(4,3) # reshape可以設(shè)置輸出時(shí)的維度

>>> a

array([[ 0, 1, 2],

[ 3, 4, 5],

[ 6, 7, 8],

[ 9, 10, 11]])

>>> a.sum()

66

>>> a.sum(axis=0) # axis=0表示求列的相關(guān)操作

array([18, 22, 26]) # axis=1表示求行的相關(guān)操作

>>> a.sum(axis=1)

array([ 3, 12, 21, 30])

>>> a.min()

0

>>> a.min(axis=0)

array([0, 1, 2])

>>> a.min(axis=1)

array([0, 3, 6, 9])

>>> a.max()

11

>>> a.max(axis=0)

array([ 9, 10, 11])

>>> a.max(axis=1)

array([ 2, 5, 8, 11])

>>> np.sin(a)

array([[ 0. , 0.84147098, 0.90929743],

[ 0.14112001, -0.7568025 , -0.95892427],

[-0.2794155 , 0.6569866 , 0.98935825],

[ 0.41211849, -0.54402111, -0.99999021]])

>>> np.cos(a)

array([[ 1. , 0.54030231, -0.41614684],

[-0.9899925 , -0.65364362, 0.28366219],

[ 0.96017029, 0.75390225, -0.14550003],

[-0.91113026, -0.83907153, 0.0044257 ]])

>>> np.tan(a)

array([[ 0.00000000e+00, 1.55740772e+00, -2.18503986e+00],

[-1.42546543e-01, 1.15782128e+00, -3.38051501e+00],

[-2.91006191e-01, 8.71447983e-01, -6.79971146e+00],

[-4.52315659e-01, 6.48360827e-01, -2.25950846e+02]])

類似于python中列表的操作

索引,一維數(shù)組的索引和列表一樣，多維數(shù)組的索引需要根據(jù)維度索引 >>> a = np.arange(12)

>>> a

array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])

>>> a[0]

0

>>> a[11]

11

>>> b = np.arange(12).reshape(2,6)

>>> b[0,0]

0

>>> b[5,5]

>>> b[1,5]

11

切片，與python中的列表相似，也是左包含右不包含 >>> b[:,5]

array([ 5, 11])

>>> b[1,1:2]

array([7])

>>> b[1,1:5]

array([ 7, 8, 9, 10])

多維數(shù)組切片時(shí)，一定要注意好維度，根據(jù)維度來(lái)切片

迭代，與python的列表相似，都可以用for in 來(lái)遍歷ndarray對(duì)象，一維數(shù)組遍歷和列表一樣，多維數(shù)組遍歷會(huì)得到次維的數(shù)組 >>> for i in b:

... print(i)

...

[0 1 2 3 4 5]

[ 6 7 8 9 10 11]

賦值、淺拷貝與深拷貝

當(dāng)我們操作ndarray對(duì)象時(shí)，他們的數(shù)據(jù)存在著三種常見(jiàn)的操作：賦值、淺拷貝與深拷貝，分清楚操作的核心才能清楚ndarray對(duì)象是否改變

賦值

當(dāng)ndarray對(duì)象被賦值操作時(shí)，跟python里的賦值操作一樣，都是將新對(duì)象的指針指向賦值對(duì)象的內(nèi)存，所以當(dāng)我們改變被賦值對(duì)象時(shí)，賦值對(duì)象也會(huì)跟著改變demo >>> import numpy as np

>>> a = np.arange(12).reshape(4,3)

>>> a

array([[ 0, 1, 2],

[ 3, 4, 5],

[ 6, 7, 8],

[ 9, 10, 11]])

>>> b = a

>>> b is a

True

>>> b.shape = 3,4

>>> a.shape

(3, 4)

>>> a

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

淺復(fù)制or視圖（在NumPy中文文檔里是淺復(fù)制，實(shí)際測(cè)試中base為False但是又可以改變?cè)璶darray，測(cè)試版本為numpy 1.16.2）

在NumPy中可以使用view方法創(chuàng)建一個(gè)新的數(shù)組對(duì)象，它與原數(shù)組對(duì)象共享數(shù)據(jù)，具體來(lái)說(shuō)，b = a[:]會(huì)創(chuàng)建一個(gè)新的對(duì)象 b，所以 id(b) 和id(a) 返回的結(jié)果是不一樣的，但是 b 的數(shù)據(jù)完全來(lái)自于a，和 a 保持完全一致，換句話說(shuō)，b的數(shù)據(jù)完全由a保管，他們兩個(gè)的數(shù)據(jù)變化是一致的。切片本質(zhì)上也是視圖操作，所有的切片操作返回的都是視圖。demo >>> c = a.view() # 使用view方法淺復(fù)制a

>>> c

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]]) # 此時(shí)c的數(shù)據(jù)與a一樣

>>> c is a

False

>>> c.base is a # base屬性可以告訴我們是否有視圖或原始數(shù)組。

False

>>> c.flags.owndata # ndarray.flags 有關(guān)數(shù)組內(nèi)存分布的信息。

False

>>> c.shape = 2,6

>>> a.shape

(3, 4)

>>> c[0,4]=123

>>> a

array([[ 0, 1, 2, 3],

[123, 5, 6, 7],

[ 8, 9, 10, 11]])

>>> x = a[:,1:3]

>>> x[:]

array([[ 1, 2],

[ 5, 6],

[ 9, 10]])

>>> a

array([[ 0, 1, 2, 3],

[123, 5, 6, 7],

[ 8, 9, 10, 11]])

>>> x[:] = 10

>>> a

array([[ 0, 10, 10, 3],

[123, 10, 10, 7],

[ 8, 10, 10, 11]])

深拷貝

在numpy中可以通過(guò)copy方法生成數(shù)組以及其數(shù)據(jù)的完整拷貝，即深拷貝demo >>> d=a.copy()

>>> d

array([[ 0, 10, 10, 3],

[1234, 10, 10, 7],

[ 8, 10, 10, 11]])

>>> d is a

False

>>> d.base is a

False

>>> d[0,0] = 999

>>> d

array([[ 999, 10, 10, 3],

[1234, 10, 10, 7],

[ 8, 10, 10, 11]])

>>> a

array([[ 0, 10, 10, 3],

[1234, 10, 10, 7],

[ 8, 10, 10, 11]])

NumPy常用操作

IO操作

load(file[, mmap_mode, allow_pickle, …]) 從.npy，.npz或pickle文件加載數(shù)組或pickle對(duì)象。save(file, arr[, allow_pickle, fix_imports]) 將數(shù)組保存為NumPy .npy格式的二進(jìn)制文件。savez(file, args, *kwds) 將多個(gè)數(shù)組以未壓縮的.npz格式保存到單個(gè)文件中。savez_compressed(file, args, *kwds) 將多個(gè)數(shù)組以壓縮的.npz格式保存到單個(gè)文件中。loadtxt(fname[, dtype, comments, delimiter, …]) 從文本文件加載數(shù)據(jù)。savetxt(fname, X[, fmt, delimiter, newline, …]) 從文本文件加載數(shù)據(jù)。genfromtxt(fname[, dtype, comments, …]) 從文本文件加載數(shù)據(jù)，并按指定處理缺失值。fromregex(file, regexp, dtype[, encoding]) 使用來(lái)自文本文件構(gòu)造數(shù)組fromfile(file[, dtype, count, sep]) 根據(jù)文本或二進(jìn)制文件中的數(shù)據(jù)構(gòu)造數(shù)組。ndarray.tofile(fid[, sep, format]) 將數(shù)組作為文本或二進(jìn)制寫(xiě)入文件（默認(rèn)）。 字符串操作

add(x1, x2) 返回兩個(gè)str或unicode數(shù)組的逐元素字符串連接。multiply(a, i) 返回(a * i)， 即字符串多個(gè)連接，逐個(gè)元素。mod(a, values) 返回（a％i），即Python之前的2.6字符串格式化（插值），對(duì)于str或unicode等一對(duì)數(shù)組的元素。capitalize(a) 返回a的副本，其中只有每個(gè)元素的第一個(gè)字符大寫(xiě)。center(a, width[, fillchar]) 返回a的副本，其元素以長(zhǎng)度為一的字符串為中心。decode(a[, encoding, errors]) 逐元素方式調(diào)用str.decode。encode(a[, encoding, errors]) 逐元素方式調(diào)用str.encode。join(sep, seq) 返回一個(gè)字符串，它是序列seq中字符串的串聯(lián)。ljust(a, width[, fillchar]) 返回一個(gè)數(shù)組，其中包含左對(duì)齊的元素，長(zhǎng)度為寬度的字符串。lower(a) 返回一個(gè)數(shù)組，其元素轉(zhuǎn)換為小寫(xiě)。lstrip(a[, chars]) 對(duì)于a中的每個(gè)元素，返回刪除了前導(dǎo)字符的副本。partition(a, sep) 將每個(gè)元素分成一個(gè)周圍的sep。replace(a, old, new[, count]) 對(duì)于a中的每個(gè)元素，返回一個(gè)字符串的副本，其中所有出現(xiàn)的substring old都替換為new。rjust(a, width[, fillchar]) 返回一個(gè)數(shù)組，其中右對(duì)齊元素的長(zhǎng)度為寬度。rpartition(a, sep) 對(duì)最右邊的分隔符周圍的每個(gè)元素進(jìn)行分區(qū)（拆分）。rsplit(a[, sep, maxsplit]) 對(duì)于a中的每個(gè)元素，使用sep作為分隔符字符串，返回字符串中單詞的列表。rstrip(a[, chars]) 對(duì)于a中的每個(gè)元素，返回一個(gè)刪除了尾隨字符的副本。split(a[, sep, maxsplit]) 對(duì)于a中的每個(gè)元素，使用sep作為分隔符字符串，返回字符串中單詞的列表。splitlines(a[, keepends]) 對(duì)于a中的每個(gè)元素，返回元素中的行列表，在行邊界處斷開(kāi)。strip(a[, chars]) 對(duì)于a中的每個(gè)元素，返回一個(gè)刪除了前導(dǎo)和尾隨字符的副本。swapcase(a) 返回元素的字符串副本，大寫(xiě)字符轉(zhuǎn)換為小寫(xiě)，反之亦然。title(a) 返回元素字符串的字符串或unicode的版本。translate(a, table[, deletechars]) 對(duì)于a中的每個(gè)元素，返回字符串的副本，其中刪除可選參數(shù)deletechars中出現(xiàn)的所有字符，并通過(guò)給定的轉(zhuǎn)換表映射其余字符。upper(a) 返回一個(gè)數(shù)組，其元素轉(zhuǎn)換為大寫(xiě)。zfill(a, width) 返回左邊用零填充的數(shù)字字符串equal(x1, x2) 返回 (x1 == x2) 逐元素。not_equal(x1, x2) 返回 (x1 != x2) 逐元素。greater_equal(x1, x2) 返回 (x1 >= x2) 逐元素。less_equal(x1, x2) 返回 (x1 <= x2) 逐元素。greater(x1, x2) 返回 (x1 > x2) 逐元素。less(x1, x2) 返回 (x1 < x2) 逐元素。count(a, sub[, start, end]) 返回一個(gè)數(shù)組，其中包含[start, end]范圍內(nèi)substring sub的非重疊出現(xiàn)次數(shù)。find(a, sub[, start, end]) 對(duì)于每個(gè)元素，返回找到substring sub的字符串中的最低索引。index(a, sub[, start, end]) 與find一樣，但在找不到子字符串時(shí)會(huì)引發(fā)ValueError。isalpha(a) 如果字符串中的所有字符都是字母并且至少有一個(gè)字符，則返回每個(gè)元素的true，否則返回false。isdecimal(a) 對(duì)于每個(gè)元素，如果元素中只有十進(jìn)制字符，則返回True。isdigit(a) 如果字符串中的所有字符都是數(shù)字并且至少有一個(gè)字符，則返回每個(gè)元素的true，否則返回false。islower(a) 如果字符串中的所有外殼字符都是小寫(xiě)且至少有一個(gè)外殼字符，則為每個(gè)元素返回true，否則返回false。isnumeric(a) 對(duì)于每個(gè)元素，如果元素中只有數(shù)字字符，則返回True。isspace(a) 如果字符串中只有空格字符并且至少有一個(gè)字符，則為每個(gè)元素返回true，否則返回false。istitle(a) 如果元素是一個(gè)帶有標(biāo)題的字符串并且至少有一個(gè)字符，則為每個(gè)元素返回true，否則返回false。isupper(a) 如果字符串中的所有外殼字符都是大寫(xiě)且至少有一個(gè)字符，則為每個(gè)元素返回true，否則返回false。rfind(a, sub[, start, end]) 對(duì)于a中的每個(gè)元素，返回找到substring sub的字符串中的最高索引，使得sub包含在[start, end]中。rindex(a, sub[, start, end]) 和rfind一樣，但是當(dāng)找不到substring sub時(shí)會(huì)引發(fā)ValueError。startswith(a, prefix[, start, end]) 返回一個(gè)布爾數(shù)組，該數(shù)組為T(mén)rue，其中a中的字符串元素以prefix開(kāi)頭，否則為False。

柚子快報(bào)邀請(qǐng)碼778899分享：NumPy

http://yzkb.51969.com/

好文閱讀