柚子快報激活碼778899分享：Numpy基礎(chǔ)

http://yzkb.51969.com/

目錄：

一、簡介:二、array數(shù)組ndarray：1.array( )創(chuàng)建數(shù)組：2.數(shù)組賦值和引用的區(qū)別：3.arange( )創(chuàng)建區(qū)間數(shù)組：4.linspace( )創(chuàng)建等差數(shù)列：5.logspace( )創(chuàng)建等比數(shù)列：6.zeros( )創(chuàng)建全0數(shù)組：7.ones( )創(chuàng)建全1數(shù)組：8.NumPy數(shù)組屬性：（1）shape屬性：（2）reshape屬性：調(diào)整數(shù)組維度

9.一維數(shù)組切片、索引操作：10.二維數(shù)組切片、索引操作：11.整數(shù)數(shù)組索引：（1）一次性取多個元素，返回一維數(shù)組：（2）一次性取多個元素，將待返回的一維數(shù)組重整成二維數(shù)組返回：（3）一次性取連續(xù)的多行多列元素，返回二維數(shù)組：（4）取特定行特定列不連續(xù)元素，返回二維數(shù)組：

12.布爾數(shù)組索引：（1）以數(shù)組形式返回數(shù)組x>6的元素：（2）以數(shù)組形式返回數(shù)組中奇數(shù)的元素：（3）根據(jù)True|False返回數(shù)組中符合要求的元素數(shù)組：取行：取列：

三、廣播機(jī)制：四、numpy統(tǒng)計：1.平均值：2.中位數(shù)：3.標(biāo)準(zhǔn)差：4.方差：5.最大值：6.最小值：7.加權(quán)平均值：

五、自定義結(jié)構(gòu)化數(shù)據(jù)類型：*注：數(shù)據(jù)類型別名：*

六、文件操作：1.讀取普通文本文件：2.讀取csv文件：3.讀取不同列表示不同信息文件：4.空數(shù)據(jù)處理：

七、隨機(jī)數(shù)：八、numpy常用函數(shù)：1.resize( ):2.unique( ):3.sort( ):

一、簡介:

是Python 科學(xué)計算庫，方便對數(shù)組、矩陣進(jìn)行計算，包含大量線性代數(shù)、傅里葉變換、隨機(jī)數(shù)等大量函數(shù)。直接以數(shù)組、矩陣為粒度計算并支撐大量的數(shù)學(xué)函數(shù)，效率高。各種數(shù)據(jù)科學(xué)類庫（Scikit-Learn、TensorFlow、Pandas）等的基礎(chǔ)庫。

二、array數(shù)組ndarray：

1.array( )創(chuàng)建數(shù)組：

import numpy as np

my_list = [

[1,2,3,4],

[5,6,7,8],

[9,10,11,12],

[13,14,15,16]

]

#先將my_list二維數(shù)組元素強轉(zhuǎn)為float型，然后是用該數(shù)組創(chuàng)建二維ndarray數(shù)組

my_ndarray = np.array(my_list,float,ndmin=2)

print(my_ndarray)

2.數(shù)組賦值和引用的區(qū)別：

#1.引用機(jī)制（指針）

my_ndarray_copy = my_ndarray

print('my_ndarray的內(nèi)存地址：',id(my_ndarray))

print('my_ndarray_copy的內(nèi)存地址：',id(my_ndarray_copy))

#2.拷貝機(jī)制

my_ndarray_copy = np.array(my_ndarray)

print('my_ndarray的內(nèi)存地址：',id(my_ndarray))

print('my_ndarray_copy的內(nèi)存地址：',id(my_ndarray_copy))

3.arange( )創(chuàng)建區(qū)間數(shù)組：

a = np.arange(10,20,2,dtype=float)

print(a)

4.linspace( )創(chuàng)建等差數(shù)列：

等差數(shù)列在線性回歸經(jīng)常用作樣本集

#創(chuàng)建起始值為0，終止值為100，樣本數(shù)量為11的等差數(shù)列數(shù)組

b = np.linspace(0,100,11,dtype=int)

print(b)

5.logspace( )創(chuàng)建等比數(shù)列：

#首先將1-5區(qū)間均勻取3個數(shù)X（1,3,5），然后創(chuàng)建int型等比數(shù)列，元素值為X^base(起始值為1^2，終止值為5^2)

c = np.logspace(1,5,3,base=2,dtype=int)

print(c)

6.zeros( )創(chuàng)建全0數(shù)組：

'''

第一個參數(shù)：

(a)表示a個元素的一維數(shù)組

(a,b)表示a行b列的二維數(shù)組

(a,b,c)表示a塊，每塊b行c列的三維數(shù)組

'''

#創(chuàng)建2行2列的全0數(shù)組

d = np.zeros((2,2),dtype=int)

print(d)

7.ones( )創(chuàng)建全1數(shù)組：

參數(shù)同全0

'''

第一個參數(shù)：

(a)表示a個元素的一維數(shù)組

(a,b)表示a行b列的二維數(shù)組

(a,b,c)表示a塊，每塊b行c列的三維數(shù)組

'''

#創(chuàng)建2行2列的全1數(shù)組

e = np.ones((2,2),dtype=int)

print(e)

8.NumPy數(shù)組屬性：

（1）shape屬性：

shape返回值：

(a)表示a個元素的一維數(shù)組(a,b)表示a行b列的二維數(shù)組(a,b,c)表示a塊，每塊b行c列的三維數(shù)組

（2）reshape屬性：調(diào)整數(shù)組維度

返回調(diào)整維度后的副本，而不改變原ndarray

f = np.arange(20).reshape(4,5)

print(f)

9.一維數(shù)組切片、索引操作：

冒號：：解釋

[2]將返回與該索引相對應(yīng)的單個元素[2:7]將返回兩個索引之間的元素，不包括停止索引[2:]表示從該索引開始以后的所有元素都將被提取[:7]表示該索引之前的所有元素都將被提取[::-1]表示取反，從后往前取所有元素，步長為-1

a1 = np.arange(10)

print(a1)

#切片操作（注意是引用，a1、a2實際上指向同一片內(nèi)存空間）

a2 = a1[2:7:2]

print(a2)

#理解引用機(jī)制，并理解索引=數(shù)組下標(biāo)=位序-1，

a2[1]=888

print(a1)

print(a2)

10.二維數(shù)組切片、索引操作：

冒號：：解釋

[2]將返回一維數(shù)組[2][2]將返回特定元素[2:7]將返回兩個索引之間的一維數(shù)組集，即返回一個二維數(shù)組，不包括停止索引[2:]表示從該索引開始以后的所有一維數(shù)組集，即返回一個二維數(shù)組都將被提取[:7]表示該索引之前的所有一維數(shù)組集，即返回一個二維數(shù)組都將被提取[...][1]表示[…]先取所有行即取所有元素，[1]再取所有行的第二行一維數(shù)組[2,2]將返回特定元素[...,1]或[:,1]返回第二列元素，組成一個一維數(shù)組返回x[...,1:]返回第二列之后的所有列，組成一個二維數(shù)組返回

11.整數(shù)數(shù)組索引：

（1）一次性取多個元素，返回一維數(shù)組：

x = np.array([

[1,2],

[3,4],

[5,6]

])

#[0,0,2]是行索引，[0,1,1]是列索引，表示取[0,0]、[0,1]、[2,1]的元素，組成一維數(shù)組返回

y = x[[0,0,2],[0,1,1]]

y

（2）一次性取多個元素，將待返回的一維數(shù)組重整成二維數(shù)組返回：

x = np.array([

[1,2,3],

[4,5,6],

[7,8,9]

])

#行索引

r = np.array([0,0,0,2])

#列索引

c = np.array([0,1,2,2])

#x[r,c]根據(jù)索引獲取一維數(shù)組，reshape(2,2)將返回的4*1一維數(shù)組轉(zhuǎn)為2*2的二維數(shù)組

s = x[r,c].reshape(2,2)

s

（3）一次性取連續(xù)的多行多列元素，返回二維數(shù)組：

x = np.array([

[1,2,3],

[4,5,6],

[7,8,9]

])

#行取2行3行，列取2列3列

y = x[1:3,1:3]

y

（4）取特定行特定列不連續(xù)元素，返回二維數(shù)組：

#取1,3行、1,3,4列所有元素

x = np.array([

[1,2,3,4],

[4,5,6,7],

[7,8,9,10]

])

#先取1,3行，:可以換成...

temp = x[[0,2],:]

#再根據(jù)上一步結(jié)果取1,3,4列，:可以換成...

temp[:,[0,2,3]]

12.布爾數(shù)組索引：

當(dāng)返回的結(jié)果需要經(jīng)過布爾運算時，會使用到另一種高級索引方式，即布爾數(shù)組索引。

（1）以數(shù)組形式返回數(shù)組x>6的元素：

x = np.array([

[1,2,3],

[4,5,6],

[7,8,9]

])

#

x[x>6]

（2）以數(shù)組形式返回數(shù)組中奇數(shù)的元素：

x = np.array([

[1,2,3],

[4,5,6],

[7,8,9]

])

#將數(shù)組中所有奇數(shù)置為-1（x[x%2!=0]獲取奇數(shù)，=-1賦值）

x[x%2!=0] = -1

x

（3）根據(jù)True|False返回數(shù)組中符合要求的元素數(shù)組：

取行：

x = np.array([

[1,2,3,4],

[4,5,6,7],

[7,8,9,10]

])

row = np.array([False,False,True])

print(x[row,...])

取列：

column = np.array([True,False,True,False])

x = np.array([

[1,2,3,4],

[4,5,6,7],

[7,8,9,10]

])

print(x[...,column])

三、廣播機(jī)制：

廣播是numpy對不同形狀的數(shù)組進(jìn)行數(shù)值計算的方式，對數(shù)組的算術(shù)運算通常在相應(yīng)的元素上進(jìn)行。

（1）若兩個數(shù)組形狀相同，那么兩個數(shù)組相乘即為數(shù)組對應(yīng)位置元素相乘。（2）若兩個數(shù)組形狀不同，那么兩個數(shù)組相乘就需要使用廣播機(jī)制。 廣播機(jī)制的核心是對形狀較小的數(shù)組，在橫向或縱向的進(jìn)行一定次數(shù)的重復(fù)，使其與形狀較大的數(shù)組具有相同的維度后相加。

廣播的規(guī)則：

輸出數(shù)組的形狀是是輸入數(shù)組形狀的各個維度上的最大值。如果輸入數(shù)組的某個維度和輸出數(shù)組的對應(yīng)維度的長度相同或輸入數(shù)組的某個維度的長度為1時，這個輸入數(shù)組能夠用來計算，否則不能運算。當(dāng)輸入數(shù)組的某個維度的長度為1時，沿著此維度運算時都用此維度上的第一組數(shù)組值。

四、numpy統(tǒng)計：

1.平均值：

x = np.array([

[1,2,3],

[4,5,6],

[7,8,9]

])

#計算所有元素平均值

print(x.mean())

#從上至下計算每列平均值，返回一維數(shù)組

print(x.mean(axis=0))

#從左至右計算每行平均值，返回一維數(shù)組

print(x.mean(axis=1))

2.中位數(shù)：

x = np.array([

[1,2,3],

[4,5,6],

[7,8,9]

])

np.median(x)

3.標(biāo)準(zhǔn)差：

x = np.array([

[1,2,3],

[4,5,6],

[7,8,9]

])

np.std(x)

4.方差：

x = np.array([

[1,2,3],

[4,5,6],

[7,8,9]

])

np.var(x)

5.最大值：

x = np.array([

[1,2,3],

[4,5,6],

[7,8,9]

])

np.max(x)

6.最小值：

x = np.array([

[1,2,3],

[4,5,6],

[7,8,9]

])

np.min(x)

7.加權(quán)平均值：

x = np.array([

[1,2,3],

[4,5,6],

[7,8,9]

])

np.average(x)

五、自定義結(jié)構(gòu)化數(shù)據(jù)類型：

#創(chuàng)建結(jié)構(gòu)體

teacher = np.dtype([

#(變量名稱,變量數(shù)據(jù)類型->"數(shù)據(jù)類型別名+所占字節(jié)數(shù)")

("name","U8"),

("age","i1"),

("salary","f4")

])

#創(chuàng)建數(shù)組，數(shù)組元素為teacher類型

b = np.array(

[

("clh",20,30000),

("ccc",18,10000)

],dtype = teacher

)

print("數(shù)組b內(nèi)容為：",b)

print("數(shù)組中所有name:",b["name"])

注：數(shù)據(jù)類型別名：

六、文件操作：

注意：skiprows不忽略注釋行和空白行，從文檔第一行跳過

1.讀取普通文本文件：

文本文件一般用空格分隔數(shù)據(jù)

data = np.loadtxt("data.txt",dtype=np.int32)

2.讀取csv文件：

csv文件是以逗號分隔的文本文件

data = np.loadtxt("data.csv",dtype=np.int32,delimiter=",")

3.讀取不同列表示不同信息文件：

#1.定義結(jié)構(gòu)體

user_info = np.dtype(

[

("name","U10"),

("age","i1"),

("gender","U1"),

("height","i2")

]

)

#2.用結(jié)構(gòu)體類型接數(shù)據(jù)，并且使用skiprows跳過第一行不讀

data = np.loadtxt("data.txt",dtype=user_info,skiprows=1,encoding="utf-8")

4.空數(shù)據(jù)處理：

#使用異常機(jī)制

def parse_age(age):

try:

return int(age)

except:

return 0

#converters調(diào)用自定義函數(shù)進(jìn)行空數(shù)據(jù)處理

data = np.loadtxt("data.csv",delimiter=",",usecols=1,converters={1:parse_age})

七、隨機(jī)數(shù)：

'''

(a)表示a個元素的一維數(shù)組

(a,b)表示a行b列的二維數(shù)組

(a,b,c)表示a塊，每塊b行c列的三維數(shù)組

'''

#創(chuàng)建[0,1)內(nèi)給定維度的隨機(jī)數(shù)組，該組元素符合正態(tài)分布

np.random.rand(3,3)

#返回5*5個[1,5)內(nèi)的隨機(jī)整數(shù)

np.random.randint(1,5,size=(5,5))

八、numpy常用函數(shù)：

1.resize( ):

#元素不夠時使用原數(shù)組數(shù)據(jù)補齊

a = np.array([1,2,3,4,5,6,7,8,9])

np.resize(a,(4,4))

#元素不夠時使用0補齊

a = np.array([1,2,3,4,5,6,7,8,9])

a.resize((4,4),refcheck=False)

a

2.unique( ):

#去重+排序，返回去重后的數(shù)組+元素所在原數(shù)組的索引+各元素重復(fù)次數(shù)

a = np.array([2,3,4,5,6,1,2,3])

b,indices,nums = np.unique(a,return_index=True,return_counts=True)

print(b)

print(indices)

print(nums)

3.sort( ):

#結(jié)構(gòu)體

teacher = np.dtype([

#(變量名稱,變量數(shù)據(jù)類型)

("name","U8"),

("age","i1"),

("salary","f4")

])

#創(chuàng)建數(shù)組，數(shù)組元素為teacher類型

b = np.array(

[

("clh",20,30000),

("ccc",18,10000)

],dtype = teacher

)

#按年齡排序

np.sort(b,order="age")

柚子快報激活碼778899分享：Numpy基礎(chǔ)

http://yzkb.51969.com/

好文鏈接