本文是NumPy库的入门教程，介绍了ndarray对象的属性，包括元素类型和轴信息。讲解了如何从Python列表、元组等创建ndarray，以及通过NumPy函数创建。内容还包括ndarray的维度和类型变换，如astype()方法。此外，详细阐述了数组的索引、切片操作，一维和多维数组的索引方式。最后，讨论了数组与标量的运算以及NumPy的一元和二元函数应用。
NumPy
引用：
import numpy as np
N维数组元素：ndarray
轴（axis）：保存数据的维度
秩（rank）：轴的数量
ndarray对象的属性
| 属性 | 说明 |
|---|---|
| .ndim | 秩，即轴的数量或维度的数量 |
| .shape | ndarray对象的尺度，对于矩阵，n行m列 |
| .size | ndarray对象的元素个数，相当于.shape中的n*m的值 |
| .dtype | ndarray对象的元素类型 |
| .itemsize | ndarray对象中每个元素的大小，以字节为单位 |
ndarray的元素类型
| 数据类型 | 说明 |
|---|---|
| bool | 布尔类型，True或者False |
| intc | 与C语言中的int一致。一般是int32或int64 |
| intp | 用于索引的整数，与C语言中ssize_t一致，int32或int64 |
| int8 | 字节长度的整数，取值：[-128,127] |
| int16 | 16位长度的整数，取值：[-32768,32767] |
| int32 | 32位长度的整数，取值：[-2^31 ,2^31-1] |
| int64 | 64位长度的整数，取值：[-2^63, 2^63-1] |
| uint8 | 8位无符号整数，[0,255] |
| uint16 | 16位无符号整数，[0,65535] |
| uint32 | 32位无符号整数，[0,2^32-1] |
| uint64 | 64位无符号整数，[0,2^64-1] |
| float16 | 16位半精度浮点数：1位符号位，5位指数，8位尾数 |
| float32 | 32位半精度浮点数：1位符号位，8位指数，23位尾数 |
| float64 | 64位半精度浮点数：1位符号位，11位指数，52位尾数 |
| complex64 | 复数类型，实部和虚部都是32位浮点数 |
| complex128 | 复数类型，实部和虚部都是64位浮点数 |
（符号）尾数*10^(指数)
实部（.real）+ j 虚部（.imag）
ndarray数组的创建方法
1.从Python中的列表、元组等类型创建ndarray数组
x = np.array(list/tuple)
x = np.array(list/tuple, dtype = np.float32)
当np.array()不指定dtype时，Numpy将根据数据情况关联一个dtype类型
以下分别是从列表、元组、列表和元组混合类型创建
2.使用NumPy中函数创建ndarray数组
| 函数 | 说明 |
|---|---|
| np.arange(n) | 类似range()函数，返回ndarray类型，元素从0到n-1 |
| np.ones(shape) | 根据shape生成一个全1的数组，shape是元组类型 |
| np.zeros(shape) | 根据shape生成一个全0的数组，shape是元组类型 |
| np.full(shape,val) | 根据shape生成一个数组，每个元素值都是val |
| np.eye(n) | 创建一个正方的n*n的单位矩阵，对角线为1，其余为0 |
| 函数 | 说明 |
|---|---|
| np.ones_like(a) | 根据数组a的形状生成一个全1的数组 |
| np.zeros_like(a) | 根据数组a的形状生成一个全0的数组 |
| np.full_like(a, val) | 根据数组a的形状生成一个数组，每个元素值都是val |
3.使用Numpy中其他函数创建
| 函数 | 说明 |
|---|---|
| np.linspace() | 根据起止数据等间距地填充数据，形成数组 |
| np.concatenate() | 将两个或多个数组合并成一个新的数组 |
ndarray数组的变换
对于创建后的ndarray数组，可以对其进行维度变换和元素类型变换
a = np.ones((2, 3, 4), dtype = np.int32)
ndarray数组的维度变换
| 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，但修改原数组 |
| .swapaxes(ax1, ax2) | 将数组n个维度中两个维度进行调换 |
| .flatten() | 对数组进行降维，返回折叠后的一维数组，原数组不变 |
ndarray数组的类型变换
new_a = a.astype(new_type)
astype()方法一定会创建新的数组（原始数据的一个拷贝），即使两个类型一样
ndarray数组向列表的转换
ls = a.tolist()
ndarray数组的操作
数组的索引和切片
索引：获取数组中特定元素的过程
切片：获取数组元素子集的过程
一维数组的索引和切片：与Python列表相似
起始编号: 终止编号（不含）：步长，3元素冒号分割
编号0开始向左递增，或从-1开始从右递减
多维数组的索引
每个维度一个索引值，逗号分割。
选取一个维度用:
每个维度切片方法与一维数组相同
每个维度可以使用步长跳跃切片
数组与标量之间的运算
数组与标量之间的运算作用于数组的每一个元素
计算a与元素平均值的商
NumPy一元函数
对ndarray中的数据执行元素级运算的函数
| 函数 | 说明 |
|---|---|
| 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、2底对数 |
| np.ceil(x) np,floor(x) | 计算数组各元素 ceiling值或 floor值 |
| np.rint(x) | 计算数组各元素的四舍五入值 |
| 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.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x) | 计算数组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（-） |
实例
值得注意的是，a是否被真实改变
NumPy二元函数
| 函数 | 说明 |
|---|---|
| + - * / ** | 两个数组各元素进行对应运算 |
| np.maximum(x, y) np.fmax() np.minimun(x, y) np.fmin() | 元素级最大值/最小值计算 |
| np.mod() | 元素级的模运算 |
| np.copysign(x, y) | 将数组y中各元素值的符号赋值给数组x对应元素 |
| > < >= <= != == | 算术比较，产生布尔型数组 |
maximum运算结果为浮点数
扫一扫
3285
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
