Numpy入门基础-和鲸社区（1）数组的创建与计算

文章目录

前言

一、创建数组

二、数组基础

1.属性

2.索引与切片

3.变形、拼接与分裂

三、 通用函数计算

1.常用

2.特性

总结

---

前言

总结在和鲸社区学习numpy基础的笔记和收获，代码来自和鲸社区。

---

一、创建数组

Numpy要求数组为统一类型的数据，不匹配会向上转化，dtype可在创建数组时指明类型。主要包括两种方式，一是利用np.array从列表创建数组，二是使用别的函数创建特殊的数组。使用列表创建数组时，由于列表的形式多样，如使用推导式、range()、嵌套等，故而创建出的数组也是多样的。而使用别的函数创建，有些函数与普通的python一样，如np.arange()、np.random系列，使用方法基本相同可加入额外的参数确定数组的大小。此外还有一些新的，如创建指定值的数组、创建正态分布的数组、单位矩阵等。

import numpy as np
#利用列表创建
a = np.array([1, 2, 3, 4], dtype = 'float')
b = np.array([range(i, i + 3) for i in [2, 4, 6]])
#特殊函数创建
#np.random.
a1 = np.random.random()
print('创建一个[0,1)之间的随机数', a1)
a2 = np.random.random(1)
print('创建一个只包含[0,1)之间一个单一元素的数组', a2)
a3 = np.random.random((3, 3))
print('创建一个[0,1)之间随机数组成的3X3的数组\n', a3)
a4 = np.random.random((2, 3, 4))
print('创建一个[0,1)之间随机数组成的2X3X4的数组\n', a4)
a5 = np.random.uniform(5, 7, (2, 2))
print('创建一个[5,7)之间随机浮点数组成的2X2的数组\n', a5)
a6 = np.random.randint(5, 7, (2, 2))
print('创建一个[5,7)之间随机整数组成的2X2的数组\n', a6)
#指定值
print(np.ones((5,2)))
print(np.zeros(5,2))
print(np.full(3,3),3.14)
#正态分布,均值/标准差/形状
print(np.random.normal(0,1,(4,4))
print(np.random.randn(4,4)) #标准正态分布
#单位矩阵,np.eye(2)

二、数组基础

1.属性

主要包括维度（ndim）、形状(shape)、大小(size)、类型(dtype)、元素字节等。

import numpy as np
x3 = np.random.randint(10, size = (3, 4, 5))
print('x3 ndim: ', x3.ndim) # 数组维度或秩
print('x3.shape:', x3.shape) # 数组形状，每个维度的大小
print('x3.size: ', x3.size) # 数组总大小 各维度大小的乘积
print('x3.dtype: ', x3.dtype) # 数组数据类型
print('x3.itemsize: ', x3.itemsize, 'bytes') # 每个数组元素字节大小
print('x3.nbytes: ', x3.nbytes, 'bytes') # 数组总字节大小  一般nbytes = intemsize * shape

2.索引与切片

基本操作类似列表的索引与切片。不同的是数组切片返回的是原数组的视图而不是副本，因此修改数组切片得到的子数组会同时修改原数组的元素值，可使用copy()修改复制后的子数组。

import numpy as np
x1 = np.random.randint(10,size=(3,4))
#利用索引修改数组的元素值,浮点数插入整型数组时会自动截短
x1[2][2][0] = 10 #第3层第3行第1列的数修改为10
#多维数组切片
print('所有行每隔1列x1[:3, ::2]\n',x1[:3, ::2] )

3.变形、拼接与分裂

变形是把数组的shape进行改变，常用reshape，有时使用np.newaxis把数组转换为二（n）维单列或单行的形式

import numpy as np

x = np.array([1, 2, 3])
# 利用 reshape 或 np.newaxis切片 将一维数组变为二维单行数组
print(x.reshape(1, 3))
print(x[np.newaxis, :])
# 利用 reshape 或 np.newaxis切片 将一维数组变为二维单列数组
print(x.reshape(3, 1))
print(x[:, np.newaxis])

拼接和分裂时注意按行操作还是按列操作。axis=0(默认)是沿着行对每列进行操作，axis=1是沿着列对每行进行操作。拼接常用的是np.concatenate([x,y],axis=0)，分裂常用的是np.split(x,[索引列表记录断点位置])，断点归下一组。另外，使用np.vstack（axis=0,垂直方向）、np.hstack可同样实现拼接，vsplit、hsplit实现分裂。

import numpy as np
#拼接
print(np.concatenate([grid, grid], axis = 1))
print('np.vstack垂直栈同axis=0\n', np.vstack([x, y, z, grid]))
print('np.hstack水平栈同axis=1\n', np.hstack([grid, grid]))
# np.dstack沿第三个方向拼接数组
#分裂
grid = np.arange(12).reshape(3,4)
upper, lower = np.vsplit(grid, [2])
print(upper)
print(lower)

三、 通用函数计算

1.常用

常用的运算如加减乘除、取模取余乘方、绝对值、三角函数及指数对数等，具体函数名可查询。此外，还用一些专用的通用函数，如广义阶乘函数，误差函数。

2.特性

三条，一是所有通用函数都可以用out参数指定计算结果的存放位置。提前分配好 y 的空间，并通过 out=y 指定输出位置，就能避免重复的内存分配操作，这对于循环中频繁调用 NumPy 函数时性能优化非常有用。

二是聚合reduce：在普通运算后面加上reduce，即可得到所有元素累积综合。若想得到累计过程，则使用accumulate。

三是outer获得两个不同输入数组所有元素对的函数运算结果(外积)。

import numpy as np
#out存储结果
x = np.arrage(5)
y = np.zeros_like(x) #创建与x相同大小的y,'_like'
print(np.power(2,x,out=y))
#reduce累积
#outer外积

---

总结

使用常见的函数进行数组的创建，同时借助reshape进行形状的变形，学会数组的拼接与分裂（垂直方向和水平方向的区别），能使用函数进行计算，会用索引和切片取出元素。