NumPy 数组基础

import numpy as np

版本

np.__version__

'1.16.2'

整形数组

np.array([1, 2, 3, 4, 5], dtype='int8')

array([1, 2, 3, 4, 5], dtype=int8)

浮点型数组

np.array([1, 2, 3, 4, 5], dtype='float32')

array([1., 2., 3., 4., 5.], dtype=float32)

嵌套列表构成的多维数组，内层的列表被当作二维数组的行

np.array([range(i, i+3) for i in [2, 4, 6]])

array([[2, 3, 4],
       [4, 5, 6],
       [6, 7, 8]])

创建一个长度为10的数组，数组的值都是0

np.zeros(10, dtype='int8')

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0], dtype=int8)

np.full(10, 0, dtype='int8')

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0], dtype=int8)

创建一个长度为10的数组，数组的值都是1

np.ones(10, dtype='float32')

array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.], dtype=float32)

np.full(10, 1, dtype='float32')

array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.], dtype=float32)

创建一个3×5的浮点型数组，数组的值都是3.14

np.full((3, 5), 3.14, dtype='float32')

array([[3.14, 3.14, 3.14, 3.14, 3.14],
       [3.14, 3.14, 3.14, 3.14, 3.14],
       [3.14, 3.14, 3.14, 3.14, 3.14]], dtype=float32)

创建一个数组，数组的值是一个线性序列

# 从0开始，到20结束，步长为2
# （它和内置的range()函数类似）
np.arange(0, 20, 2)

array([ 0,  2,  4,  6,  8, 10, 12, 14, 16, 18])

创建一个5个元素的数组，这5个数均匀地分配到0~1

np.linspace(0, 1, 5)

array([0.  , 0.25, 0.5 , 0.75, 1.  ])

创建一个3×3的、在0~1均匀分布的随机数数组

np.random.random((3, 3))

array([[0.28365282, 0.48392397, 0.77984123],
       [0.38999091, 0.57175623, 0.44926413],
       [0.93162627, 0.79461497, 0.57614447]])

创建一个3×3的、均值为0、方差为1的正态分布的随机数数组

np.random.normal(0, 1, (3, 3))

array([[-1.01797743, -0.12390125,  0.76398104],
       [-0.34083355, -0.62158486,  0.41385314],
       [ 0.6994842 , -0.86558774,  0.34496025]])

创建一个3×3的、[0, 10)区间的随机整型数组

np.random.randint(0, 10, (3, 3))

array([[0, 0, 6],
       [0, 9, 9],
       [9, 8, 2]])

创建一个3×3的单位矩阵

np.eye(3)

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

创建一个由3个整型数组成的未初始化的数组，数组的值是内存空间中的任意值

np.empty(3)

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

---

数组属性

# 设置随机数种子
np.random.seed(0)

# 一维数组
x1 = np.random.randint(0, 10, size=6)
x1

array([5, 0, 3, 3, 7, 9])

# 二维数组
x2 = np.random.randint(0, 10, size=(3, 4))
x2

array([[3, 5, 2, 4],
       [7, 6, 8, 8],
       [1, 6, 7, 7]])

# 三维数组
x3 = np.random.randint(0, 10, size=(3, 4, 5))
x3

array([[[8, 1, 5, 9, 8],
        [9, 4, 3, 0, 3],
        [5, 0, 2, 3, 8],
        [1, 3, 3, 3, 7]],

       [[0, 1, 9, 9, 0],
        [4, 7, 3, 2, 7],
        [2, 0, 0, 4, 5],
        [5, 6, 8, 4, 1]],

       [[4, 9, 8, 1, 1],
        [7, 9, 9, 3, 6],
        [7, 2, 0, 3, 5],
        [9, 4, 4, 6, 4]]])

# 数组的维度
print("x3.ndim:\t", x3.ndim)

x3.ndim:	 3

# 数组每个维度的大小
print("x3.shape:\t", x3.shape)

x3.shape:	 (3, 4, 5)

# 数组的总大小
print("x3.size:\t", x3.size)

x3.size:	 60

# 数组的数据类型
print("x3.dtype:\t", x3.dtype)

x3.dtype:	 int32

# 每个数组元素的字节大小
print("x3.itemsize", x3.itemsize, "bytes")

x3.itemsize 4 bytes

# 数组总字节大小
print("x3.nbytes", x3.nbytes, "bytes")

x3.nbytes 240 bytes

数组索引：获取单个元素

x1[0]

5

x1[3]

3

获取数组的末尾元素，可以用负值索引

x1[-1]

9

x1[-2]

7

数组切片：获取子数组 x[start:stop:step]

x = np.arange(10)
x

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

# 索引 5 之前的元素
x[:5]

array([0, 1, 2, 3, 4])

# 索引 5 之后的元素，包含索引 5
x[5:]

array([5, 6, 7, 8, 9])

# 中间的子数组
x[4:7]

array([4, 5, 6])

# 每隔一个元素
x[::2]

array([0, 2, 4, 6, 8])

# 每隔一个元素，从索引1开始
x[1::2]

array([1, 3, 5, 7, 9])

# 所有元素，逆序的
x[::-1]

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

# 从索引5开始每隔一个元素逆序
x[5::-2]

array([5, 3, 1])

数组视图

x2_sub = x2[:2, :2]
x2_sub

array([[3, 5],
       [7, 6]])

# 修改这个子数组，将会看到原始数组也被修改了
x2_sub[0, 0] = 99
print(x2_sub)

[[99  5]
 [ 7  6]]

print(x2)

[[99  5  2  4]
 [ 7  6  8  8]
 [ 1  6  7  7]]

数组副本

x2_sub_copy = x2[:2, :2].copy()
x2_sub_copy

array([[99,  5],
       [ 7,  6]])

# 如果修改这个子数组，原始的数组不会被改变
x2_sub_copy[0, 0] = 404
x2_sub_copy

array([[404,   5],
       [  7,   6]])

print(x2)

[[99  5  2  4]
 [ 7  6  8  8]
 [ 1  6  7  7]]

数组变形

grid = np.arange(1, 10).reshape((3, 3))
grid

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

x = np.array([1, 2, 3])
x

array([1, 2, 3])

# 通过变形获得的行向量
x.reshape((1, 3))

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

# 通过 newaxis 关键字 获得的行向量
x[np.newaxis, :]

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

# 通过变形获得的列向量
x.reshape((3, 1))

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

# 通过 newaxis 关键字 获得的列向量
x[:, np.newaxis]

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

一维数组的拼接

x = np.array([1, 2, 3])
y = np.array([3, 2, 1])
z = [99, 99, 99]
np.concatenate([x, y, z])

array([ 1,  2,  3,  3,  2,  1, 99, 99, 99])

二维数组的拼接

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

array([[1, 2, 3],
       [4, 5, 6]])

np.concatenate([grid, grid], axis=0)

array([[1, 2, 3],
       [4, 5, 6],
       [1, 2, 3],
       [4, 5, 6]])

np.concatenate([grid, grid], axis=1)

array([[1, 2, 3, 1, 2, 3],
       [4, 5, 6, 4, 5, 6]])

# vertically stack the arrays
np.vstack([x, grid])

array([[1, 2, 3],
       [1, 2, 3],
       [4, 5, 6]])

# horizontally stack the arrays
np.hstack([grid, x[:2].reshape(2, 1)])

array([[1, 2, 3, 1],
       [4, 5, 6, 2]])

切分一维数组

x = [1, 2, 3, 99, 99, 3, 2, 1]
x1, x2, x3 = np.split(x, [3, 5])
print(x1, x2, x3)

[1 2 3] [99 99] [3 2 1]

grid = np.arange(16).reshape(4, 4)
grid

array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])

切分二维数组

# 垂直方向切分二维数组
upper, lower = np.vsplit(grid, [2])
print(upper)
print(lower)

[[0 1 2 3]
 [4 5 6 7]]
[[ 8  9 10 11]
 [12 13 14 15]]

# 水平方向切分二维数组
left, right = np.hsplit(grid, [2])
print(left)
print(right)

[[ 0  1]
 [ 4  5]
 [ 8  9]
 [12 13]]
[[ 2  3]
 [ 6  7]
 [10 11]
 [14 15]]