Numpy入门指南-优快云博客

本文链接：https://blog.youkuaiyun.com/zhangjunp3/article/details/79907853

本文主要分为以下几个部分：

Numpy--简介 (Introduction)
Numpy--Ndarray对象 (Ndarray object)
Numpy--数据类型 (Data types)
Numpy--数组属性 (Array attributes)
Numpy--数组创建例程 (Array creation routines)
Numpy--从现有数据创建数组 (Array from existing data)

一. Numpy --- 简介

Numpy--Numerical Python，是一个基于Python的可以存储和处理大型矩阵的库。几乎是Python 生态系统的数值计算的基石，例如Scipy，Pandas，Scikit-learn，Keras等都基于Numpy。使用Numpy, 可以进行：

数组和逻辑运算
傅里叶变换和图形操作实例
线性代数相关的运算操作

Numpy与Mat-plotlib（基于Python的绘图库）和Scipy(包括统计，优化，整合和线性代数等模块)的结合使用。由于基于Python并开源，因而可以替代Matlab，成为一种更加完整的体系。

This combination is widely used as a replacement for MatLab, a popular platform for technical computing.

二. Ndarray对象

Ndarray (N-dimensional array type) N维数组模型，是可以通过索引访问的包含相同元素集合。ndarray本质是数组，不同之处在于它支持数组里面嵌套数组，这也就是N-dimensional的来源。这个多维的数组对象，具有矢量算术运算能力和复杂的广播能力，并具有执行速度快和节省空间的特点。

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

参数以及介绍

object: Any object exposing the array interface method returns an array, or any (nested) sequence.

dtype: 描述数组元素的类型

copy: 默认值为(True) ，对象被复制

order: C(行)，F(列)，A(Any)(default)

subok: 默认情况下，强制类型转换为基类数组

ndmin: 返回指定数组的最小维数

import numpy as np

a1 = np.array([1, 2, 3, 4])
a2 = np.array([[1, 2], [3, 4]])
a3 = np.array([1, 2, 3, 4, 5], ndmin=2)
a4 = np.array([1, 2, 3], dtype=complex)
print(a1)
print(a2)
print(a3)
print(a4)

输出结果：

常用ndarray方法：

reshape(…) 返回一个给定shape的数组的副本
resize(…) 返回给定shape的数组，原数组shape发生改变
flatten()/ravel() 返回展平数组，原数组不改变
astype(dtype) 返回指定元素类型的数组副本
fill() 将数组元素全部设定为一个标量值
sum/Prod() 计算所有数组元素的和/积
mean()/var()/std() 返回数组元素的均值/方差/标准差
max()/min()/ptp()/median() 返回数组元素的最大值/最小值/取值范围/中位数
argmax()/argmin() 返回最大值/最小值的索引
sort() 对数组进行排序，axis指定排序的轴；kind指定排序算法，默认是快速排序
view()/copy() view创造一个新的数组对象指向同一数据；copy是深复制
tolist() 将数组完全转为列表，注意与直接使用list(array)的区别
compress() 返回满足条件的元素构成的数组

三: 数据类型

有五种基本的数据类型

bool 布尔
int 整形（int, intc, intp, int8, int16, int32, int64）
uint 无符号整形（uint8, uint16, uint32, uint64）
float 浮点型（float, float16, float32, float64）
complex复数（complex, ocmplex64, complex128）

NumPy数值类型是dtype对象的实例，可由如下方法构造：

numpy.dtype(object, align, copy)

import numpy as np

a1 = np.array([1, 2, 3, 4],dtype=np.int)
a2 = np.array([[1, 2], [3, 4]],dtype=np.float)
a3 = np.array([1, 2, 3, 4, 5], dtype=np.complex)
print(a1)
print(a2)
print(a3)

运行结果：

数据类型转换：

a1 = np.array([1, 2, 3, 4])
a2=np.array(a1,np.float32)
print(a1.dtype)
print(a2.dtype)

运行结果：

Each built-in data type has a character code that uniquely identifies it.

'b' − boolean
'i' − (signed) integer
'u' − unsigned integer
'f' − floating-point
'c' − complex-floating point
'm' − timedelta
'M' − datetime
'O' − (Python) objects
'S', 'a' − (byte-)string
'U' − Unicode
'V' − raw data (void)

四：数组属性

常用ndarray属性：

dtype 数组元素的类型
shape 数组形状
ndim 数组的维度
size 数组中元素的个数
itemsize 数组元素所占字节数
T 数组的转置
flat 返回一个数组的迭代器，对flat赋值将导致整个数组的元素被覆盖
real/imag 复数数组的实部/虚部
nbytes 数组占用的存储空间

a1 = np.array([[1, 2, 3],[4,5,6]])
print(a1.shape)
a1.shape=(3,2)
print(a1)
b1 = np.arange(24)
print("b1.ndim = ",b1.ndim)
print('b1.reshape(2,4,3) = ',b1.reshape(2,4,3))

运行结果：

五：数组创建例程（Array creation routines）

创建一个新的ndarray对象：

A new ndarray object can be constructed by any of the following array creation routines or using a low-level ndarray constructor.

代码及注释如下所示：

a1=np.empty([2,3])
a2=np.zeros([2,3])
a3=np.ones([2,3],dtype=np.complex)
print(a1)
print(a2)
print(a3)

运行结果：

六：从现有数据创建数组（Array from existing data）

这一部分，我将介绍如何使用现有的数据来创建数组。

代码及注释如下所示：

a1 = np.asarray([1, 2, 3], dtype=float)
print('a1 = ', a1)
a2 = np.asarray([(5, 2, 0), (8, 9)])
print('a2 = ', a2)
print('a3 = ', range(5))
a4 = np.fromiter(iter(range(5)), dtype=float)
print('a4 = ', a4)

运行结果：