本文介绍了NumPy中数组的创建方法，包括array、zeros、ones等函数，并详细讲解了数组的基本属性、索引与切片、转置及常用运算。同时涵盖了聚合函数、where与unique函数的应用。
一、ndarrary 的创建
import numpy as np
数组的创建方式：
（1）array函数：接收一个普通的python序列，并将其转换为ndarray
（2）zeros函数：创建指定长度或者形状的全零数组。
（3）ones函数： 创建指定长度或者形状的全1数组。
（4）empty函数：创建一个没有任何具体值的数组(准备地说是创建一些未初始化的ndarray多维组)
（5）arange函数: 类似python的range函数，通过指定开始值、终值和步长来创建一个一维数组
注意：最终创建的数组不包含终值
（6）linspace函数：通过指定开始值、终值和元素个数来创建一个一维数组，
数组的数据元素符合等差数列，
可以通过endpoint关键字指定是否包含终值，默认包含终值
（7）logspace函数：和linspace函数类似，不过创建的是等比数列数组
（8）使用随机数填充数组，即使用numpy.random中的random()函数来创建0-1之间的随机元素，
数组包含的元素数量由参数决定
# # # # # # # # # # # # # # # # # # # # # # # # # # (1)array函数 # 创建一维数组 array1=np.array([1,2,3]) # 创建二维数组,numpy会自动推断出适合的数据类型，所以一般不需要显示给定数据类型。 array2=np.array([[1.,2,3],[4,5,6]]) # 创建三维数组 array3=np.array([ [[1,2,3],[4,5,6],[7,8,9]] ]) array31=np.array([ [[1,2,3],[4,5,6],[7,8,9]], [[1,2,3],[4,5,6],[7,8,9]] ]) print("array1=") print(array1) print("array2=") print(array2) print("array3=") print(array3) print("array31=") print(array31) # 数组的纬度 print(array3.ndim) # 数组的数据类型 print(array2.dtype) print(array3.dtype) # 数组的形状 print(array31.shape) # 数组的大小：2*3*3=18。。。数组中元素的个数是各个纬度相乘 print(array31.size)
# # # # # # # # # # # # # # # # # # # # # # # # # # （2）zeros函数，传入指定形状：（）或者[] # 一维全0数组 a = np.zeros(4) # 二维全0数组 # () # zero23=np.zeros((2,3)) # [] zero23=np.zeros([2,3]) # 三维全0数组 zero33=np.zeros((3,3,3)) print(a) # 数据类型为float print(zero23.dtype) print() print(zero23) print() print(zero33)
[ 0. 0. 0. 0.] float64 [[ 0. 0. 0.] [ 0. 0. 0.]] [[[ 0. 0. 0.] [ 0. 0. 0.] [ 0. 0. 0.]] [[ 0. 0. 0.] [ 0. 0. 0.] [ 0. 0. 0.]] [[ 0. 0. 0.] [ 0. 0. 0.] [ 0. 0. 0.]]]
# # # # # # # # # # # # # # # # # # # # # # # # # # （3）ones函数 # 一维全1数组 one=np.ones(3) # 二维全1数组 one2=np.ones((2,3)) # 三维全1数组 one3=np.ones((2,3,1)) print(one2.dtype) print(one) print() print(one2) print() print(one3)
# # # # # # # # # # # # # # # # # # # # # # # # # # （4）empty函数 # 未经初始化的垃圾值，本身不具任何意义，某些情况下近似0或1，用于数据清洗 em=np.empty(2) em1=np.empty((2,2)) em2=np.empty((1,2,3)) print(em) print(em1) print(em2)
# # # # # # # # # # # # # # # # # （5）arange函数:左闭又开,步长可以为负值，只能生成一维数组。 a=np.arange(1,10,2) a1=np.arange(20,10,-1) print(a) print(a1)
# # # # # # # # # # # # # # # #（6）linspace函数:全闭，起始值、终止值、数据个数，只能生成一维数组，等差数列。 # 第三个参数不能为负值 li=np.linspace(1,10,5) li # help(np.linspace)
# # # # # # # # # # # # # # # # # # # # # # # # # # （7）logspace函数 # 全闭区间，等比数列，起始值（默认以10为底n次方）、终止值（默认以10为底n次方）、数据个数 log=np.logspace(0,2,5) log1=np.logspace(0,2,5,base=2) print(log) print(log1) # 调用帮助文档 # help(np.logspace)
np.random.random((3,4))
二、ndarray 的属性、数据类型
1、ndarray
(1)ndim 数组轴(维度)的个数，轴的个数被称作秩
(2)shape 数组的维度, 例如一个2排3列的矩阵，它的shape属性将是(2,3),这个元组的长度显然是秩，即维度或者ndim属性
(3)size 数组元素的总个数，等于shape属性中元组元素的乘积。
(4)dtype 一个用来描述数组中元素类型的对象，可以通过创造或指定dtype使用标准Python类型。不过NumPy提供它自己的数据类型。
(5)itemsize 数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(=64/8),又如，一个元素类型为complex32的数组item属性为4(=32/8).
2、数据类型
(1)创建numpy数组的时候可以通过属性dtype显示指定数据类型，如果不指定的情况下，numpy会自动推断出适合的数据类型， 所以一般不需要显示给定数据类型。
(2)如果需要更改一个已经存在的数组的数据类型，可以通过astype方法进行修改从而得到一个新数组。
#定义一个2*3*3*2的四维数组，分别求其纬度、元素个数、数据类型、元素的字节大小,并改变其形状 arr=np.array([ [ [[1,2],[42,51],[75,88]], [[11,23],[44,85],[97,80]], [[1,2],[4,5],[7,8]] ], [ [[13,25],[47,58],[79,81]], [[12,23],[44,55],[76,87]], [[19,20],[41,52],[73,84]] ] ])
# print(arr) print() # 数组的纬度 print(arr.ndim) print() # 数组的大小：2*3*3*2=36 print(arr.size) print() # 数据类型 print(arr.dtype) print() # 每个元素占有的字节数：4*8=32,是int32类型的，共占4个字节，每个字节8位，共32位。 print(arr.itemsize) print()
4
36
int32
4
[[[[ 1 2 42 51 75 88 11 23 44 85 97 80 1 2 4 5 7 8 13 25 47 58 79 81
12 23 44 55 76 87 19 20 41 52 73 84]]]]
[[[[ 1 2 42 51 75 88 11 23 44]
[85 97 80 1 2 4 5 7 8]]
[[13 25 47 58 79 81 12 23 44]
[55 76 87 19 20 41 52 73 84]]]]
# shape改变形状 # 改变其形状:2*3*3*2=i*j*k*l....如果为-1则让其自动扩展。 # 对于一个已经存在的ndarray数组对象而言，可以通过修改形状相关的参数/方法从而改变数组的形状。 # 直接修改数组ndarray的shape值, 要求修改后乘积不变。 # 直接使用reshape函数创建一个改变尺寸的新数组，原数组的shape保持不变，但是新数组和原数组共享一个内存空间， # 也就是修改任何一个数组中的值都会对另外一个产生影响，另外要求新数组的元素个数和原数组一致。 # 当指定某一个轴为-1的时候，表示将根据数组元素的数量自动计算该轴的长度值。 print(arr.reshape(1,1,1,36)) print(arr.reshape(1,2,-1,9))
a=np.array(["python","C语言","java"]) print(a) a.dtype a1=np.array(["python","C","java"],dtype='S8') print(a1.dtype)
三 ndarray 数据基本操作
（1）数组与标量、数组之间的运算
（2）数组的矩阵积(matrix product)
（3）数组的索引与切片
（4）数组的转置与轴对换
（5）通用函数：快速的元素级数组成函数
（6）聚合函数
（7）np.where函数
（8）np.unique函数
# （1）数组与标量的运算 arr1=np.random.random((2,3)) arr2=np.random.random((2,3)) arr3=np.random.random((3,2)) print(arr1) # 加减乘除、乘方 print(arr1*2) print() print(arr1+2) print() print(arr1-2) print() print(arr1/2) print() print(arr1**2)
# （2）数组与数组的运算 # 加减乘除、乘方、数组的矩阵积 # # 两个二维矩阵(行和列的矩阵)满足第一个矩阵的列数与第二个矩阵的行数相同， # 那么可以进行矩阵的乘法，即矩阵积，矩阵积不是元素级的运算。也称为点积、数量积。 print(arr1+arr2) print() print(arr1-arr2) print() print(arr1*arr2) print() print(arr1/arr2) print() print(arr1**arr2) print() print(arr1.dot(arr3))
# (3)数组的索引与切片 # 定义一个3*3*3的数组 arr3=np.array([ [[1,2,3],[4,5,6],[7,8,9]], [[10,11,12],[13,14,15],[16,17,18]], [[19,20,21],[22,23,24],[25,26,27]] ]) # 索引 print(arr3) print("# # # # # # #arr3[0]# # # # # # # # # # # # # # ") print(arr3[0]) print("# # # # # # #arr3[1] # # # # # # # # # # # # # ") print(arr3[1]) print("# # # # # # # arr3[2] # # # # # # # # # # # # # # ") print(arr3[2]) print("# # # # # # # arr3[0][0] # # # # # # # # # # # # # # ") print(arr3[0][0]) print("# # # # # # # arr3[0][1] # # # # # # # # # # # # # # ") print(arr3[0][1]) print("# # # # # # # arr3[0][2]# # # # # # # # # # # # # # ") print(arr3[0][2]) print("# # # # # # # arr3[0][2][0] # # # # # # # # # # # # # # ") print(arr3[0][2][0]) print("# # # # # # # arr3[0][2][1]# # # # # # # # # # # # # # ") print(arr3[0][2][1]) print("# # # # # # # arr3[0][2][2]# # # # # # # # # # # # # # ") print(arr3[0][2][2]) # 切片,,,在各维度上单独切片，如果纬度都保留，则使用冒号，不指定起始值 print("# # # # # # # arr3[0,:,0:2]# # # # # # # # # # # # # # ") print(arr3[0,:,0:2]) print("# # # # # # # arr3[1,:,0:2]# # # # # # # # # # # # # # ") print(arr3[1,:,0:2]) print("# # # # # # # arr3[2,:,0:2]# # # # # # # # # # # # # # ") print(arr3[2,:,0:2]) print("# # # # # # # arr3[:,:,0:2]# # # # # # # # # # # # # # ") print(arr3[:,:,0:2]) print("# # # # # # # arr3[:,0,0:2]# # # # # # # # # # # # # # ") print(arr3[:,0,0:2]) print("# # # # # # # arr3[:,1,0:2]# # # # # # # # # # # # # # ") print(arr3[:,1,0:2]) print("# # # # # # # arr3[:,2,0:2]# # # # # # # # # # # # # # ") print(arr3[:,2,0:2]) print(arr3[1,:,0:2])
# ndarray-布尔类型索引 # 利用布尔类型的数组进行数据索引，最终返回的结果是对应索引数组中数据为True位置的值。 # numpy中不能使用Python中and、or、not，使用&（与）、|（或）、~（非） arr6=np.random.random((3,4)) print(arr6) print("# # # # # # ## #arr6>0.5得到的布尔值，为真则取该位置的值，否则就舍去 # # # # # # # # # ") # A=arr6<0.5 A=arr6>0.5 print(A) print("# # # # # # ## # # # # # #将对应的布尔值转换为一维数组 # # # # # # # # # # # # # # ## # ") # 装换成一维数组 arr7=arr6[A] print(arr7) print(arr7.shape)
# 利用布尔值进行索引的一个应用实例 names=np.array(['Gerry','Tom','John']) scores=np.array([ [98,87,86,95], [48,84,84,45], [58,7,81,95] ]) class1=np.array(['语文','数学','英语','科学']) print("Gerry score is:",scores[names=='Gerry'].reshape((-1))) print("Gerry score is:",scores[names=='Gerry'].reshape((-1))[class1=='数学']) print("Gerry和Tom的成绩") print(scores[(names=='Gerry')|(names=='Tom')]) print("非Gerry和Tom的成绩") print(scores[(names!='Gerry')&(names!='Tom')]) print("成绩大于90的全部输出") print(scores[scores>90]) print("John成绩大于90的全部输出") print(scores[names=="John"][scores[names=="John"]>90])
# ndarray-花式索引：指的是利用整数数组进行索引的方式。 arr7=np.arange(40).reshape(5,8) print(arr7) print("获取第0、3、5行的数据") print(arr7[[0,2,4]]) print("获取第(0,0)、(3,0)、(4,2)的数据") print(arr7[[0,3,4],[0,0,2]]) print("获取第0、3、5行的第0、2、3列数据") print(arr7[[0,3,4]]) print("##################") print(arr7[[0,3,4]].T) print("##################") print(arr7[[0,3,4]].T[[0,1,2]]) print("##################") print(arr7[[0,3,4]].T[[0,1,2]].T) print("ix_会产生一个索引器") print(arr7[np.ix_([0,3,4],[0,1,2])])
# ndarray-数组转置与轴对换 # 数组转置是指将shape进行重置操作，并将其值重置为原始shape元组的倒置， # 比如原始的shape值为:(2,3,4)，那么转置后的新元组的shape的值为: (4,3,2)f # 可以通过调用数组的transpose函数或者T属性进行数组转置操作 arr=np.random.random(30).reshape(3,5,2) print(arr) print("#############################################") arr1=arr.T print(arr1) print("#############################################") arr2=np.transpose(arr1) print(arr2)
ndarray-通用函数/常用函数
numpy模块中对ndarray中数据进行快速元素级运算的函数，也可以看做是简单的函数(接受一个或多个标量值，并产生一个或多个标量值)的矢量化包装器。主要包括一元函数和二元函数。
# 一元函数 arr3=np.array([ [1,2,-3], [0.1,0.6,-0.4] ]) print(arr3) print("#############################################") # abs fabs计算绝对值 print(np.abs(arr3)) print("#############################################") # sqrt 计算各元素的平方根 print(np.sqrt(abs(arr3))) print("#############################################") # square计算各元素的评分：arr3**2 print(np.square(arr3)) print("#############################################") # exp计算各元素指数e的x次方 print(np.exp(arr3)) print("#############################################") # log2、log10分别计算底数为10、2的log值，以及log(1+x) print(np.log10(abs(arr3))) print(np.log2(abs(arr3))) print(np.log1p(abs(arr3))) print("#############################################") # sign计算各个元素的正负号,1:正号 0:0 -1:负号 print(np.sign(arr3)) print("#############################################") # ceil 计算各个元素的ceil值,大于等于该值的最小整数 print(np.ceil(arr3)) print("#############################################") # floor 计算各个元素的floor的值，小于等于该值的最大整数 print(np.floor(arr3)) print("#############################################") # rint 将各个元素的四书五入到最接近的整数 print(np.rint(arr3)) print("#############################################") # modf 将数组中元素的小数位和整数位以两部分独立数组的形式返回 print(np.modf(arr3)) print("#############################################") # isnan 返回一个表示“那些值是NaN(不是一个数字)”的布尔类型数组 print(np.isnan(arr3)) print("#############################################") # isfinite、isinf 分别一个表示”那些元素是有穷的(非inf、非NaN)”或者“那些元素是无穷的”的布尔型数组 print(np.isfinite(arr3)) print(np.isinf(arr3)) print("#############################################") # cos、cosh、sin、sinh、tan、tanh 普通以及双曲型三角函数 print(np.tan(arr3)) print("#############################################"） # arccos、arccosh、arcsin、arcsinh、arctan、arctanh 反三角函数 print(np.arctan(arr3))
# 二元函数 arr4=np.array([ [1,0,-3], [0.1,0.6,-0.4] ]) arr5=np.array([ [2,-5,8], [-0.1,-0.6,0.4], ]) arr6=np.array([ [2,-5,8], [-0.1,-0.6,0.4], [-0.1,-0.6,0.4] ]) print("#############################################") # mod 取模运算,做除法运算之后的余数 print(np.mod(arr4,arr5)) print("#############################################") # dot 求两个数组的点积 print(np.dot(arr4,arr6)) print("#############################################") # greater(大于)、greater_equal（大于等于）、less（小于）、less_equal（小于等于）、equal（等于）、not_equal（不等于） # 执行元素级别的比较运算，最终返回一个布尔型数组 print(np.greater(arr4,arr5)) print("#############################################") # logical_and、logical_or、logical_xor # 执行元素级别的布尔逻辑运算，相当于中缀运算符&、|、^ print(np.logical_and(arr4,arr5)) print(np.logical_xor(arr4,arr5)) print("#############################################") # power 求解对数组中的每个元素进行给定次数的指数值，类似于: arr ** 3 print(np.power(arr3,4))
# ndarray-聚合函数 # 聚合函数是对一组值(eg一个数组)进行操作，返回一个单一值作为结果的函数。 # 当然聚合函数也可以指定对某个具体的轴进行数据聚合操作； # 常将的聚合操作有：平均值mean、最大值max、最小值min、方差std等等 arr7=np.array([ [2,-5,8], [-0.1,-0.6,0.4], [-0.1,-0.6,0.4] ]) print(np.mean(arr7)) print(np.max(arr7)) print(np.min(arr7)) print(np.std(arr7))
# np.where函数 # np.where函数是三元表达式x if condition else y的矢量化版本 arr8=np.array([2,7,8]) arr9=np.array([-0.1,-0.6,0.4]) condition=arr8>arr9 result=np.where(condition,arr8,arr9) print(result)
# np.unique函数 # np.unique函数的主要作用是将数组中的元素进行去重操作(也就是只保存不重复的数据) arr10=np.array(["Python","Python","java"]) print(arr10) print(np.unique(arr10))
扫一扫
1492
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
