#%% #------------------------------2019.9.23 NumPy----------------------------- import numpy as np # 1.NumPy在一个连续的内存块中存储数据 # 2.性能差异 my_arr = np.arange(100000) my_list = list(range(10000)) print(my_arr) #%% # 1.ndarry:一种多维数组对象 data = np.random.randn(2,3) print(data,'\n') print(data*10,'\n') print(data+data,'\n') # 1.1.ndarry通用的同构数据多为容器――所有元素必须是相同类型的 # .shape 返回表示各维度大小的元组 # .dtype 返回类型 print(data.shape) print(data.dtype) #%% # 1.2.创建ndarry # 1.2.1.用array函数直接创建，dtype自动判定 data_list = [1,1.5,2] arr1 = np.array(data_list) print(arr1) data2 = [[1,2,3,4],[5,6,7,8]] arr2 = np.array(data2) print(arr2.dtype) # 可以用属性ndim和shape验证 arr2.ndim #只返回维数 # eg:arr_empty = np.empty((2,3,4,2)) # arr_empty为4 #%% #一般numpy创建的数组类型为浮点数 # 1.2.2特定函数创建数组，传入表示形状的元组即可。 # zeros # ones # empty 创建一个没有任何具体值的数组 arr_zero = np.zeros(10) arr_one = np.ones((2,3)) arr_empty = np.empty((2,3,4,2)) print(arr_zero) print(arr_one) print(arr_empty) print(arr_empty.ndim) # arange np.arange(15) # 位矩阵 #%% # 1.3类型 # 创建时指定 arr3 = np.array([1,2,3]) arr4 = np.array([1,2,3],dtype='float64') print(arr3.dtype) print(arr4.dtype) # 转换类型 arr3 = arr3.astype(np.float64) print(arr3.dtype) # 浮点型转整数――舍弃小数点后 arr_float = np.random.rand(1,10)*10 print(arr_float) arr_float = arr_float.astype(np.int32) print(arr_float) # 某字符串数组表示的全是数字，可以直接用astype转为数值形式 arr_string = np.array(['1.0','2.0','3.0']) print(arr_string.dtype) arr_string = arr_string.astype(np.float64) print(arr_string.dtype) print(arr_string) #adtype总会创建一个数据备份，即使现类型和目标类型相同 #%% # 1.4运算 arr = np.array([[1.,2.,3.], [4.,5.,6.]]) print(arr) print(arr-arr) print(arr*arr) print(1/arr) print(arr**0.5) #和标量运算，数组每个元素都和此标量运算 arr_compare = np.array([ [0,4,1], [7,2,12] ]) print(arr_compare > arr) #%% # 1.5切片、索引 # 对数字切片的修改，是直接对数组本身修改（python的list列表不是,是对副本操作） # 对ndarray切片的副本操作：arr[5:8].cpoy()。这样不更改原数组 arr_sl = np.arange(10) print(arr_sl) arr_sl[3:6] = 999 #广播 print(arr_sl) arr_slice = arr_sl[3:6] arr_slice[:] = 888 print(arr_sl) li = list(range(10)) list_slice = li[2:8] list_slice[0] = 666 print(list_slice) print(li) arr2d = np.array([[1.,2.,3.], [4.,5.,6.]]) #索引 print(arr2d[0][1]) #同 print(arr2d[0,1]) #多维数组中，若省略了后面的索引，则返回对象是一个维度低一点的ndarray arr3d = np.array([ [ [1,2,3],[4,5,6] ], [ [7,8,9],[10,11,12] ] ]) print(arr3d.shape) print(arr3d) print(arr3d[0,1]) # 访问索引已(0,1)开头的那些值 arr3d[0] = 999 print(arr3d) #%% #1.6布尔 # 布尔型索引选取数组中的数据，总是创建副本，即使返回一模一样的数组也是 names = np.array(['Bob','Peter','Bob','Jenny']) data_arr = np.random.randn(4,7) print(data_arr) arr_bool = names=='Bob' print(arr_bool) #[ True False True False] print(data_arr[arr_bool]) print('------------------------') print(data_arr[names=='Bob',5:]) #选取Bob,并索引列 #%% # 1.6.2 布尔取反 # way1: names!='Bob' # way2: data_arr[~(names=='Bob')] #%% # 1.6.3 布尔组合 mask = (names=='Bob')|(names=='Peter') data_arr[mask] data_arr[data_arr>1] #%% # 1.7花式索引 # 为了按特定顺序选中数据，那么传入表示顺序的[]即可 data = np.arange(80).reshape((8,10)) data[[3,1,4]] data[[1,5,3],[0,3,2]] #返回(1,0),(5,3),(3,2)位置的数据 data[[1,5,7,2]][:,[0,3,1,2]] #列所有元素都输出，但按0 3 1 2的顺序 # 行 列 #%% # 1.7.1花式索引的转置 # 花式索引和切片不一样，它总是副本 # 转置不是副本，是本身 arr = np.arange(15).reshape((3,5)) arr.T # transpose 高维数组转置 #%% # 2.通用数组 arr = np.arange(10) print(np.sqrt(arr)) print(arr) # 每个位置上，最大的那个 # np.maximum(x,y) # 分别返回小数部分、整数部分 remainder, whole_part = np.modf(arr) print(remainder) print(whole_part) # abs # square # exp # log log10 log2 log1p # ... #%% # 3利用数组进行数据处理 # 3.1 points = np.arange(-5,5,0.01) xs,ys = np.meshgrid(points,points) # 生成网格点坐标矩阵 ys # 3.2 np.where arr = np.random.randn(3,4) print(arr) print(np.where(arr>0,2,-2)) # 3.3数学和统计方法 # 既可以当实例方法，也可以当顶级numpy函数用 print(arr.mean()) # 对特定轴向 arr.mean(axis=0) #对列求 # 或 arr.mean(0) arr.sort(1) #对行排序就地排序 np.unique(arr) #删除重复的元素 # cumsum对特定轴 arr = np.arange(9).reshape(3,3) print(arr) print(arr.cumsum(1)) # 同理 cumprod 累乘 # 对布尔型 arr = np.random.randn(100) print( (arr>0).sum() ) # any() 检查数组中是否存在>=1个True # all() 检查数组中是否全为True #%% # 4.线性代数 # x.dot(y) 同 np.dot(x,y) # diag 返回对角线矩阵 # trace # det # eig # inv # pinv # qr # svd #%% # 5.伪随机数生成 # 正态分布 samples = np.random.normal(size=(3,3)) # 标准整体分布 ss = np.random.randn(3) # 给定上下限随机整数 sss = np.random.randint(10,size=(4)) # [4 6 4 1] 来源：博客园
作者：长颈鹿大侠
链接：https://www.cnblogs.com/importGPX/p/11706399.html