NumPy是Python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。Numpy内部解除了Python的PIL(全局解释器锁),运算效率极好,是大量机器学习框架的基础库!
Numpy简单创建数组
import numpy as np# 创建简单的列表a = [1, 2, 3, 4] # 将列表转换为数组 b = np.array(b)
Numpy查看数组属性
数组元素个数
b.size
数组形状
b.shape
数组维度
b.ndim
数组元素类型
b.dtype
快速创建N维数组的api函数
- 创建10行10列的数值为浮点1的矩阵
array_one = np.ones([10, 10])
- 创建10行10列的数值为浮点0的矩阵
array_zero = np.zeros([10, 10])
- 从现有的数据创建数组
- array(深拷贝)
- asarray(浅拷贝)
Numpy创建随机数组np.random
-
均匀分布
np.random.rand(10, 10)
创建指定形状(示例为10行10列)的数组(范围在0至1之间)np.random.uniform(0, 100)
创建指定范围内的一个数np.random.randint(0, 100)
创建指定范围内的一个整数
-
正态分布
给定均值/标准差/维度的正态分布
np.random.normal(1.75, 0.1, (2, 3))
- 数组的索引, 切片
# 正态生成4行5列的二维数组arr = np.random.normal(1.75, 0.1, (4, 5)) print(arr) # 截取第1至2行的第2至3列(从第0行算起) after_arr = arr[1:3, 2:4] print(after_arr)
- 改变数组形状(要求前后元素个数匹配)
print("reshape函数的使用!")one_20 = np.ones([20])print("-->1行20列<--")print (one_20) one_4_5 = one_20.reshape([4, 5]) print("-->4行5列<--") print (one_4_5)
Numpy计算(重要)
条件运算
import numpy as npstus_score = np.array([[80, 88], [82, 81], [84, 75], [86, 83], [75, 81]]) stus_score > 80
import numpy as npstus_score = np.array([[80, 88], [82, 81], [84, 75], [86, 83], [75, 81]]) np.where(stus_score < 80, 0, 90)
统计运算
-
指定轴最大值
amax
(参数1: 数组; 参数2: axis=0/1; 0表示列1表示行)
stus_score = np.array([[80, 88], [82, 81], [84, 75], [86, 83], [75, 81]]) # 求每一列的最大值(0表示列) print("每一列的最大值为:") result = np.amax(stus_score, axis=0) print(result) print("每一行的最大值为:") result = np.amax(stus_score, axis=1) print(result)
-
指定轴最小值
amin
stus_score = np.array([[80, 88], [82, 81], [84, 75], [86, 83], [75, 81]]) # 求每一行的最小值(0表示列) print("每一列的最小值为:") result = np.amin(stus_score, axis=0) print(result) # 求每一行的最小值(1表示行) print("每一行的最小值为:") result = np.amin(stus_score, axis=1) print(result)
-
指定轴平均值
mean
stus_score = np.array([[80, 88], [82, 81], [84, 75], [86, 83], [75, 81]]) # 求每一行的平均值(0表示列) print("每一列的平均值:") result = np.mean(stus_score, axis=0) print(result) # 求每一行的平均值(1表示行) print("每一行的平均值:") result = np.mean(stus_score, axis=1) print(result)
-
方差
std
stus_score = np.array([[80, 88], [82, 81], [84, 75], [86, 83], [75, 81]]) # 求每一行的方差(0表示列) print("每一列的方差:") result = np.std(stus_score, axis=0) print(result) # 求每一行的方差(1表示行) print("每一行的方差:") result = np.std(stus_score, axis=1) print(result)
数组运算
-
数组与数的运算
stus_score = np.array([[80, 88], [82, 81], [84, 75], [86, 83], [75, 81]]) print("加分前:") print(stus_score) # 为所有平时成绩都加5分 stus_score[:, 0] = stus_score[:, 0]+5 print("加分后:") print(stus_score)
stus_score = np.array([[80, 88], [82, 81], [84, 75], [86, 83], [75, 81]]) print("减半前:") print(stus_score) # 平时成绩减半 stus_score[:, 0] = stus_score[:, 0]*0.5 print("减半后:") print(stus_score)
-
数组间也支持加减乘除运算,但基本用不到
a = np.array([1, 2, 3, 4]) b = np.array([10, 20, 30, 40]) c = a + b d = a - b e = a * b f = a / b print("a+b为", c) print("a-b为", d) print("a*b为", e) print("a/b为", f)
矩阵运算np.dot()
(非常重要)
-
计算规则
(M行, N列) * (N行, Z列) = (M行, Z列)
stus_score = np.array([[80, 88], [82, 81], [84, 75], [86, 83], [75, 81]]) # 平时成绩占40% 期末成绩占60%, 计算结果 q = np.array([[0.4], [0.6]]) result = np.dot(stus_score, q) print("最终结果为:") print(result)
-
矩阵拼接
- 矩阵垂直拼接
print("v1为:")v1 = [[0, 1, 2, 3, 4, 5], [6, 7, 8, 9, 10, 11]] print(v1) print("v2为:") v2 = [[12, 13, 14, 15, 16, 17], [18, 19, 20, 21, 22, 23]] print(v2) # 垂直拼接 result = np.vstack((v1, v2)) print("v1和v2垂直拼接的结果为") print(result)
- 矩阵水平拼接
print("v1为:")v1 = [[0, 1, 2, 3, 4, 5], [6, 7, 8, 9, 10, 11]] print(v1) print("v2为:") v2 = [[12, 13, 14, 15, 16, 17], [18, 19, 20, 21, 22, 23]] print(v2) # 垂直拼接 result = np.hstack((v1, v2)) print("v1和v2水平拼接的结果为") print(result)
Numpy读取数据np.genfromtxt
如果数值据有无法识别的值出现,会以
nan
显示,nan
相当于np.nan
,为float类型.