Numpy的一些操作

1、什么是Numpy

简单来说：

• Numpy（Numerical Python）是一个开源的Python科学计算库，用于快速处理任意维度的数组。
• Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多。
• Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。

NumPy提供了一个N维数组类型ndarray，它描述了相同类型的“items”的集合。这里的相同类型的item是指每一列的数据类型要一致，不同列不一定。有点像关系表那种。
比如说：

2、N维数组-ndarray

数组属性反映了数组本身固有的信息，任何一个数组实例都可以调用一下方法：

属性名字	属性解释
ndarray.shape	数据几行几列
ndarray.size	数组中的元素数量
ndarray.dtype	数组元素的类型

ps:关于数组的shape

• 一维数组

  • 比如说，a1 = np.array([1,2,3,4])

• 二维数组

  • a2 = np.array([[1,2,3,4],
    [5,6,7,8]])
  • 注意a有两层 [[...],[...],[...]]

• 三维数组

  • a3 = np.array([[[1,2,3],[4,5,6]],[5,6,7,8]])

  • 注意a3有三层 [[[],...],[...],[...]]

3、Numpy基本操作

3.1 生成数组的方法

（1）生成全是0，或全是1

• np.ones(shape, dtype)
  • 生成全是1的数组，shape为表示行列的元组(注意是元组，否则报错~)

• np.ones_like(a, dtype)

  • 生成全是1的数组，shape像数组a

• np.zeros(shape, dtype)

• np.zeros_like(a, dtype)
  
  

（2）从现有的数组中生成

• np.array(object, dtype)

• np.asarray(a, dtype

  a = np.array([[1,2,3],[4,5,6]])
  a1 = np.array(a)
  # 从现有的数组当中创建,a1和a是独立的两个数组
  a2 = np.asarray(a)
  # 相当于索引的形式，并没有真正的创建一个新的数组，对a2进行修改，会直接影响到a。
  

（3）生成固定范围的数组

• np.linspace (start, stop, num, endpoint)

• np.arange(start,stop, step, dtype)

• np.logspace(start,stop, num)

3.2 Numpy的随机数组

关于 numpy.random模块

3.2.1正态分布的随机数组

• np.random.randn(d0, d1, …, dn)
  • d0,d1,...,dn 代表维度
  • 比如说 c = np.random.randn(1,2,3),代表生成一个三维数组，最外岑一个list，次外层两个list，最内层每个list有三个元素

• np.random.normal(loc=0.0, scale=1.0, size=None)

  loc：float
  
  ​ 此概率分布的均值（对应着整个分布的中心centre）
  
  scale：float
  
  ​ 此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）
  
  size：int or tuple of ints
  
  ​ 输出的shape，不写则输出一个值，写（3,4）则输出三行四列的数组
  

• np.random.standard_normal(size=None)

3.2.2均匀分布的随机数组

• np.random.rand(d0, d1, ..., dn)

  返回[0.0，1.0)内的一组均匀分布的数。
  

• np.random.uniform(low=0.0, high=1.0, size=None)

  功能：从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.
  参数介绍:
  low: 采样下界，float类型，默认值为0；
  high: 采样上界，float类型，默认值为1；
  size: 输出样本数目，为int或元组(tuple)类型，例如，size=(m,n,k), 则输出mnk个样本，缺省时输出1个值。
  返回值：ndarray类型，其形状和参数size中描述一致。
  

• np.random.randint(low, high=None, size=None, dtype='l')

  从一个均匀分布中随机采样，生成一个整数或N维整数数组，
  取数范围：若high不为None时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数。
  

3.3 数组索引和切片

• 一维数组
  • 直接定位
• 二维数组
  • 先行后列，比如a[0:2,0:2]，表示数组a的0,1行和0,1列的数据（开区间）

• 三维数组
  -从外往内，层层切片

3.4 数组形状修改

• ndarray.reshape(shape, order)

  • 不改变原来的数组，会重新生成一个shape不同的数组，但是数据与原来数组一样。

• ndarray.resize(new_shape)

  • 在原来数组上改变形状，不会生成新数组！

• ndarray.T

  • 数据转置~

3.5 数组类型修改

• ndarray.astype(type)
  a.astype(np.int32)

• ndarray.tostring([order])或者ndarray.tobytes([order])

  arr = np.array([[[1, 2, 3], [4, 5, 6]], [[12, 3, 34], [5, 6, 7]]])
  arr.tostring()
  

4 参考文献

《Pyhton 科学计算》---张若愚

标签：dtype,shape,数组,一些,np,操作,Numpy,ndarray,size
来源： https://www.cnblogs.com/caolanying/p/16121824.html