Numpy 再来一遍
文章目录
- 一、Numpy的属性
- 二、创建array
- 三、Numpy的运算
- 四、随机数生成及矩阵的统计
- 五、Numpy索引
- 六、合并
- 七、分割
- 八、深浅拷贝
配合
机器学习食用更佳。
import numpy as np
一、Numpy的属性
- ndim 维度
- shape 形状
- dtype 类型
- size 大小
array = np.array([[1,2,3],
[4,5,6]])
print(array)
[[1 2 3]
[4 5 6]]
print(array.ndim) # 维度
2
print(array.shape) # 形状
(2, 3)
print(array.dtype) # 元素类型
int64
print(array.size) # 大小
6
二、创建array
- 指定数据属性
- 创建一维数据、二维数据
- zeros 全0、 ones 全1、 empty 全接近于0、 arange 等差一维数组
- reshape 改变矩阵形状
a = np.array([1,2,3],dtype=np.int32) # 指定数据类型
print(a)
[1 2 3]
b = np.array([1,2,3],dtype=np.float) # 指定数据类型
print(b.dtype)
float64
c = np.array([1,2,3]) # 一维数据
print(c)
[1 2 3]
d = np.array([[1,2,3],[4,5,6]]) # 二维数据
print(d)
[[1 2 3]
[4 5 6]]
zero = np.zeros((2,3)) # 生成2行3列的全0矩阵
print(zero)
[[0. 0. 0.]
[0. 0. 0.]]
one = np.ones((3,4)) # 生成3行4列的全1矩阵
print(one)
[[1. 1. 1. 1.]
[1. 1. 1. 1.]
[1. 1. 1. 1.]]
empty = np.empty((3,3)) # 生成3行3列的全都接近于0（不等于0）的矩阵
print(empty)
[[6.92430951e-310 4.67278860e-310 6.92414190e-310]
[6.92414190e-310 6.92414190e-310 6.92414190e-310]
[6.92414190e-310 6.92414190e-310 3.95252517e-322]]
e = np.arange(5)
print(e)
[0 1 2 3 4]
f = np.arange(4,12)
print(f)
[ 4 5 6 7 8 9 10 11]
g = np.arange(4,12,2)
print(g)
[ 4 6 8 10]
h = np.arange(8).reshape(4,2) # 重新定义矩阵的形状
print(h)
[[0 1]
[2 3]
[4 5]
[6 7]]
三、Numpy的运算
- ‘+ - * / // ** % >’
- np.dot(arr1,arr2) == arr1.dot(arr2) 矩阵乘法
- arr1.T == np.transpose(arr1)
arr1 = np.array([1,2,3])
arr2 = np.array([4,5,6])
print(arr1,arr2)
[1 2 3] [4 5 6]
print(arr1+arr2)
[5 7 9]
print(arr1-arr2)
[-3 -3 -3]
print(arr1*arr2)
[ 4 10 18]
print(arr1/arr2)
[0.25 0.4 0.5 ]
print(arr1**arr2)
[ 1 32 729]
print(arr1 // arr2)
[0 0 0]
print(arr1 % arr2)
[1 2 3]
print(arr1 + 1)
[2 3 4]
print(arr1 * 3)
[3 6 9]
print(arr1 > 3)
[False False False]
arr3 = np.arange(6).reshape(3,2)
arr4 = np.arange(6).reshape(2,3)
np.dot(arr3,arr4) # 矩阵乘法
array([[ 3, 4, 5],
[ 9, 14, 19],
[15, 24, 33]])
arr3.dot(arr4)
array([[ 3, 4, 5],
[ 9, 14, 19],
[15, 24, 33]])
print(arr3.T) # 矩阵转置
[[0 2 4]
[1 3 5]]
print(arr3)
[[0 1]
[2 3]
[4 5]]
print(np.transpose(arr3))
[[0 2 4]
[1 3 5]]
四、随机数生成及矩阵的统计
- np.random.random 0-1的随机数
- np.random.normal 符合正态分布的随机数
- np.random.randint(0,10,size=()) 生成从0到10的size形状的随机整数
- np.sum() 求和、np.mean() 求平均值 np.max() 求最大值、 np.min() 求最小值
- np.sort() 排序、np.sqrt() 开方、 np.median() 求中位数、 axis=0 0行1列
- np.argmin() 求最小值的下标、np.argmax() 求最大值下标
arr1 = np.random.random((2,2)) # 生成2行2列从0到1的随机数
print(arr1)
[[0.70322893 0.62660424]
[0.10822154 0.70288038]]
arr2 = np.random.normal(size=(3,3)) # 生成3行3列的符合标准正态分布的随机数
print(arr2)
[[ 0.27050106 0.66089326 0.05234379]
[ 0.81437662 -0.41467658 2.49832908]
[-0.17560416 0.42175065 -1.02400744]]
arr3 = np.random.randint(0,10,size=(4,3)) # 生成4行3列的从0到10的随机整数
print(arr3)
[[4 1 9]
[8 7 9]
[9 1 9]
[5 0 9]]
np.sum(arr1) # 求和 == arr1.sum()
2.1409350945823276
np.min(arr1) # 求最小值 == arr1.min()
0.10822154146948515
np.max(arr1) # 求最大值 == arr1.max()
0.7032289271352641
np.sum(arr1,axis=0) # 对列求和
array([0.81145047, 1.32948463])
np.sum(arr1,axis=1) # 对行求和
array([1.32983317, 0.81110192])
np.argmin(arr1) # 求最小值的索引 从0开始
2
np.argmax(arr1) # 求最大值的索引
0
np.mean(arr1) # 求平均值 == np.sum(arr1) / arr1.size == arr1.mean()
0.5352337736455819
np.median(arr1) # 求中位数
0.6647423129887893
np.sqrt(arr1) # 开方 == arr1 ** 0.5
array([[ True, True],
[ True, True]])
np.sort(arr1) # 排序 每一行是升序
array([[0.62660424, 0.70322893],
[0.10822154, 0.70288038]])
np.clip(arr1,0.5,0.6) # 小于0.5变成0.5 大于0.6就变成0.6
array([[0.6, 0.6],
[0.5, 0.6]])
五、Numpy索引
- 索引arr1[1,2] == arr1[1][2]
- 切片 [:,:] 逗号前面代表行，后面代表列
- 遍历行、遍历列、遍历元素
print(arr1)
[[0.62660424 0.70322893]
[0.10822154 0.70288038]]
print(arr1[0])
[0.62660424 0.70322893]
print(arr1[0][1]) == print(arr1[0,1])
0.7032289271352641
print(arr1[:,1]) # 第二列
[0.70322893 0.70288038]
print(arr1[1,1])
0.7028803828361643
for i in arr1: # 迭代行
print(i)
[0.62660424 0.70322893]
[0.10822154 0.70288038]
for i in arr1.T: # 迭代列
print(i)
[0.62660424 0.10822154]
[0.70322893 0.70288038]
arr1.reshape(1,-1)
array([[0.62660424, 0.70322893, 0.10822154, 0.70288038]])
for i in arr1.flat: # 迭代所有元素
print(i)
0.6266042431414143
0.7032289271352641
0.10822154146948515
0.7028803828361643
六、合并
- 一维数据合并 np.vstack 垂直合并、 np.hstack 水平合并
- 多维数据合并 np.concatenate((arr1,arr2)) # 默认垂直合并、np.concatenate((arr1,arr2),axis=1) # 水平合并
- 增加一个新的维度np.newaxis
- 变成nd数据 np.atleast_nd n可以为1、2、3、4…
arr1 = np.arange(3)
arr2 = np.arange(3)
print(arr1,arr2)
[0 1 2] [0 1 2]
np.vstack((arr1,arr2)) # 垂直合并
array([[0, 1, 2],
[0, 1, 2]])
np.hstack((arr1,arr2)) # 水平合并
array([0, 1, 2, 0, 1, 2])
np.concatenate((arr1,arr2))
array([0, 1, 2, 0, 1, 2])
arr3 = np.arange(4).reshape(2,2)
np.concatenate((arr3,arr3))
array([[0, 1],
[2, 3],
[0, 1],
[2, 3]])
np.concatenate((arr3,arr3),axis=1) # 该方法不能对1维数据进行垂直合并
array([[0, 1, 0, 1],
[2, 3, 2, 3]])
arr1.T # 一维数据不能转置
array([0, 1, 2])
arr1[np.newaxis,:] # 在行这个维度上增加一个维
array([[0, 1, 2]])
arr1[:,np.newaxis]
array([[0],
[1],
[2]])
np.atleast_2d(arr1)
array([[0, 1, 2]])
七、分割
- 等分 np.split 0行1列
- 不等分 np.array_split 0行1列
- 垂直分np.hsplit、水平分np.vsplit
arr1 = np.arange(12).reshape(3,4)
print(arr1)
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
np.split(arr1,2,axis=1) # 竖直方向分割，平均为2份
[array([[0, 1],
[4, 5],
[8, 9]]), array([[ 2, 3],
[ 6, 7],
[10, 11]])]
np.split(arr1,3,axis=0) # 水平方向分割，平均为3份
[array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8, 9, 10, 11]])]
np.split(arr1,3,axis=1) # 竖直方向分割，平均为3份
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
/opt/conda/lib/python3.6/site-packages/numpy/lib/shape_base.py in split(ary, indices_or_sections, axis)
866 try:
--> 867 len(indices_or_sections)
868 except TypeError:
TypeError: object of type 'int' has no len()
During handling of the above exception, another exception occurred:
ValueError Traceback (most recent call last)
<ipython-input-112-2e738d9e1da7> in <module>
----> 1 np.split(arr1,3,axis=1) # 水平方向分割，平均为3份
<__array_function__ internals> in split(*args, **kwargs)
/opt/conda/lib/python3.6/site-packages/numpy/lib/shape_base.py in split(ary, indices_or_sections, axis)
871 if N % sections:
872 raise ValueError(
--> 873 'array split does not result in an equal division')
874 return array_split(ary, indices_or_sections, axis)
875
ValueError: array split does not result in an equal division
np.array_split(arr1,3,axis=1) # 竖直方向分割，不等分为3份
[array([[0, 1],
[4, 5],
[8, 9]]), array([[ 2],
[ 6],
[10]]), array([[ 3],
[ 7],
[11]])]
np.vsplit(arr1,3) # == np.split(arr1,3,axis=0) # 水平方向分割，平均为3份
[array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8, 9, 10, 11]])]
np.hsplit(arr1,2)# == np.split(arr1,2,axis=1) # 竖直方向分割，平均为2份
[array([[0, 1],
[4, 5],
[8, 9]]), array([[ 2, 3],
[ 6, 7],
[10, 11]])]
八、深浅拷贝
- Python是引用传递，默认内存共享
- arr1.copy() 深拷贝 完全独立开
arr1
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
arr2 = arr1
arr2[0] = 0
arr2
array([[ 0, 0, 0, 0],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
arr1
array([[ 0, 0, 0, 0],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
arr3 = arr1.copy() # 深拷贝
arr3[0] = 1
arr3
array([[ 1, 1, 1, 1],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
arr1
array([[ 0, 0, 0, 0],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
