numpy数组与list的区别
numpy.ndarray | list | |
是否动态可变 | 否，改变长度的话，会新建一个数组并删除原数组。 | 是 |
类型是否不一样 | 必须一样 | 可以是多样的 |
运行速度 | 优化过，更快，占用内存更多 | 慢 |
新建
import numpy as np
# 深拷贝
# np.array()
# 浅拷贝
array_1_d = np.asarray([1]) # 一维数组
array_2_d = np.asarray([[1, 2], [3, 4]]) # 二维数组
# 全1
np.ones(shape = (2, 3), dtype='int64') * 0.5
# array([[0.5, 0.5, 0.5],
# [0.5, 0.5, 0.5]])
# 全0
np.zeros(shape = (2, 3), dtype='int64')
# array([[0, 0, 0],
# [0, 0, 0]], dtype=int64)
# 等差数列
np.linspace(start=2, stop=10, num=3) # 元素个数：num
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(-50, 51, 2)
y = x ** 2
plt.plot(x, y, color="blue")
plt.legend()
plt.show()
获取属性
# ndim 维度/轴个数
print(array_1_d.ndim) # 1
print(array_2_d.ndim) # 2
# 数组形状
print(array_1_d.shape) # (1,) 向量
print(array_2_d.shape) # (2, 2) 矩阵
# 改变形状
array_2_d.reshape((4,1))
# array([[1],
# [2],
# [3],
# [4]])
# 元素总数，shape元素中乘积
array_2_d.size # 4
# 元素类型
array_2_d.dtype # 元素类型 dtype('int32')
array_2_d_float = array_2_d.astype('float64') # 改变元素类型 dtype('float64')
# 整个数组所占的存储空间
array_2_d.nbytes # 32
# 数组的当前值
array_2_d.flags
# C_CONTIGUOUS : True
# F_CONTIGUOUS : False
# OWNDATA : True
# WRITEABLE : True
# ALIGNED : True
# WRITEBACKIFCOPY : False
# UPDATEIFCOPY : False
读取方式
array_arange = np.arange(6).reshape(2, 3)
# array([[0, 1, 2],
# [3, 4, 5]])
# 行优先
np.reshape(array_arange, (1, 6), 'C')
# array([[0, 3, 1, 4, 2, 5]])
# 列优先
np.reshape(array_arange, (1, 6), 'F')
# array([[0, 3, 1, 4, 2, 5]])
切片
import numpy as np
a = np.arange(10)
s = slice(1,8,2)
print(a[s])
# [1 3 5 7]
聚合函数
import numpy as np
import matplotlib.pyplot as plt
rand_int = np.random.randint(10, size=(4, 3, 2))
print(rand_int, rand_int.shape)
array_max = np.max(rand_int, axis=0)
print(array_max, array_max.shape)
可以发现，形状为(a, b, c)的三维数组，
沿着0轴聚合后，形状变为(b, c)；
沿着1轴聚合后，形状变为(a, c)；
沿着2轴聚合后，形状变为(a, b)。
更高维以此类推。
聚合函数 | 函数功能 |
np.prod() | 返回指定轴上的数组元素的乘积 |
sum() | 返回指定轴上的数组元素的总和 |
cumprod() | 返回沿给定轴上的数组元素的累积乘积 |
cumsum() | 返回沿给定轴上的数组元素的累积总和 |
diff() | 返回沿给定轴上的数组差分 |
gradient() | 数组的梯度 |
cross() | 返回两个数组或向量的叉积 |
mean() | 算数平均数 |
argmin() | 求最小值下标 |
argmax() | 求最大值下标 |
线性代数模块
函数名称 | 函数功能 |
dot() | 计算两个数组的点积 |
vdot() | 计算两个向量的点积 |
inner() | 计算两个数组的内积 |
matmul() | 计算两个数组的矩阵积 |
determinant() | 计算两个数组的行列式 |
solve() | 计算线性矩阵方程 |
inv() | 计算矩阵的乘法逆矩阵 |
三角函数模块
函数名称 | 函数功能 |
sin(x [, out]) | 正弦值 |
cos(x [, out]) | 余弦值 |
tan(x [, out]) | 正切值 |
arcsin(x [, out]) | 反正弦值 |
arccos(x [, out]) | 反余弦值 |
arctan(x [, out]) | 反正切值 |
随机函数
函数名称 | 函数功能 |
seed() | 确定随机数生成器 |
permutation() | 返回一个序列的随机排序或返回一个随机排列的范围 |
normal() | 产生正态分布的样本值 |
binomial() | 产生二项式分布的样本值 |
rand() | 返回一组随机值，根据给定维度生成[0, 1)的数据 |
randn() | 返回一个样本，具有标准正态分布 |
randint(low [, high, size]) | 返回随机的整数，位于半开区间[low, high) |
random_integers(low [, high, size]) | 返回随机的整数，位于半开区间[low, high] |
random() | 返回随机的浮点数，位于半开区间[0.0, 1.0) |
bytes() | 返回随机字节 |
uniform() | 返回均匀分布 |
poisson() | 返回泊松分布 |
import numpy as np
import matplotlib.pyplot as plt
rand1 = np.random.randint(5, size=(4, 4))
print(rand1, rand1.shape)
rand2 = np.random.randint(5, size=(4, 4))
print(rand2, rand2.shape)
# 点积
result = np.dot(rand1, rand2)
print(result, result.shape)
数据清洗
import numpy as np
arr = np.array([2,3,6,6])
# 去除重复数据
print(np.unique(arr))
list1 = [1,2,3,3]
print(np.unique(list1))
tuple1 = (1,2,3,3)
# 求最大值
print(np.amax(list1))
# 求最小值
print(np.amin(list1))
