其它課程中的python---三、numpy總結(很是全)

其它課程中的python---三、numpy總結(很是全)

1、總結

一句話總結：

學習方式應該是：聽課+總結；-->找總結博客+再總結

須要始終記住：憑藉，繼承，複用

 

一、numpy的主要功能有哪些？

數組的轉置，拼接，計算，切片，索引，組合

線性代數的各類操做：線代自己就是對數組（矩陣）的各類操做

 

二、numpy數組對象主要的屬性？

.shape ：各維度的尺度 （2，5）

.size ：元素的個數 10

.dtype ：元素的類型 dtype(‘int32’)

.itemsize ：每一個元素的大小，以字節爲單位 每一個元素佔4個字節

 

.ndim ：維度
.shape ：各維度的尺度 （2，5）
.size ：元素的個數 10
.dtype ：元素的類型 dtype(‘int32’)
.itemsize ：每一個元素的大小，以字節爲單位 每一個元素佔4個字節

 

 

三、numpy如何建立數組？

arange()方法：np.arange(n) ; 元素從0到n-1的ndarray類型 不指定的話是一維

reshape()：np.arange(20).reshape(4,5)：若是想改變維度

 

四、numpy數組建立中的幾個特例？

np.ones(shape): 生成全1

np.full(shape, val): 生成全爲val

np.ones_like(a) : 按數組a的形狀生成全1的數組

np.linspace（1,10,4）： 根據起止數據等間距地生成數組 （1,5,9）不包含10

 

np.ones(shape): 生成全1
np.zeros((shape)， ddtype = np.int32) ： 生成int32型的全0
np.full(shape, val): 生成全爲val
np.eye(n) : 生成單位矩陣

np.ones_like(a) : 按數組a的形狀生成全1的數組
np.zeros_like(a): 同理
np.full_like (a, val) : 同理

np.linspace（1,10,4）： 根據起止數據等間距地生成數組 （1,5,9）不包含10
np.linspace（1,10,4, endpoint = False）：endpoint 表示10是否做爲生成的元素
np.concatenate():

 

 

 

五、numpy如何改變數組的維度？

.reshape(shape) : 不改變當前數組，依shape生成

.resize(shape) : 改變當前數組，依shape生成

.swapaxes(ax1, ax2) : 將兩個維度調換

 

.reshape(shape) : 不改變當前數組，依shape生成
.resize(shape) : 改變當前數組，依shape生成
.swapaxes(ax1, ax2) : 將兩個維度調換
.flatten() : 對數組進行降維，返回摺疊後的一位數組

 

 

六、numpy如何變換數組（數據）的類型？

數據類型的轉換 ：a.astype(new_type) : eg, a.astype (np.float)

數組向列表的轉換： a.tolist()

 

七、numpy如何進行一維數組的切片？

a = np.array ([9, 8, 7, 6, 5, ])

a[1:4:2] –> array([8, 6]) ： a[起始編號：終止編號（不含）： 步長]

 

八、numpy如何進行多維數組索引？

a = np.arange(24).reshape((2, 3, 4))

a[1, 2, 3] 表示 3個維度上的編號， 各個維度的編號用逗號分隔

 

九、numpy如何進行多維數組的切片？

a [：，：，：：2 ] 缺省時，表示從第0個元素開始，到最後一個元素

 

十、numpy經常使用數組的運算有哪些？

np.abs(a) np.fabs(a) : 取各元素的絕對值

np.sqrt(a) : 計算各元素的平方根

np.modf(a) : 將數組各元素的小數和整數部分以兩個獨立數組形式返回

np.abs(a) np.fabs(a) : 取各元素的絕對值
np.sqrt(a) : 計算各元素的平方根
np.square(a): 計算各元素的平方
np.log(a) np.log10(a) np.log2(a) : 計算各元素的天然對數、十、2爲底的對數
np.ceil(a) np.floor(a) : 計算各元素的ceiling 值， floor值（ceiling向上取整，floor向下取整）
np.rint(a) : 各元素 四捨五入
np.modf(a) : 將數組各元素的小數和整數部分以兩個獨立數組形式返回
np.exp(a) : 計算各元素的指數值
np.sign(a) : 計算各元素的符號值 1（+），0，-1（-）
.
np.maximum(a, b) np.fmax() : 比較（或者計算）元素級的最大值
np.minimum(a, b) np.fmin() : 取最小值
np.mod(a, b) : 元素級的模運算
np.copysign(a, b) : 將b中各元素的符號賦值給數組a的對應元素

 

 

十一、numpy隨機數函數經常使用的有哪些？

rand(d0, d1, …,dn) : 各元素是[0, 1）的浮點數，服從均勻分佈

randn(d0, d1, …,dn)：標準正態分佈

shuffle(a) : 根據數組a的第一軸進行隨機排列，改變數組a

choice(a[, size, replace, p]) : 從一維數組a中以機率p抽取元素， 造成size形狀新數組，replace表示是否能夠重用元素，默認爲False。

rand(d0, d1, …,dn) : 各元素是[0, 1）的浮點數，服從均勻分佈
randn(d0, d1, …,dn)：標準正態分佈
randint(low， high,（ shape）): 依shape建立隨機整數或整數數組，範圍是[ low, high）
seed(s) ： 隨機數種子

shuffle(a) : 根據數組a的第一軸進行隨機排列，改變數組a
permutation(a) : 根據數組a的第一軸進行隨機排列， 可是不改變原數組，將生成新數組
choice(a[, size, replace, p]) : 從一維數組a中以機率p抽取元素， 造成size形狀新數組，replace表示是否能夠重用元素，默認爲False。 

replace = False時，選取過的元素將不會再選取

uniform(low, high, size) : 產生均勻分佈的數組，起始值爲low，high爲結束值，size爲形狀
normal(loc, scale, size) : 產生正態分佈的數組， loc爲均值，scale爲標準差，size爲形狀
poisson(lam, size) : 產生泊松分佈的數組， lam隨機事件發生機率，size爲形狀
eg: a = np.random.uniform(0, 10, (3, 4)) a = np.random.normal(10, 5, (3, 4))

 

 

 

十二、numpy的的經常使用統計函數有哪些？

average(a, axis =None, weights=None) : 依給定軸axis計算數組a相關元素的加權平均值

sum(a, axis = None) : 依給定軸axis計算數組a相關元素之和，axis爲整數或者元組

mean(a, axis = None) : 同理，計算平均值

sum(a, axis = None) : 依給定軸axis計算數組a相關元素之和，axis爲整數或者元組
mean(a, axis = None) : 同理，計算平均值
average(a, axis =None, weights=None) : 依給定軸axis計算數組a相關元素的加權平均值
std（a, axis = None） ：同理，計算標準差
var（a, axis = None）: 計算方差
eg： np.mean(a, axis =1) ： 對數組a的第二維度的數據進行求平均
a = np.arange(15).reshape(3, 5)
np.average(a, axis =0, weights =[10, 5, 1]) : 對a第一各維度加權求平均，weights中爲權重，注意要和a的第一維匹配

min(a) max(a) : 計算數組a的最小值和最大值
argmin(a) argmax(a) : 計算數組a的最小、最大值的下標（注：是一維的下標）
unravel_index(index, shape) : 根據shape將一維下標index轉成多維下標
ptp(a) : 計算數組a最大值和最小值的差
median(a) : 計算數組a中元素的中位數（中值）
eg：a = [[15, 14, 13],
[12, 11, 10] ]
np.argmax(a) –> 0
np.unravel_index( np.argmax(a), a.shape) –> (0,0)

 

 

 

1三、numpy的經常使用梯度函數有哪些？

np.gradient(a) ： 計算數組a中元素的梯度，f爲多維時，返回每一個維度的梯度

離散梯度： xy座標軸連續三個x軸座標對應的y軸值：a, b, c 其中b的梯度是（c-a）/2，而c的梯度是： (c-b)/1

 

 

 

2、numpy總結(比較全)

本博文摘抄自中國慕課大學上的課程《Python數據分析與展現》（略有修改）

Numpy是科學計算庫,是一個強大的N維數組對象ndarray，是廣播功能函數。其整合C/C++.fortran代碼的工具 ，更是Scipy、Pandas等的基礎 這個顏色表明輸出 紅色是我後加的

.ndim ：維度
.shape ：各維度的尺度 （2，5）
.size ：元素的個數 10
.dtype ：元素的類型 dtype(‘int32’)
.itemsize ：每一個元素的大小，以字節爲單位 每一個元素佔4個字節
ndarray數組的建立

np.arange(n) ; 元素從0到n-1的ndarray類型 不指定的話是一維

若是想改變維度 np.arange(20).reshape(4,5)

np.ones(shape): 生成全1
np.zeros((shape)， ddtype = np.int32) ： 生成int32型的全0
np.full(shape, val): 生成全爲val
np.eye(n) : 生成單位矩陣

np.ones_like(a) : 按數組a的形狀生成全1的數組
np.zeros_like(a): 同理
np.full_like (a, val) : 同理

np.linspace（1,10,4）： 根據起止數據等間距地生成數組 （1,5,9）不包含10
np.linspace（1,10,4, endpoint = False）：endpoint 表示10是否做爲生成的元素
np.concatenate():

• 數組的維度變換

.reshape(shape) : 不改變當前數組，依shape生成
.resize(shape) : 改變當前數組，依shape生成
.swapaxes(ax1, ax2) : 將兩個維度調換
.flatten() : 對數組進行降維，返回摺疊後的一位數組

• 數組的類型變換

數據類型的轉換 ：a.astype(new_type) : eg, a.astype (np.float)
數組向列表的轉換： a.tolist()
數組的索引和切片

• 一維數組切片

a = np.array ([9, 8, 7, 6, 5, ])
a[1:4:2] –> array([8, 6]) ： a[起始編號：終止編號（不含）： 步長]

• 多維數組索引

a = np.arange(24).reshape((2, 3, 4))
a[1, 2, 3] 表示 3個維度上的編號， 各個維度的編號用逗號分隔

• 多維數組切片

a [：，：，：：2 ] 缺省時，表示從第0個元素開始，到最後一個元素
數組的運算
np.abs(a) np.fabs(a) : 取各元素的絕對值
np.sqrt(a) : 計算各元素的平方根
np.square(a): 計算各元素的平方
np.log(a) np.log10(a) np.log2(a) : 計算各元素的天然對數、十、2爲底的對數
np.ceil(a) np.floor(a) : 計算各元素的ceiling 值， floor值（ceiling向上取整，floor向下取整）
np.rint(a) : 各元素 四捨五入
np.modf(a) : 將數組各元素的小數和整數部分以兩個獨立數組形式返回
np.exp(a) : 計算各元素的指數值
np.sign(a) : 計算各元素的符號值 1（+），0，-1（-）
.
np.maximum(a, b) np.fmax() : 比較（或者計算）元素級的最大值
np.minimum(a, b) np.fmin() : 取最小值
np.mod(a, b) : 元素級的模運算
np.copysign(a, b) : 將b中各元素的符號賦值給數組a的對應元素

• 數據的CSV文件存取

CSV (Comma-Separated Value,逗號分隔值) 只能存儲一維和二維數組

np.savetxt(frame, array, fmt=’% .18e’, delimiter = None): frame是文件、字符串等，能夠是.gz .bz2的壓縮文件； array 表示存入的數組； fmt 表示元素的格式 eg： %d % .2f % .18e ; delimiter： 分割字符串，默認是空格
eg： np.savetxt(‘a.csv’, a, fmt=%d, delimiter = ‘,’ )

np.loadtxt(frame, dtype=np.float, delimiter = None, unpack = False) : frame是文件、字符串等，能夠是.gz .bz2的壓縮文件； dtype：數據類型，讀取的數據以此類型存儲； delimiter: 分割字符串，默認是空格; unpack: 若是爲True， 讀入屬性將分別寫入不一樣變量。
多維數據的存取
a.tofile(frame, sep=’’, format=’%s’ ) : frame: 文件、字符串； sep: 數據分割字符串，若是是空串，寫入文件爲二進制 ； format:： 寫入數據的格式
eg: a = np.arange(100).reshape(5, 10, 2)
a.tofile(「b.dat」, sep=」,」, format=’%d’)

np.fromfile(frame, dtype = float, count=-1, sep=’’)： frame： 文件、字符串 ； dtype： 讀取的數據以此類型存儲； count：讀入元素個數， -1表示讀入整個文件； sep: 數據分割字符串，若是是空串，寫入文件爲二進制

PS: a.tofile() 和np.fromfile（）要配合使用，要知道數據的類型和維度。

np.save(frame, array) : frame: 文件名，以.npy爲擴展名，壓縮擴展名爲.npz ； array爲數組變量
np.load(fname) : frame: 文件名，以.npy爲擴展名，壓縮擴展名爲

np.save() 和np.load() 使用時，不用本身考慮數據類型和維度。

• numpy隨機數函數

numpy 的random子庫

rand(d0, d1, …,dn) : 各元素是[0, 1）的浮點數，服從均勻分佈
randn(d0, d1, …,dn)：標準正態分佈
randint(low， high,（ shape）): 依shape建立隨機整數或整數數組，範圍是[ low, high）
seed(s) ： 隨機數種子

shuffle(a) : 根據數組a的第一軸進行隨機排列，改變數組a
permutation(a) : 根據數組a的第一軸進行隨機排列， 可是不改變原數組，將生成新數組
choice(a[, size, replace, p]) : 從一維數組a中以機率p抽取元素， 造成size形狀新數組，replace表示是否能夠重用元素，默認爲False。
eg：
replace = False時，選取過的元素將不會再選取

uniform(low, high, size) : 產生均勻分佈的數組，起始值爲low，high爲結束值，size爲形狀
normal(loc, scale, size) : 產生正態分佈的數組， loc爲均值，scale爲標準差，size爲形狀
poisson(lam, size) : 產生泊松分佈的數組， lam隨機事件發生機率，size爲形狀
eg: a = np.random.uniform(0, 10, (3, 4)) a = np.random.normal(10, 5, (3, 4))

• numpy的統計函數

sum(a, axis = None) : 依給定軸axis計算數組a相關元素之和，axis爲整數或者元組
mean(a, axis = None) : 同理，計算平均值
average(a, axis =None, weights=None) : 依給定軸axis計算數組a相關元素的加權平均值
std（a, axis = None） ：同理，計算標準差
var（a, axis = None）: 計算方差
eg： np.mean(a, axis =1) ： 對數組a的第二維度的數據進行求平均
a = np.arange(15).reshape(3, 5)
np.average(a, axis =0, weights =[10, 5, 1]) : 對a第一各維度加權求平均，weights中爲權重，注意要和a的第一維匹配

min(a) max(a) : 計算數組a的最小值和最大值
argmin(a) argmax(a) : 計算數組a的最小、最大值的下標（注：是一維的下標）
unravel_index(index, shape) : 根據shape將一維下標index轉成多維下標
ptp(a) : 計算數組a最大值和最小值的差
median(a) : 計算數組a中元素的中位數（中值）
eg：a = [[15, 14, 13],
[12, 11, 10] ]
np.argmax(a) –> 0
np.unravel_index( np.argmax(a), a.shape) –> (0,0)

• numpy的梯度函數

np.gradient(a) ： 計算數組a中元素的梯度，f爲多維時，返回每一個維度的梯度
離散梯度： xy座標軸連續三個x軸座標對應的y軸值：a, b, c 其中b的梯度是（c-a）/2
而c的梯度是： (c-b)/1

當爲二維數組時，np.gradient(a) 得出兩個數組，第一個數組對應最外層維度的梯度，第二個數組對應第二層維度的梯度。

• 圖像的表示和變換

PIL， python image library 庫
from PIL import Image
Image是PIL庫中表明一個圖像的類（對象）

im = np.array(Image.open(「.jpg」))

im = Image.fromarray(b.astype(‘uint8’)) # 生成
im.save(「路徑.jpg」) # 保存

im = np.array(Image.open(「.jpg」).convert(‘L’)) # convert(‘L’)表示轉爲灰度圖

 

個人旨在學過的東西再也不忘記（主要使用艾賓浩斯遺忘曲線算法及其它智能學習複習算法）的偏公益性質的徹底免費的編程視頻學習網站： fanrenyi.com；有各類前端、後端、算法、大數據、人工智能等課程。