numpy庫簡單使用

numpy簡介

NumPy（Numerical Python）是python語言的一個擴展程序庫，支持大量維度數組與矩陣運算，此外，也針對數據運算提供大量的數學函數庫。

NumPy是高性能科學計算和數據分析的基礎

NumPy的主要功能：

• ndarray，一個多維數組結構，高效且節省空間

• 無需循環對整組數據進行快速運算的數學函數

• *讀寫磁盤數據的工具以及用於操做內存映射文件的工具

• *線性代數、隨機數生成和傅里葉變換功能

• *用於集成C、C++等代碼的工具

Numpy的安裝

pip install numpy

ndarray-多維數組建立

ndarry是多維數組結構，與列表區別：

• 數組對象內的元素類型必須相同

• 數組大小不可修改

np.array()建立

import numpy as np
np.array()
​
# 建立一維數組
np.array([1,2,3,4,5])
# array([1, 2, 3, 4, 5])
​
# 建立二維數組
np.array([[1,2,3],[4,5,6]])
# array([[1, 2, 3],
       [4, 5, 6]])

注意：

• numpy默認ndarray的全部元素的類型是相同的

• 若是傳進列表中包含不一樣的類型，會統一爲一個類型，優先級：str>float>int

np.array([[1,2.2,3],[4,5,6]])  # 整數都會變成浮點數
# array([[1. , 2.2, 3. ],
       [4. , 5. , 6. ]])

np的routines函數建立

• np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) 等差數量數組

np.linspace(1,100,num=20)  # 產生1-100之間數量20個的等差數組

• np.arange([start, ]stop, [step, ]dtype=None) 等差步長數組

np.arange(0,100,step=2)  # 產生0-100，步長爲2的等差數組

• random.randint(low,high=None,size=None,dtype="1")

np.random.randint(0,100,size=(4,5))  # size表示維度
# array([[83, 58,  4, 20, 35],
       [13, 33, 30, 14, 79],
       [86, 58, 33, 44, 63],
       [43, 40, 55, 16, 13]])
​
# 固定隨機數組的隨機因子，每次產生固定不變數組
np.random.seed(10)  # 隨機因子/時間種子
np.random.randint(0,100,size=(4,5))

ndarray屬性和方法

經常使用屬性

• T：數組的轉置（對高維數組而言）

• dtype：數組元素的數據類型

• size：數組元素的個數

• ndim：數組的維數

• shape：數組的維度大小（以元組形式）

 

img_arr = plt.imread('./girl.jpg')  # 打開一張圖片，獲取圖片的矩陣數組
​
# 獲取數組的維度
img_arr.ndim
# 3
​
# 獲取數組的外形
img_arr.shape
# (676, 1202, 3)
​
# 獲取數組的大小
img_arr.size
# 2437656
​
# 獲取數組的數據類型
img_arr.dtype
# dtype('uint8')

經常使用方法

numpy.zeros(dim1,dim2)              建立dim1*dim2的零矩陣
numpy.arange
numpy.eye(n) /numpy.identity(n)     建立n*n單位矩陣
numpy.array([…data…], dtype=float64 )
array.astype(numpy.float64)         更換矩陣的數據形式
array.astype(float)                 更換矩陣的數據形式
array * array                       矩陣點乘
array[a:b]                          切片
array.copy()                        獲得ndarray的副本，而不是視圖
array [a] [b]=array [ a, b ]        二者等價
name=np.array(['bob','joe','will']) res=name==’bob’ res= array([ True, False, False], dtype=bool)
data[True,False,…..]                索引，只索取爲True的部分，去掉False部分
經過布爾型索引選取數組中的數據，將老是建立數據的副本。
data[ [4,3,0,6] ]                   索引，將第4,3,0,6行摘取出來，組成新數組
data[-1]=data[data.__len__()-1]
numpy.reshape(a,b)                  將a*b的一維數組排列爲a*b的形式
array([a,b,c,d],[d,e,f,g])          返回一維數組，分別爲[a,d],[b,e],[c,f],[d,g]
array[ [a,b,c,d] ][:,[e,f,g,h] ]=array[ numpy.ix_( [a,b,c,d],[e,f,g,h] ) ]
array.T                             array的轉置
numpy.random.randn(a,b)             生成a*b的隨機數組
numpy.dot(matrix_1,matrix_2)        矩陣乘法
array.transpose( (1,0,2,etc.) )     對於高維數組，轉置須要一個由軸編號組成的元組

ndarray索引和切片、變形

一、數組和標量之間的運算
    a+1    a*3    1//a    a**0.5
二、一樣大小數組之間的運算
    a+b    a/b    a**b
三、數組的索引：
    一維數組：a[5]
    多維數組：
        列表式寫法：a[2][3]
        新式寫法：a[2,3] (推薦)
   數組的切片：
        一維數組：a[5:8]    a[4:]        a[2:10] = 1
        多維數組：a[1:2, 3:4]    a[:,3:5]        a[:,1]
四、強調：與列表不一樣，數組切片時並不會自動複製，在切片數組上的修改會影響原數組。    【解決方法：copy()】

索引

一維數組的索引和列表一致，多維同理

沒法直接索引某一列

arr = np.random.randint(0,100,size=(5,7))
​
arr[1]  # 獲取索引爲1的行
​
arr[[1,2]]  # 獲取索引1，2的行
​
arr[1,2]  # 獲取行索引爲1，列索引爲2的值

切片

一維數組的切片和列表相同，多維同理

# 獲取二維數組前兩行
arr[0:2]  # 默認切片爲行索引
​
# 獲取二維數組前兩行和前兩列
arr[0:2,0:2]

數據反轉

# 將數組的行反轉
arr[::-1]
​
# 將數組的列反轉
arr[:,::-1]
​
# 所有反轉
arr[::-1,::-1]

變形

ndarray數組可使用arr.reshape()函數，注意參數是一個tuple

多維數組和一維數組之間的轉換

arr = np.random.randint(0,100,size=(4,6))
arr.shape
​
# 二維變一維
arr_1 = arr.reshape(24)
arr_2 = arr.reshape((1,24))
​
# 一維變多維
arr_3 = arr_1.reshape((3,8))
arr_4 = arr_1.reshape
​
arr_5 = arr_1.reshape((4,-1))  # -1表示自動計算
​
# 多維轉多維
arr_6 = arr.reshape((3,8))

注意：

• 在變形的過程當中，數組的維度乘積必須是一致的，如4*6 能夠變形爲2*12，也能夠變爲8*3，1*24

級聯

np.concatenate()

對多個numpy數組進行橫向或者縱向的拼接

1.一維、二維、多維數組的級聯，實際操做中級聯爲二維數組

np.concatenate((arr,arr),axis=0)  # axis表明軸向，0表示咧，1表示行

2.合併照片

# 利用咱們剛纔打開的照片數組
arr_3 = np.concatenate((img_arr,img_arr,img_arr),axis=1)  # 水平拼接三個數組
arr_9 = np.concatenate((arr_3,arr_3,arr_3),axis=0)  # 垂直拼接上面拼接的圖片
plt.imshow(arr_9)  # 最終展現爲9宮格的圖片

ndarray布爾類型索引

問題：給一個數組，選出數組中全部大於5的數。

• 答案：a[a>5] 原理： a>5會對a中的每個元素進行判斷，返回一個布爾數組 布爾型索引：將一樣大小的布爾數組傳進索引，會返回一個由全部True對應位置的元素的數組

問題2：給一個數組，選出數組中全部大於5的偶數。

問題3：給一個數組，選出數組中全部大於5的數和偶數。

• 答案： a[(a>5) & (a%20)] a[(a>5) | (a%20)]

import numpy as np
a = np.array([1,2,3,4,5,4,7,8,9,10])
a[a>5&(a%2==0)]  # 注意加括號，不叫括號錯誤，以下
# array([ 1,  2,  3,  4,  5,  4,  7,  8,  9, 10])
​
a[(a>5)&(a%2==0)]
# array([ 8, 10])

ndarray聚合函數

• numpy.sum()：求和函數

• numpy.max()/min()：最大值/最小值

• numpy.mean()：平均值

• cumsum：求前綴和

• std：求標準差

• var：求方差

• argmin：求最小值索引

• argmax：求最大值索引

arr.sum(axis=1)  # 列向求和
arr.max(axis=1)  # 列向最大值
arr.mean(axis=1)  # 列向平均值

其餘聚合函數

• Function Name NaN-safe Version Description

• np.sum np.nansum Compute sum of elements

• np.prod np.nanprod Compute product of elements

• np.mean np.nanmean Compute mean of elements

• np.std np.nanstd Compute standard deviation

• np.var np.nanvar Compute variance

• np.min np.nanmin Find minimum value

• np.max np.nanmax Find maximum value

• np.argmin np.nanargmin Find index of minimum value

• np.argmax np.nanargmax Find index of maximum value

• np.median np.nanmedian Compute median of elements

• np.percentile np.nanpercentile Compute rank-based statistics of elements

• np.any N/A Evaluate whether any elements are true

• np.all N/A Evaluate whether all elements are true

• np.power 冪運算

ndarray排序

numpy.sort()和ndarray.sort()均可以排序，稍有區別

numpy.sort(arr,axis=0)  # 返回一個新的排序好的對象，arr並無改變
​
arr.sort(axis=0)  # arr直接被改變了