Numpy介绍

　　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。

 

性能

　　ndarray支持并行化运算（向量化运算）

　　ndarray在存储数据的时候，数据与数据的地址都是连续的，这样就给使得批量操作数组元素时速度更快。

　　

数据集合介绍

　　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。

代码展示：

这是一个二维数组

import numpy as np# 创建ndarrayscore = np.array([[80, 89, 86, 67, 79], [78, 97, 89, 67, 81], [90, 94, 78, 67, 74], [91, 91, 90, 67, 69], [76, 87, 75, 67, 86], [70, 79, 84, 67, 84], [94, 92, 93, 67, 64], [86, 85, 83, 67, 80]])

 

ndarray的属性

数组属性反映了数组本身固有的信息。

属性名字    属性解释 ndarray.shape    数组维度的元组 ndarray.ndim    数组维数 ndarray.size    数组中的元素数量 ndarray.itemsize    一个数组元素的长度（字节） ndarray.dtype    数组元素的类型

 

ndarray的类型

>>> type(score.dtype)<type 'numpy.dtype'>名称    描述    简写 np.bool    用一个字节存储的布尔类型（True或False）    'b'np.int8    一个字节大小，-128 至 127    'i'np.int16    整数，-32768 至 32767    'i2'np.int32    整数，-2 31 至 2 32 -1    'i4'np.int64    整数，-2 63 至 2 63 - 1    'i8'np.uint8    无符号整数，0 至 255    'u'np.uint16    无符号整数，0 至 65535    'u2'np.uint32    无符号整数，0 至 2 ** 32 - 1    'u4'np.uint64    无符号整数，0 至 2 ** 64 - 1    'u8'np.float16    半精度浮点数：16位，正负号1位，指数5位，精度10位    'f2'np.float32    单精度浮点数：32位，正负号1位，指数8位，精度23位    'f4'np.float64    双精度浮点数：64位，正负号1位，指数11位，精度52位    'f8'np.complex64    复数，分别用两个32位浮点数表示实部和虚部    'c8'np.complex128    复数，分别用两个64位浮点数表示实部和虚部    'c16'np.object_    python对象    'O'np.string_    字符串    'S'np.unicode_    unicode类型    'U'

创建数组的时候指定类型

>>> a = np.array([[1, 2, 3],[4, 5, 6]], dtype=np.float32)>>> a.dtype dtype('float32')

生成0和1的数组

• 方法

• empty(shape[, dtype, order]) empty_like(a[, dtype, order, subok])
  eye(N[, M, k, dtype, order])

• identity(n[, dtype])

• ones(shape[, dtype, order])

• ones_like(a[, dtype, order, subok])

• zeros(shape[, dtype, order]) zeros_like(a[, dtype, order, subok])
  full(shape, fill_value[, dtype, order])

• full_like(a, fill_value[, dtype, order, subok])

示例：
>>> zero = np.zeros([3, 4]) array([[ 0.,  0.,  0.,  0.],       [ 0.,  0.,  0.,  0.],       [ 0.,  0.,  0.,  0.]])

从现有数组生成

方法介绍
　　array(object[, dtype, copy, order, subok, ndmin]) 　　asarray(a[, dtype, order]) 　　asanyarray(a[, dtype, order]) ascontiguousarray(a[, dtype]) 　　asmatrix(data[, dtype]) 　　copy(a[, order])

示例：
a = np.array([[1,2,3],[4,5,6]])# 从现有的数组当中创建 a1 = np.array(a)# 相当于索引的形式，并没有真正的创建一个新的 a2 = np.asarray(a)

生成固定范围的数组

方法介绍　　np.linspace (start, stop, num, endpoint, retstep, dtype)

• 　　start 序列的起始值

• 　　stop 序列的终止值，

• 　　如果endpoint为true，该值包含于序列中

• 　　num 要生成的等间隔样例数量，默认为50

• 　　endpoint 序列中是否包含stop值，默认为ture

• 　　retstep 如果为true，返回样例，

• 　　以及连续数字之间的步长

• 　　dtype 输出ndarray的数据类型

示例：

# 生成等间隔的数组 np.linspace(0, 100, 10)



其它的还有

• numpy.arange(start,stop, step, dtype)

• 　　numpy.logspace(start,stop, num, endpoint, base, dtype)

示例：

np.arange(10, 50, 2)




生成随机数组 np.random模块

• 均匀分布

• 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。

　　　　　　

　　补充：均匀分布

　　　　均匀分布（Uniform Distribution）是概率统计中的重要分布之一。顾名思义，均匀，表示可能性相等的含义。均匀分布在自然情况下极为罕见，而人工栽培的有一定株行距的植物群落即是均匀分布。

 

示例：

# 生成均匀分布的随机数 x1 = np.random.uniform(-1, 1, 100000000)

 

正态分布

• np.random.randn(d0, d1, …, dn)

  功能：从标准正态分布中返回一个或多个样本值

• 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，默认为None，只输出一个值

• np.random.standard_normal(size=None)

  返回指定形状的标准正态分布的数组。

示例：

# 生成正态分布的随机数 x2 = np.random.normal(1.75, 1, 100000000)

数组的索引、切片

# 二维的数组，两个维度 stock_change[0, 0:3]

形状修改

ndarray.reshape(shape[, order]) Returns an array containing the same data with a new shape.

ndarray.T 数组的转置

将数组的行、列进行互换 stock_change.shape (8, 10) stock_change.T.shape (10, 8)

ndarray.resize(new_shape[, refcheck]) Change shape and size of array in-place.

类型修改

ndarray.astype(type)

ndarray.tostring([order])或者ndarray.tobytes([order]) Construct Python bytes containing the raw data bytes in the array.

数组的去重

temp = np.array([[1, 2, 3, 4],[3, 4, 5, 6]])>>> np.unique(temp) array([1, 2, 3, 4, 5, 6])

逻辑运算

链接：https://www.dianjilingqu.com/484704.html