2018-08-20 • Numpy

Numpy 基础笔记

nadrray属性

包含的每一个元素都是相同类型
shape属性
dtype属性

生成数组的方法

默认元素类型：float64
1. 使用array函数（自动转换维数和数据类型）
2. 给定长度和形状
- 使用zeros创建全0数组
- ones
- empty返回没有初始化的数组（值不一定为全0，慎用）
  1. arange 创建数组

转换数据类型（显示）

astype
使用另一个数组的dtype类型（与astype联合使用）

数据运算

向量化（无须for即可实现循环）
带有标量计算的算术擦欧洲哦，会把计算参数转递给数组的每一个元素
同尺寸的数组之间进行比较，会产生一个布尔型数组
不同尺寸之间的比较，将会用到广播特性

基础索引与切片

切片只是原数组的视图，修改都会反映到原数组
如果想要简单复制数组中的部分切片，请使用显示的arr.copy()
多维数组中的索引：arr[1][2]=arr[1,2]
二维数组上的索引，行称为0轴，列称为1轴
多维数组中，省略后续的索引值，返回的对象是降低一个维度的数组
标量和数组都可以赋值给一个索引位置
可以进行多组切片，与多组索引类似，索引与切片，后续赋值可以结合使用

布尔索引

当需要做两个数组数据的匹配时，采用data[names=‘bob’]形式的匹配相应行
借助逻辑表达式！= 或~取反实现索引其余行
使用布尔索引选择数据时，总是生成数据的拷贝（与切片的视图不一样（相反））
python and 和or 对布尔数组没有作用使用& 和
data[data<0]=0 这种适合于做数据清洗，用于纠正错误值。
神奇索引：使用整数数组进行索引（使用多个索引数组会有点不同，是使用对应数组的位置元素定位索引，一般结果总是一维的）
神奇索引也是采用复制数组方式到新数组。

数组转置与换轴

arr.T
arr.transpose() (这个比较难理解)
arr.swapaxes()(难理解)

通用函数

ufunc逐元素操作函数
sqrt
exp
二元通用函数 add,maximun 接受两个数组返回一个数组
返回多个数组：np.modf(arr)

使用数组进行面向数组编程

np.meshgrid(x,y)网格点坐标生成函数
逻辑运算：np.where(arr>0,2,-2) arr中大于0 的元素赋值为2，小于0 的赋值为-2
数学和统计：聚合（sum,mean,std）给定一个可选参数axis用于计算指定轴上的统计值
布尔值数组方法（any,all）
排序（按轴排序，计算数组的分位数）
唯一值与其他集合逻辑（unique返回排序好的去重值，in1d返回一个数组中的值是否在另一个数组中的布尔值）
文件输入输出（np.save,np.load,savaz()保存多个数组，savez_compressed保存在压缩文件中）

线性代数

dot,trace，det…

伪随机数生成

numpy.random弥补Python內建random模块的不足

进阶的实例

创建一个 5x5 的二维数组，其中边界值为1，其余值为0

Z = np.ones((5,5))
Z[1:-1,1:-1] = 0
Z

创建一个 5x5 的二维数组，并设置值 1, 2, 3, 4落在其对角线下方

 Z = np.diag(1+np.arange(4),k=-1)

创建一个 10x10 的二维数组，并使得 1 和 0 沿对角线间隔放置

Z = np.zeros((10,10),dtype=int)
Z[1::2,::2] = 1
Z[::2,1::2] = 1
Z

使用 NumPy 打印昨天、今天、明天的日期

yesterday = np.datetime64(‘today’, ‘D’) - np.timedelta64(1, ‘D’) today = np.datetime64(‘today’, ‘D’) tomorrow = np.datetime64(‘today’, ‘D’) + np.timedelta64(1, ‘D’) print(“yesterday: “, yesterday) print(“today: “, today) print(“tomorrow: “, tomorrow)

使用五种不同的方法去提取一个随机数组的整数部分

Z = np.random.uniform(0,10,10) print(“原始值: “, Z)

print (“方法 1: “, Z - Z%1) print (“方法 2: “, np.floor(Z)) print (“方法 3: “, np.ceil(Z)-1) print (“方法 4: “, Z.astype(int)) print (“方法 5: “, np.trunc(Z))

创建一个 5x5 的矩阵，其中每行的数值范围从 1 到 5 Markdown Code

Z = np.zeros((5,5)) Z += np.arange(1,6)

创建一个长度为 5 的等间隔一维数组，其值域范围从 0 到 1，但是不包括 0 和 1

Z = np.linspace(0,1,6,endpoint=False)[1:]

创建一个长度为10的随机一维数组，并将其按升序排序¶

Z = np.random.random(10) Z.sort() Z

创建一个 3x3 的二维数组，并将列按升序排序

Z = np.array([[7,4,3],[3,1,2],[4,2,6]]) print(“原始数组: \n”, Z)

Z.sort(axis=0) Z

创建一个长度为 5 的一维数组，并将其中最大值替换成 0

Z = np.random.random(5) print(“原数组: “,Z) Z[Z.argmax()] = 0 Z

将 float32 转换为整型

Z = np.arange(10, dtype=np.float32) print(Z)

Z = Z.astype(np.int32, copy=False) Z

Weaving Wong