一、 Numpy创建列表元组常用功能

1. Numpy版本

import numpy as np
numpy.__version__
np.__version__
# '1.20.3' 版本最好高于1.20

2.Python List的特点

# python list的特点

L = [i for i in range(10)]
# [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

L[5] = "Machine Learning"
L
# [0, 1, 2, 3, 4, 'Machine Learning', 6, 7, 8, 9]
# list 默认支持字符与数字

import array
arr = array.array('i', [i for i in range(10)])
arr
# array('i', [0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
# array常用与构建数组

# 也可单独赋值
arr[5] = 100
arr
# array('i', [0, 1, 2, 3, 4, 100, 6, 7, 8, 9])
# arr[5] = "Machine"
# arr写法限定类型 但效率高
# arr将数据看作数组，但没有将数据换成向量

3.Numpy.array

nparr = np.array([i for i in range(10)])
nparr
# array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
# 分配数组

nparr[5] = 100
nparr
# array([  0,   1,   2,   3,   4, 100,   6,   7,   8,   9]) 单独赋值也可
# 默认为 int64 通过追加小数后数值变为 float64
nparr.dtype
# dtype('float64')

4.其余创建Numpy.array的方法

# 分配数值均为0的方法
np.zeros(10)
np.zeros(10, dtype = int)
# array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

4.1 np加入元组

# 创建二维数组 对类型进行限定
np.zeros((3,5))
np.zeros(shape = (3,5), dtype = int)
"""array([[0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0]])"""

# 创建指定的二维数组 3*5
np.full(shape=(3,5), value = 666)
"""array([[666, 666, 666, 666, 666],
       [666, 666, 666, 666, 666],
       [666, 666, 666, 666, 666]])"""

4.2 arange

[i for i in range(0 ,20 ,2 )]
# 步长为2建立数组
# [0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

np.arange(0, 1, 0.2)
# python3步长无法识别浮点数 np可以
# array([0. , 0.2, 0.4, 0.6, 0.8])

4.3 linspace

# 生成以平均数为步长  0-20之间的数值
np.linspace(0, 20, 10)

"""array([ 0.        ,  2.22222222,  4.44444444,  6.66666667,  8.88888889,
       11.11111111, 13.33333333, 15.55555556, 17.77777778, 20.        ])"""

4.4 random

# 随机数的生成
# 单个随机数 0 - 10
np.random.randint(0, 10) 

# 多个随机数
np.random.randint(0, 10, 10)  #np.random.randint(0, 10 , 10) 
np.random.randint(0, 1 , 10)  #array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])


# 随机数限定于4 - 8 十个
np.random.randint(4, 8, size=10) # array([4, 5, 7, 6, 6, 7, 7, 7, 5, 7])
# 可以限定随机种子
np.random.seed(666)
np.random.randint(4, 8, size=(3,5))  # 限定3*5矩阵
"""array([[4, 6, 5, 6, 6],
       [6, 5, 6, 4, 5],
       [7, 6, 7, 4, 7]])"""

# 随机分配0-1之间均匀分布的浮点数
np.random.random() # 0-1 之间的浮点数
np.random.random((3,5)) # 0-1之间的 3*5矩阵

# 均匀分布 均值为0 方差为1 正态分布的浮点数
np.random.normal() 
np.random.normal(10, 100) # 10- 100间的随机矩阵
np.random.normal(0, 1, (3,5)) # 0 - 1间的 3*5矩阵


# 由于函数较多 api繁多 ＋？可查看api
np.random.normal?
np.random?
help(np.random.normal) # 查询函数文档

二、Numpy.array的基本操作

1. Numpy.array基本属性

# 数组维度判断
x = np.arange(10)
x2 = np.arange(15).reshape(3,5)

x.ndim   # 数组维度 1
x2.ndim  #    维度 2

x.shape  # (10, )
x2.shape #  (3,5)

# 列表中所有元素数量
x.size   # 10
x2.size  # 15

2. Numpy.array的数据访问与切片向量

2.1 访问

# 数组的访问

x   # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

x[-1] # 第0行的最后一个元素  9

x2[0][0] # 访问1个 0

x2[(2, 2)] # 访问元组  12

2.2 切片

# 数组的切片
# 一维切片
# array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

x[0:5] # 从0 开始切到 4 一共五个整数

x[5:]  # 从第五个数到结尾

x[::2] # ::2 步长 从头到尾间隔为2  array([0, 2, 4, 6, 8])

x[::-1]# 从最后一个到第一逆序输出 

# 二维切片
"""array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])"""

x2[:2, :3] # 前两行 前三列
"""array([[0, 1, 2],
       [5, 6, 7]])"""

x2[:2][:3]  #先取前两行,后面由于解析器原因,又取前两行
"""array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])"""

x2[:2,::2] #先取前两行，后以2为步长取数
 
x2[::-1, ::-1] # 逆序全取

2.2 向量

x2[0, :]  # 取矩阵的向量
# array([0, 1, 2, 3, 4])
x2[0, :].ndim  # 取矩阵向量的维度  1

x2[:,0]   # 取每行第1列 
#  array([ 0,  5, 10])

2.3 矩阵的修改

# 新建矩阵修改数值
# 复制矩阵数值必须用copy   sub2 = X2[:2, :3]进行修改 部分数据无法更改

subx2 = x2[:2, :3].copy()  
subx2 = x2[0, 0] = 100
"""array([[100,   1,   2],
       [  5,   6,   7]])"""

3. reshape操作

# reshape 无法改动x 的数值
x.reshape(2,5) # 修改x为 2*5矩阵

A = x.reshape(2, 5) # 赋值给矩阵A
"""array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])"""

B = x.shape(10,1) # 分解为10行1列的矩阵
"""array([[0],
       [1],
       [2],
       [3],
       [4],
       [5],
       [6],
       [7],
       [8],
       [9]])"""