[Python知识库]numpy基础教程

numpy基础教程

numpy基本概念

• nympy是一个在python中做科学计算的基础库，主要用于数值计算。也是大部分python科学计算库的基础库，多用于大型、多维数组上的执行数值运算。
• 特点：
  • 快速，底层用c编写，并且释放了GIL；
  • 方便；
  • 科学计算的基础库

numpy基础

• 创建数组

  • import numpy as np
    # 方法一
    a = np.array([1, 2, 3, 4, 5])
    # 方法二
    b = np.array(range(1,6))
    # 方法三
    c = np.arange(1, 6)
    

• numpy数组的类型

  • type(a)
    numpy.ndarray
    

• numpy数据类型

  • 类型	类型代码	说明
    int8, uint8	i1, u1	有符号和无符号的8位（1个字节）整形
    int16, uint16	i2, u2	有符号和无符号的16位（2个字节）整形
    int32, uint32	i4, u4	有符号和无符号的32位（4个字节）整形
    int64, uint64	i8, u8	有符号和无符号的64位（8个字节）整形
    float16	f2	半精度浮点数
    float32	f4或f	标准的单精度浮点数，与c的float兼容
    float64	f8或d	标准的双精度浮点数，与c的double和python的float对象兼容
    float128	f16或g	扩展精度浮点数
    complex64, complex128	c8, c16	分别用两个32位、64位或128位浮点数表示的复数
    complex256	c32	复数
    bool	？	存储True和False的布尔类型

• 数据类型的操作

  • 指定创建的数组的数据类型

  • a = np.array([1, 2, 3], dtype=np.bool)  # 或者使用dtype='?'
    

  • 修改数组的数据类型

  • a.astype("i1")  # 或者使用a.astype(np.int8)
    

  • 修改小数点的小数位数

  • np.round(b, 2)  # 保留两个小数点位数
    

• 数组的形状

  • 查看数组的形状

  • a.shape
    

  • 修改数组的形状：修改后得到新数组，原数组不改变。

  • a.reshape((index, column))
    

  • 数组转化为1维数组

  • b.flatten()
    # 注意 b.reshape((1, 12))仍然是二位数组
    

• 数组和数的计算(a为数组)

  • 加减法(a+1)：数组中的每一项都加上常数项。
  • 乘除法(a*3)：数组中的每一项都乘以常数项。

• 数组和数组的计算（a和b满足条件才可以进行计算）

  • 加减法(a+b)：两个数组对应位置数字相加减。
  • 乘除法(a*b)：两个数组相对应位置数字相乘除。

• 广播原则

  • 如果两个数组的后院维度（即从末尾开始计算的维度）的轴长度相符或其中一方的长度为 1，则认为它们是广播兼容的。广播会在缺失和（或）长度为一的维度上进行。

• 轴

  • 轴在numpy中可以理解为方向，使用0,1,2，…数字表示,shape(2, 2)有0轴和1轴，对应三维数组shape(2, 2,3), 有0, 1, 2轴。

• numpy读取数据

  • np.loadtxt(fname, dtype=np.float, delimiter=None, skiprows=0, usercols=None, unpack=False)
    

    • 参数	解释
      fname	文件、字符串或产生器，可以是.gz或bz2压缩文件
      dtype	数据类型，可选。以什么数据类型读入数组中，默认为np.float
      delimiter	分割字符串，默认为任何空格
      skiprows	跳过前x行，一般跳过表头行
      usecols	读取指定的列，索引，元素类型
      unpack	如果为True，数据转置；False，原始数据

• numpy数组转置

  • # t为数组别名
    # 方法一
    t.transpose()
    # 方法二
    t.T
    # 方法三：交换轴
    t.swapaxes(1, 0)  # 二位数组
    

• numpy数组索引和切片

  • # t为数组别名
    # 取一行
    t[index]
    # 取一列
    t[:, column]
    # 取连续多行
    t[index1：index2]
    # 取连续多列
    t[:, column1:column2]
    # 取不连续多行
    t[[index1, index2, ...], :]
    # 取不连续多列
    t[:, [column1, column2, ...]]
    

• numpy数组中数值的修改

  • # t为数组别名
    # 方法一：修改条件为固定值
    t[index1:index2, :] = 0
    # 方法二：修改条件为单个条件：小于10的修改为0
    t[t<10] = 0
    # 方法三：修改条件为单个条件，但给多个值：小于10修改为0， 大于10修改为10
    np.where(t<10, 0, 10)
    # 方法四：修改条件为多个条件：小于10替换为10，大于20替换为20
    t.clip(10, 20)
    

• numpy中特殊数值

  • np.nan
    • nan(NAN, Nan)：not a nmber。
    • 出现情况：读取文件为float时，如果有缺失，就会出现nan。
    • np.nan特点：
      • 两个nan是不相等的(np.nan != np.nan)；
      • nan和任何数值计算都为nan；
      • 通过np.isnan(a)来判断。
    • 处理方法：
      • 缺失值过多，直接删除某行或者某列；
      • 把缺失值替换为均值或者中值。
  • np.inf
    • inf(-inf, inf)：表示无穷。
    • 出现情况：一个数字除以0。python中直接报错，numpy为inf

numpy常用方法

• 数组拼接

  • 竖直拼接

    • # t1, t2为列数相同的数组
      np.vstack(t1, t2)  # 列数不变，行数为t1, t2的和
      

  • 水平拼接

    • # t1, t2为行数相同数组
      np.hstack(t1, t2)  # 行数不变，列数为t1, t2的和
      

• 行列数据交换

  • 行交换

    • # t为数组
      t[[1,2], :] = t[[2,1], :]
      

  • 列交换

    • # t为数组
      t[:, [1,2]] = t[:, [2,1]]
      

• 获取最大值最小值位置

  • # t为数组
    np.argmax(t, axis=0)  # 0轴最大值位置
    np.argmin(t, axis=0)  # 0轴上最小值位置
    

• 创建一个全0数组

  • np.zero(shape) # shape为一个数组的形状，元组表示
    

• 创建一个全1数组

  • np.ones(shape)  # shape为一个数组的形状，元组表示
    

• 创建对角线为1的方阵

  • np.eye(n)  # n表示方阵的阶
    

• 随机数

  • 参数	解释
    np.rand(d0, d1, …,dn)	创建d0-dn维度的均匀分布的随机数组，浮点数，范围从0-1
    np.randn(d0, d1, …,dn)	创建d0-dn维度的标准正态分布的随机数组，浮点数，平均数为0，标准差为1
    np.randint(low, high,(shape))	从给定上下限范围内选取随机整数，范围为low-high，形状为shape
    np.uniform(low, high,(size))	产生具有均匀分布的数组，low为起始值，high为结束值，size为形状
    np.normal(loc, scale,(size))	从指定正态分布中随机抽取样本，均值是loc，标准差为scale，形状为size
    np.seed(s)	随机数种子，s为给定的种子值

numpy常用统计方法

• 求和

  • # t为数组
    t.sum(axis=None) # 指定轴，不指定轴是所有值的和
    

• 均值

  • # t为数组
    t.mean(axis=None)  # 指定轴，不指定轴则求所有值的均值
    

• 中值

  • # t为数组
    np.median(t, axis=None)  # 指定轴，不指定轴则求所有值的中位数
    

• 极值

  • 极值表示最大值和最小值之差。

  • # t为数组
    np.ptp(axis=None)  # 指定轴，不指定轴则求所有值的中位数
    

• 最大值

  • # t为数组
    t.max(axis=None)  # 指定轴，不指定轴则求所有值的最大值
    

• 最小值

  • # t为数组
    t.min(axis=None)  # 指定轴，不指定轴则求所有值的最小值
    

• 标准差

  • 标准差反应大部分值和其平均值之间差异大小，用来表示数据波动情况。

  • # t为数组
    t.std(axis=None)  # 指定轴，不指定轴则求所有值的标准差
    

•   # t为数组
    t.max(axis=None)  # 指定轴，不指定轴则求所有值的最大值
  

• 最小值

  • # t为数组
    t.min(axis=None)  # 指定轴，不指定轴则求所有值的最小值
    

• 标准差

  • 标准差反应大部分值和其平均值之间差异大小，用来表示数据波动情况。

  • # t为数组
    t.std(axis=None)  # 指定轴，不指定轴则求所有值的标准差
    

参考资料

[1] 黑马程序员的视频课程。