[人工智能]NumPy~学习总结（读书笔记作业）

什么是 NumPy?

????????NumPy（Numerical Python 的缩写）是Python中科学计算的基础包。它是一个Python库，提供多维数组对象，各种派生对象（如掩码数组和矩阵），以及用于数组快速操作的各种API，有包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代数，基本统计运算和随机模拟等等。

????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????----NumPy官方中文文档

????????应用场景：NumPy 通常与 SciPy（Python科学计算库）和 Matplotlib（Python绘图库）等软件包组合使用，这种组合方式被用来广泛地代替 MatLab 的使用。

安装和导入NumPy

使用Python包管理器pip命令安装

# windows下安装（或安装Ancaonda）
pip install numpy
#这里的NumPy需要小写为numpy，后面导入的时候也是这样！！！

使用前请先导入Numpy包！

import numpy 
#  通常起个名字：np
import numpy as np

查看你自己的NumPy版本

import numpy as np
print(np.__version__)
# 1.导包
# 2.双下划线

NumPy Ndarray 对象

Numpy提供了两种基本对象：

- ndarray：多维数组，后简称数组

- ufunc：能够对多维数组（数组）进行处理的特殊函数

????????NumPy库的核心对象是n维数组对象ndarray，其中的所有函数都是对ndarray对象进行操作。（ndarray数组能对整块数据进行运算，而且其中存储的所有元素都是相同类型， 且每个元素在内存中都有相同存储大小的区域）ndarray能直接直接保存数据，而列表存储的是对象引用。

numpy.array(object, dtype = None, copy = Ture, order = None, subok = False, ndmin = 0)

参数说明：

下面提供一些示例方便理解：

import numpy as np

# 创建一个一维数组
a = np.array([1,2,3])  
print (a)  # [1 2 3]

# 多于一个维度  
a = np.array([[1,  2],  [3,  4]])  
print (a)  
# [[1  2] 
# [3  4]]

# 最小维度  
a = np.array([1, 2, 3, 4, 5], ndmin =  2)  
print (a)  # [[1 2 3 4 5]]

# dtype 参数  
a = np.array([1,  2,  3], dtype = complex)  
print (a)  # [1.+0.j 2.+0.j 3.+0.j]

数组的基本属性：

创建一个 ndarray 只需调用 NumPy 的 array 函数即可：

import numpy as np

a = np.array([0, 1, 2, 3, 4])
# [0 1 2 3 4]
"""
使用array函数时传递一个序列生成数组，若传递多层嵌套序列则创建一个多维数组
NumPy会为新创建的数组推断一个合适的数据类型并且该参数会保存在dtype中
"""
a.ndim  # 返回数组的维度结果为1
a.shape  # 返回数组维度的大小结果为(5,)
a.size  # 返回数组中元素总数结果为5
a.dtype  # 返回数组元素类型结果为int32
a.itemsize  # 返回数组元素的大小结果为4（字节）
a.data  # 返回指向首地址的指针

a = np.array((0, 1, 2, 3, 4))
# [0 1 2 3 4]
a = np.arange(5)
# [0 1 2 3 4]
a = np.linspace(0, 2*np.pi, 5)
# [ 0.          1.57079633  3.14159265  4.71238898  6.28318531] 以均匀步长生成数字序列

# 可以通过astype()方法转换为元素类型
arr = np.array([1, 2, 3; 4, 5, 6], dtype = np.float64)  # 指定元素类型为float64型
arr.astype(np.str_)  # 转换元素类型为Unicode
# 输出为array(['1.0', '2.0', '3.0', '4.0', '5.0', '6.0'], dtype='<U32')

reshape() 函数~数组变维

imoprt numpy as np

# reshape（x,y）函数第一个参数是想要转换成的行数第二个参数是想要转换成的列数

a = np.array([[1,2],[2,3],[3,4]])  # a是一个三行两列的数组
print(a)
b = a.reshape(2,3)  # 通过reshape函数变为了两行三列的数组
print(b)
#a
#[[1 2]
#[3 4]
#[5 6]]

#b
#[[1 2 3]
#[4 5 6]]

NumPy数据类型

????????NumPy 作为 Python 的扩展包，它提供了比 Python 更加丰富的数据类型。

NumPy数据类型

数据类型表

数据类型对象（dtype）

????????数据类型对象又称为dtype对象，主要用来描述数组元素的数据类型、大小以及字节顺序。同时，它也可以用来创建结构化数据。比如常见的 int64、float32 都是 dtype 对象的实例。

- 数据的类型（整数，浮点数或者 Python 对象）

- 数据的大小（例如， 整数使用多少个字节存储）

- 数据的字节顺序（小端法或大端法）

- 在结构化类型的情况下，字段的名称、每个字段的数据类型和每个字段所取的内存块的部分

- 如果数据类型是子数组，那么它的形状和数据类型是什么。

????????字节顺序是通过对数据类型预先设定 < 或 >?来决定的。 <?意味着小端法(最小值存储在最小的地址，即低位组放在最前面)。>?意味着大端法(最重要的字节存储在最小的地址，即高位组放在最前面)。

dtype语法

numpy.dtype(object, align, copy)

- object - 要转换为的数据类型对象

- align - 如果为True，填充字段使其类似C的结构体

- copy - 复制dtype对象，如果为False，则是对内饰数据类型对象的引用

import numpy as np
# 使用标量类型
a1 = np.dtype(np.int32)
print(a1)  # int32

# int8, int16, int32, int64 四种数据类型可以使用字符串 'i1', 'i2','i4','i8' 代替
a2 = np.dtype('i4')
print(a2)  # int32

# 将数据类型应用于 ndarray 对象
a3 = np.dtype([('age',np.int8)]) 
a4 = np.array([(10,),(20,),(30,)], dtype = a3) 
print(a)  # [(10,) (20,) (30,)]

# 类型字段名可以用于存取实际的 age 列
a5 = np.dtype([('age',np.int8)]) 
a6 = np.array([(10,),(20,),(30,)], dtype = a5) 
print(a['age'])  # [10 20 30]

# 定义一个结构化数据类型 student，包含字符串字段 name，整数字段 age，及浮点字段 marks，并将这个 # dtype 应用到 ndarray 对象。
student = np.dtype([('name','S20'), ('age', 'i1'), ('marks', 'f4')]) 
a = np.array([('abc', 21, 50),('xyz', 18, 75)], dtype = student) 
print(a)  # [('abc', 21, 50.0), ('xyz', 18, 75.0)]


# 数组的 dtype 为 int8（一个字节）(ndarray.itemsize 以字节的形式返回数组中每一个元素的大小。)
x = np.array([1,2,3,4,5], dtype = np.int8)  
print (x.itemsize)  # 1
 
# 数组的 dtype 现在为 float64（八个字节） 
y = np.array([1,2,3,4,5], dtype = np.float64)  
print (y.itemsize)  # 8

数据类型标识码

NumPy中每种数据类型都有一个唯一标识的字符码，如下图所示：

标识码表

创建ndarray数组

创建 ndarray 数组的方法

????????除了使用 array() 方法外，NumPy 还提供了其他创建 ndarray 数组的方法。

numpy.empty

numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：

numpy.empty(shape, dtype = float, order = 'C')

import numpy as np 
arr = np.empty((2.3), dtype = int, order = 'F') 
print(arr) 
"""
输出结果为：
[[1740919781 1699243488]
 [     12290          0]
 [         0          0]]
数组元素是内存随机给的值，因为未被初始化
"""

numpy.zeros

创建指定大小的数组，数组元素以 0 来填充：

numpy.zeros(shape, dtype = float, order = 'C')
# 参数说明同上

import numpy as np
 
# 默认为浮点数
x = np.zeros(5) 
print(x)  # [0. 0. 0. 0. 0.]  （行）（中间有空格隔开）
 
# 设置类型为整数
y = np.zeros((5,), dtype = np.int) 
print(y)  # [0 0 0 0 0]  （行）（中间有空格隔开）
 
# 自定义类型
z = np.zeros((2,2), dtype = [('x', 'i4'), ('y', 'i4')])  
print(z)
"""
结果为：
[[(0, 0) (0, 0)]
 [(0, 0) (0, 0)]]
"""

numpy.ones

创建指定形状的数组，数组元素以 1 来填充：

numpy.ones(shape, dtype = None, order = 'C')

import numpy as np
 
# 默认为浮点数
x = np.ones(5) 
print(x)  # [1. 1. 1. 1. 1.]

 
# 自定义类型
x = np.ones([2,2], dtype = int)
print(x)
"""
[[1 1]
 [1 1]]
"""

numpy.full

返回给定维度和类型的新数组，填充 fill_value。

numpy.full(shape, fill_value, dtype=None, order='C')

import numpy as np
a = np.full((2, 3), 7)
print(a)
"""
[[7 7 7]
 [7 7 7]]
"""

NumPy 从已有的数组创建数组

numpy.asarray

????????numpy.asarray 类似 numpy.array，但 numpy.asarray 参数只有三个，比 numpy.array 少两个。

numpy.asarray(a, dtype = None, order = None)
numpy.array(object, dtype = None, copy = Ture, order = None, subok = False, ndmin = 0)

参考文献：

NumPy官方中文文档https://www.numpy.org.cn/https://www.numpy.org.cn/

菜鸟教程https://www.runoob.com/https://www.runoob.com/

c语言中文网http://c.biancheng.net/http://c.biancheng.net/