一.導(dǎo)入庫

import numpy as np

二.創(chuàng)建

1.numpy中只有一種數(shù)據(jù)類型：ndarray,表示n維數(shù)組

創(chuàng)建ndarray數(shù)組：

-由列表或者元組類型創(chuàng)建數(shù)組

-有元組類型創(chuàng)建數(shù)組

-創(chuàng)建特殊數(shù)組

2.采用np.array函數(shù)來創(chuàng)建，語法為：

np.array(列表或元組)

將參數(shù)列表或者元組轉(zhuǎn)換成ndarray類型.相當(dāng)于強(qiáng)制類型轉(zhuǎn)換

a=np.array([1,2,3,5,19]) 由列表創(chuàng)建一維數(shù)組

b=np.array([[1,1,1],[2,2,2],[3,3,3]]) 由列表創(chuàng)建二維數(shù)組

a=np.array((1,2,3,5,19)) 由元組創(chuàng)建一維數(shù)組

b=np.array(((1,1,1),(2,2,2),(3,3,3))) 由元組創(chuàng)建二維數(shù)組

b=np.array(([1,1,1],(2,2,2),[3,3,3])) 混搭的。。。

創(chuàng)建數(shù)組時(shí)，可以用dtype指定數(shù)據(jù)類型：

a=np.array([1,2,3,5,19],dtype=np.int32)

當(dāng)不指定dtype的時(shí)候，numpy會(huì)根據(jù)數(shù)據(jù)自動(dòng)匹配合適的類型

三.數(shù)組類型的屬性

生成一個(gè)數(shù)組 : b=np.array([[1,1,1],[2,2,2],[3,3,3]])

.ndim：數(shù)據(jù)是幾維的：b.ndim的值為2

.shape：數(shù)據(jù)的形狀，即尺寸：b.shape的結(jié)果為（3，3）

.size： 數(shù)組中元素的數(shù)量 b.size的值為9

.dtype: 數(shù)組元素的數(shù)據(jù)類型 b.dtype 的結(jié)果為 int32

.itemsize：數(shù)組中元素所占的字節(jié)數(shù)

四.利用函數(shù)創(chuàng)建特殊數(shù)組

1.全零數(shù)組

①np.zeros(shape, dtype = float)

shape為數(shù)組的形狀，是列表類型或者元組類型

dtype是數(shù)據(jù)的類型，可以是整數(shù)或者實(shí)數(shù),該參數(shù)可以省略

例子：a=np.zeros((3,3),dtype=int),則a里面是一個(gè)3*3的全零數(shù)組

②np.zeros_like(a)

a為一個(gè)已知的數(shù)組，np.zeros_like(a)生成一個(gè)與a形狀相同的全零數(shù)組

a=np.array([[1,2],[2,3],[3,5]]) # a是一個(gè)三行兩列的矩陣

則np.zeros_like(a) 生成一個(gè)三行兩列的全零數(shù)組

2.全1數(shù)組

①numpy.ones(shape, dtype)

np.ones: 創(chuàng)建指定形狀的數(shù)組，數(shù)組元素以 1 來填充

例如:np.ones([5,5],dtype=np.int32) #五行五列全是1的數(shù)組

②np.ones_like(a)

參數(shù)a為一個(gè)已知的數(shù)組，該函數(shù)根據(jù)數(shù)組a的形狀生成一個(gè)全1的數(shù)組

3.全是某個(gè)值的數(shù)組

①np.full(shape,fill_value)

根據(jù)指定的shape生成一個(gè)全是fill_value的數(shù)組

例如:np.full((4,7),8) #四行七列全是8的數(shù)組

②np.full_like(a,8) 生成一個(gè)與數(shù)組a相同，且里面元素都是8的數(shù)組

5.np.eye生成單位矩陣

np.eye(n)

生成一個(gè)n行n列的單位矩陣

6.np.arange選定數(shù)值范圍創(chuàng)建數(shù)組

語法 np.arange(start, stop, step, dtype)

start ：起始值，默認(rèn)為0

stop : 終止值（不包含）

step : 步長，默認(rèn)為1

dtype ：類型，可以省

例子：

np.arange(10) 　 　　　　　　　#輸出array([0,1,2,3,4,5,6,7,8,9])

np.arange(2,15) 　 　　　　　　#輸出array([2,3,4,5,6,7,8,9,10,11,12,13,14])

np.arange(3,20,5) 　　　　　　 #輸出array([3,8,13,18])

c=np.arange(9).reshape(3,3)#輸出array([[0, 1, 2],

[3, 4, 5],

[6, 7, 8]])

注意：使用np.arange生成的數(shù)組都是一維的，如何變成多維呢？使用數(shù)組的reshape方法

例如：np.arange(100).reshape(10,10)

方法的調(diào)用!!!! 用變量名.方法名

七.創(chuàng)建線性一維數(shù)組

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

start : 序列的起始值

stop : 序列的終止值,如果endpoint為true,該值包含于數(shù)列中

num : 要生成的等步長的樣本數(shù)量,默認(rèn)為50

endpoint : 該值為True時(shí),數(shù)列中包含stop值,反之不包含,默認(rèn)是True

retstep : 如果為True時(shí),生成的數(shù)組中會(huì)顯示間距,反之不顯示

dtype : ndarray的數(shù)據(jù)類型

例如:a = np.linspace(1,10,10) array([1., 2., 3., 4., 5., 6., 7., 8., 9., 10.])

八.生成隨機(jī)數(shù)組

1.numpy中有個(gè)隨機(jī)數(shù)子庫，叫做np.random。

里面包含很多隨機(jī)數(shù)生成算法，使用的時(shí)候，采用 np.random.方法名 的形式去使用。

①np.random.rand(d0,d1,...dn) 根據(jù)d0,d1,...dn的值生成[0,1)之間均勻分布的隨機(jī)數(shù)組。

②np.random.randn(d0,d1,...dn) 根據(jù)d0,d1,...dn的值生成[0,1)之間標(biāo)準(zhǔn)正太分布的隨機(jī)數(shù)組。

③np.random.randint(low,high,shape)在[low,high）區(qū)間生成shape形狀的隨機(jī)數(shù)組

例如:np.random.randint(1,10,[5,5])

np.random.randint(1,10) 生成1-10之間的隨機(jī)整數(shù)（一個(gè)整數(shù)）

④np.random.seed(s) 隨機(jī)數(shù)種子函數(shù) : 參數(shù)必須是整數(shù)類型

⑤np.random.shuffle(a) 把數(shù)組a打亂順序

⑥np.random.choice(a,size,replace=False)

解釋:從數(shù)組a中，隨機(jī)等概率選取數(shù)據(jù)，構(gòu)成shape形狀的數(shù)組。

當(dāng)replace的值默認(rèn)為True，此時(shí)，數(shù)據(jù)可以被重復(fù)選取，當(dāng)不希望重復(fù)選取數(shù)據(jù)的時(shí)候，修改replace=False

⑦np.random.uniform(low,high,size)：在[low，high)之間等概率的抽取元素，產(chǎn)生形狀為size的數(shù)組。

⑧np.random.normal(loc,scale,size)：產(chǎn)生均值為loc，方差為scale的尺寸為size的符合正態(tài)分布的數(shù)組

⑨np.poisson:生成泊松分布的數(shù)組

九.數(shù)組的變換-改變形狀

1.reshape函數(shù)： 改變數(shù)組的形狀，不改變數(shù)組元素的個(gè)數(shù)，原數(shù)組不變，生成一個(gè)和原數(shù)組數(shù)據(jù)一樣的新數(shù)組。

有兩種reshape。一種是np的函數(shù)，一種是數(shù)組的方法.

假設(shè)a=np.arange(100)， 則a為含有100個(gè)元素的一維數(shù)組。則改變a為10*10的數(shù)組，

方法有：

b=np.reshape(a,(10,10)) 　　# np的函數(shù)

b=a.reshape(10,10) 　　　　# 數(shù)組的方法

b=a.reshape((10,10))

執(zhí)行完上面的代碼后，b為10*10的數(shù)組，而a還是含有100個(gè)元素的1維數(shù)組

2.resize((shape),refcheck=True) #refcheck默認(rèn)是true,自身調(diào)用時(shí)須改成false

功能與reshape相同，但是改變?cè)瓟?shù)組

a.resize((1,9)) a變?yōu)橐痪S數(shù)組了。

①當(dāng)resize()是用np調(diào)用的時(shí)候，這時(shí)需要第一個(gè)參數(shù)是矩陣本身，然后記得加括號(hào)，是改正后 的矩陣維度, 這時(shí)有返回值，可以打印出

例如:>>>a=np.arange(100)

>>> b=np.resize(a,(1,9))

>>> b

輸出:array([[0, 1, 2, 3, 4, 5, 6, 7, 8]])

②當(dāng)resize()是矩陣自己調(diào)用自己時(shí)，函數(shù)沒有返回值,因此是None,但是也改變了ndarray的值，

這時(shí)再打印ndarray就是被resize()改變后的值 ***自身調(diào)用時(shí),refcheck=False

例如:>>>a=np.arange(100)

>>>a.resize((1,9),refcheck=False)

>>>a

結(jié)果:array([[0, 1, 2, 3, 4, 5, 6, 7, 8]])

十.數(shù)組的變換-扁平化

1.flatten()函數(shù)，數(shù)組扁平化，也就是把多維數(shù)組變成一維數(shù)組，但是原數(shù)組不變。

假設(shè)a是一個(gè)二維數(shù)組，則a.flatten()，得到一個(gè)按行展開的一維數(shù)組

例如:>>>a=np.random.randint(1,5,[3,3])

>>>a

結(jié)果:array([[4, 2, 2],

[4, 1, 1],

[1, 3, 2]])

>>>a.flatten()

結(jié)果:array([4, 2, 2, 4, 1, 1, 1, 3, 2])

>>>a

結(jié)果:array([[4, 2, 2],

[4, 1, 1],

[1, 3, 2]])

2.a.astype()函數(shù) 改變類型的函數(shù)

b=a.astype(np.float16)，生成一個(gè)新數(shù)組，新數(shù)組中與原數(shù)組元素相同，類型不同。

注意：原數(shù)組類型不發(fā)生變化

例如:>>>a=np.random.randint(1,5,[3,3])

>>>a

結(jié)果:array([[4, 2, 4],

[2, 3, 4],

[1, 1, 4]])

>>>a.astype(np.float16)

結(jié)果:array([[4., 2., 4.],

[2., 3., 4.],

[1., 1., 4.]], dtype=float16)

>>>a

結(jié)果:array([[4, 2, 4],

[2, 3, 4],

[1, 1, 4]])

3.a.tolist()函數(shù) 把數(shù)組a變成列表

a.T 與a.transpose() 數(shù)組的轉(zhuǎn)置 ,都不改變?cè)瓟?shù)組

例如:>>>a=np.random.randint(1,5,[3,3])

>>>a

結(jié)果:array([[4, 4, 4],

[3, 4, 2],

[3, 3, 1]])

>>>a.tolist()

結(jié)果:[[4, 4, 4], [3, 4, 2], [3, 3, 1]]

>>>a.T

結(jié)果:array([[4, 3, 3],

[4, 4, 3],

[4, 2, 1]])

>>>a.transpose()

結(jié)果:array([[4, 3, 3],

[4, 4, 3],

[4, 2, 1]])

>>>a

結(jié)果:array([[4, 4, 4],

[3, 4, 2],

[3, 3, 1]])

十一.常用函數(shù)及其使用

1.統(tǒng)計(jì)函數(shù)

使用方法:①np.函數(shù)名 ②數(shù)組變量.函數(shù)名

sum

求和

mean

求平均值

std

求標(biāo)準(zhǔn)差

var

求方差

median

求中位數(shù)

max

求最大值

min

求最小值

average()

加權(quán)平均數(shù)

舉例:

求和：

np.sum(a) 和 a.sum()： 求數(shù)組a中所有元素的和。

np.sum(a,axis=0)和 a.sum(axis=0) ： 對(duì)數(shù)組a按行求和

np.sum(a,axis=1)和 a.sum(axis=0) ： 對(duì)數(shù)組a按列求和

求均值

np.mean(a)和a.mean() 求數(shù)組a中所有元素的均值

np.mean(a，axis=0)和a.mean(axis=0) 求數(shù)組a中所有列的均值

np.mean(a，axis=1)和a.mean(axis=1) 求數(shù)組a中所有行的均值

其它統(tǒng)計(jì)函數(shù)的用法類似

2.數(shù)學(xué)函數(shù)

np.sin()

正弦

np.cos()

余弦

np.tan()

正切

np.arcsin()

反正弦

np.arccos()

反余弦

np.arctan()

反正切

np.degree()

將弧度轉(zhuǎn)換為角度

np.ptp(a)

計(jì)算數(shù)組a種最大值與最小值的差

3.舍入函數(shù)

np.around()

四舍五入

np.floor()

向下取整

np.ceil()

向上取整

4.排序函數(shù)

np.sort(a, axis, kind)：對(duì)數(shù)組a按axis所指定的軸進(jìn)行排序，排序采用kind參數(shù)指定的算法。kind參數(shù)可以省略

十二.數(shù)組的索引與切片

1.一維數(shù)組的索引和切片

索引：a[0]，a[-1]

切片：數(shù)組名[起始位置：結(jié)束位置：步長] a[1:10:2]

2.多維數(shù)組的索引和切片

索引：a[0,5,7] 多個(gè)維度之間用逗號(hào)分隔。

a[0,5,7]表示 第一維數(shù)據(jù)，選第0個(gè)，第2維數(shù)據(jù)，選第5個(gè)，第三維數(shù)據(jù)，選第7個(gè)

切片: ①選擇多行: a[起始行：結(jié)束行]

②格式: a[m:n，p:q] 第一維選擇m到n行，不包括n，第2維選擇p到q列，不包括q

3.列表做索引:

①選擇多行，把多行包裝成列表，作為索引，

如：a[[0,3]]表示選擇第0行和第3行。當(dāng)選擇整行，不考慮列的時(shí)候，可以不寫列

②np.ix_函數(shù): 能把兩個(gè)一維數(shù)組 轉(zhuǎn)換為 一個(gè)用于選取方形區(qū)域的索引器。

實(shí)際意思就是，直接往np.ix_()里扔進(jìn)兩個(gè)一維數(shù)組[1,3]，[2,4,5]，就能先選1，3行，再選2，4，5列。

④布爾索引--條件索引

大于5的數(shù): a[a>5]

能被5整除的數(shù)a[a%5==0]

既能被2整除，又大于5的數(shù)：b=a[a%2==0] c=b[b>5]

十三.ndarray類型數(shù)據(jù)的運(yùn)算

1.數(shù)組與標(biāo)量（單個(gè)數(shù)據(jù)）之間的運(yùn)算：相當(dāng)于數(shù)組中的每個(gè)元素與標(biāo)量之間的運(yùn)算，例如：a=np.arange(10).reshape(2,5) a+5，相當(dāng)于a中每個(gè)元素都加了5，

2.數(shù)據(jù)規(guī)范化

如何規(guī)范化：隨機(jī)生成一個(gè)二維數(shù)組，對(duì)數(shù)組進(jìn)行規(guī)范化，即數(shù)組中每個(gè)元素減去數(shù)組元素的均值除以數(shù)組元素的方差：

a=a.mean()/a.std()

3.numpy中一元函數(shù)：作用到元素上

對(duì)數(shù)組運(yùn)算，實(shí)際上是對(duì)數(shù)組中每個(gè)數(shù)據(jù)進(jìn)行運(yùn)算。

np.abs() 求數(shù)組中各個(gè)元素的絕對(duì)值，結(jié)果可以是整數(shù)或者實(shí)數(shù)

np.fabs() 求數(shù)組中各個(gè)元素的絕對(duì)值，結(jié)果是實(shí)數(shù)

np.sqrt() 求數(shù)組中各個(gè)元素的平方根

np.log np.log10 np.log2 計(jì)算數(shù)組中各個(gè)元素的自然對(duì)數(shù)、以10為底的對(duì)數(shù)， 以2為底的對(duì)數(shù)

np.ceil()和np.floor分別表示的是對(duì)數(shù)組中各個(gè)元素進(jìn)行取整

np.rint()對(duì)數(shù)組中每個(gè)元素進(jìn)行四舍五入

np.sin() np.cos() np.tan() np.cosh() np.sinh() np.tanh() 對(duì)數(shù)組中的每個(gè)元素進(jìn)行三角運(yùn)算。

np.sign() 計(jì)算數(shù)組中每個(gè)元素的符號(hào)值，結(jié)果為1，0，或-1分別表示正數(shù)，0和負(fù)數(shù)

np.exp() 計(jì)算數(shù)組中每個(gè)元素的指數(shù)值

4.numpy中的二元函數(shù)和二元運(yùn)算

兩個(gè)同尺寸的數(shù)組加減乘除，相當(dāng)于對(duì)應(yīng)元素的加減乘除

np.maximum(a,b) 求兩個(gè)數(shù)組a和b對(duì)應(yīng)元素的最大值

np.minimum(a,b) 求兩個(gè)數(shù)組a和b對(duì)應(yīng)元素的最小值

np.mod(a,b) a中元素除以b中元素的余數(shù)

np.copysign(x,y) 將數(shù)組y中各元素的符號(hào)賦值給x中元素的符號(hào)

關(guān)系運(yùn)算符號(hào)：> 、>=、< 、<= 、 ==、 !=對(duì)應(yīng)元素進(jìn)行比較

a[a>b] 在a中找出比數(shù)組b大的數(shù)

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的python numpy库作用_python Numpy库的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。