Numpy是用于數(shù)據(jù)科學(xué)計(jì)算的基礎(chǔ)模塊，不但能夠完成科學(xué)計(jì)算的任務(wù)，而且能夠被用作高效的多維數(shù)據(jù)容器，可用作存儲(chǔ)和處理大型矩陣，它的運(yùn)算速度會(huì)比Python自帶的列表運(yùn)算速度要快。Numpy的數(shù)據(jù)容器可用來存儲(chǔ)多種類型數(shù)據(jù)，這使得Numpy可以快速并且無縫整合各種類型數(shù)據(jù)。Numpy本身并沒有提供很多高級(jí)的數(shù)據(jù)分析功能，理解Numpy數(shù)組及數(shù)組計(jì)算有助于更加高效地使用諸如pandas等數(shù)據(jù)處理工具。

1掌握Numpy數(shù)組對(duì)象ndarray

ndarray（數(shù)組）是存儲(chǔ)單一數(shù)據(jù)類型的多維數(shù)組。

1.1創(chuàng)建數(shù)組

1.1.1numpy.array()創(chuàng)建數(shù)組

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

import numpy as np#一維數(shù)組 arr1 = np.array([1, 2, 3, 4]) arr1#二維數(shù)組 arr2 = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) arr2

數(shù)組屬性：

arr2.shape #數(shù)組形狀 arr2.ndim #數(shù)組維度 arr2.size #數(shù)組個(gè)數(shù) arr2.dtype #元素類型

1.1.2arange、linspace創(chuàng)建數(shù)組（等差數(shù)組）

numpy.arange([start, ]stop, [step, ]dtype=None)

參數(shù)說明：

（1）start:可忽略不寫，默認(rèn)從0開始;起始值；

（2）stop:結(jié)束值；生成的元素不包括結(jié)束值；

（3）step:可忽略不寫，默認(rèn)步長(zhǎng)為1；步長(zhǎng)；

（4）dtype:默認(rèn)為None，設(shè)置顯示元素的數(shù)據(jù)類型。

------------------

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)

參數(shù)說明：

start：開始數(shù)值；

stop：結(jié)束數(shù)值；

num：默認(rèn)是50個(gè)樣本點(diǎn)（數(shù)據(jù)），為正整數(shù)；

endpoint：默認(rèn)為True，如果改為Fasle取不到右端點(diǎn)；

restep：步長(zhǎng)，如第一個(gè)數(shù)據(jù)和第二個(gè)數(shù)據(jù)之間的距離；

dtype：可以設(shè)置數(shù)值類型。

np.arange(0, 1, 0.1) #第三個(gè)參數(shù)設(shè)置的是步長(zhǎng) np.linspace(0, 1, 10) #第三個(gè)參數(shù)設(shè)置的是生成個(gè)數(shù) np.linspace(0, 1, 10, endpoint=False) #endpoint：默認(rèn)為True，如果改為Fasle取不到右端點(diǎn)

1.1.3logspace創(chuàng)建數(shù)組（等比數(shù)列）

numpy.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None, axis=0)

參數(shù)說明：

• start：代表間隔的起始值。
• stop：代表以區(qū)間為基礎(chǔ)的間隔的停止值。
• num：默認(rèn)是50個(gè)樣本點(diǎn)（數(shù)據(jù)），為正整數(shù)。
• endpoint：默認(rèn)為True，如果改為Fasle取不到右端點(diǎn)。
• base：代表日志空間的底數(shù)，默認(rèn)是以10為底。
• dtype：可以設(shè)置數(shù)值類型。

np.logspace(0, 4, 5, base=2) #以base=2為底，0-4之間生成等差的5個(gè)值（0，1,2,3,4）作為指數(shù)

1.1.4特殊數(shù)組

（1）numpy.zeros(shape, dtype=float, order='C')：返回來一個(gè)給定形狀和類型的用0填充的數(shù)組。

參數(shù)說明：

shape:形狀；

dtype:數(shù)據(jù)類型，可選參數(shù)，默認(rèn)numpy.float64；

order:可選參數(shù)，c代表與c語(yǔ)言類似，行優(yōu)先；F代表列優(yōu)先。

（2）numpy.eye(N, M=None, k=0, dtype=, order=‘C’)：返回一個(gè)二維數(shù)組，其對(duì)角線元素為1，其余位置元素為0。

參數(shù)說明：

N：返回?cái)?shù)組的行數(shù)

k：對(duì)角線的索引，0（默認(rèn)值）代表主對(duì)角線，正整數(shù)代表上三角內(nèi)的對(duì)角線，負(fù)整數(shù)代表下三角內(nèi)的對(duì)角線。

dtype：返回?cái)?shù)組的數(shù)值類型

order：是否在內(nèi)存中以C或fortran(行或列)順序存儲(chǔ)多維數(shù)據(jù)，版本1.14.0中的新特性

（3）numpy.diag(v,k=0)：以一維數(shù)組的形式返回方陣的對(duì)角線（或非對(duì)角線）元素，或?qū)⒁痪S數(shù)組轉(zhuǎn)換成方陣（非對(duì)角線元素為0）.兩種功能角色轉(zhuǎn)變?nèi)Q于輸入的v。

參數(shù)說明：

v : 如果v是二維數(shù)組，返回k位置的對(duì)角線。如果v是一維數(shù)組，返回一個(gè)v作為k位置對(duì)角線的2維數(shù)組。

k : 對(duì)角線的位置，大于零位于對(duì)角線上面，小于零則在下面。

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

shape：設(shè)置形狀；

dtype：指定數(shù)組的數(shù)據(jù)類型；

np.zeros(shape=(2,3)) #全零數(shù)組 np.eye(3) #對(duì)角線設(shè)置為1，其余位置為0 np.diag([1, 2, 3, 4]) #對(duì)角線設(shè)置數(shù)值，其余位置為0 np.ones(shape=(3,2)) #全為1的數(shù)組

1.2數(shù)組數(shù)據(jù)類型

#----整型轉(zhuǎn)變?yōu)楦↑c(diǎn)型 arr1 = np.array([1, 2, 3], dtype='int') arr1.dtype arr1 = np.float64(arr1) arr1.dtype#----浮點(diǎn)型轉(zhuǎn)變?yōu)檎?arr1 = np.array([1, 2, 3], dtype='float32') arr1.dtype arr1 = np.int64(arr1) arr1.dtype

1.3生成隨機(jī)數(shù)

#無約束條件下生成隨機(jī)數(shù) np.random.random(size=(4,3)) #生成服從正態(tài)分布的隨機(jī)數(shù) np.random.randn(3, 4) #生成給定上下范圍的隨機(jī)數(shù) np.random.randint(1, 5, size=(2,3)) #最小值不低于1，最大值不高于5，生成2行3列數(shù)組

1.4通過索引訪問數(shù)組

1.4.1一維數(shù)組索引

arr1 = np.arange(10) arr1[-1] arr1[2:4] arr1[2:8:2] arr1[2:4] = 3,5

1.4.2多維數(shù)組的索引

arr2 = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) arr2[1,1:3] arr2[1,(1,2)] arr2[2, :] arr2[0::2, :]

1.5變換數(shù)組的形狀

1.5.1轉(zhuǎn)換為數(shù)組形狀

arr1 = np.arange(12) #一維數(shù)組 arr1.ndim #一維的#第一種：使用shape屬性 arr1.shape = 3,4 arr1 arr1.shape #(3, 4)#第二種：reshape方法 arr1 = arr1.reshape(2, 6) #需要賦值給原始數(shù)據(jù)才能生效 arr1 arr1.shape #(2, 6)

1.5.2展平數(shù)組

arr1.ravel() #橫向展平 arr1.flatten() #橫向展平 arr1.flatten('F') #縱向展平

1.5.3組合數(shù)組

arr1 = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) arr2 = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) np.hstack((arr1, arr2)) #橫向組合 np.vstack((arr1, arr2)) #縱向組合 np.concatenate((arr1, arr2), axis=1) #橫向組合 np.concatenate((arr1, arr2), axis=0) #縱向組合

1.5.4切割數(shù)據(jù)

np.hsplit(arr1, 2) #橫向分割 np.vsplit(arr1, 3) #縱向分割 np.split(arr1, 2, axis=1) #橫向分割 np.split(arr1, 3, axis=0) #縱向分割

2掌握Numpy矩陣與通用函數(shù)

2.1創(chuàng)建矩陣

matr1 = np.mat("1 2 3;4 5 6;7 8 9") matr2 = np.matrix([[1, 2, 3],[4, 5, 6],[2, 2, 3]])arr1 = np.array([[1, 2, 3],[4, 5, 6]]) arr2 = np.array([[1, 3, 4],[7, 5, 9]]) np.bmat("arr1 arr2;arr2 arr1")

2.2矩陣的運(yùn)算

2.2.1加減乘除

matr1 + matr2 matr1 - matr2 matr1 * matr2 #矩陣意義上的相乘 np.multiply(matr1, matr2) #對(duì)應(yīng)位置元素的相乘 matr1 * 2

2.2.2特有屬性

matr1.T #自身的轉(zhuǎn)置mat = np.matrix([[1, 1],[-1, 1]]) mat.I #自身的逆矩陣

3練習(xí)

創(chuàng)建一個(gè)8?8的全零數(shù)組，并把1，3，5，7行和2，4，6列的元素設(shè)置為1。之后將數(shù)組的形狀轉(zhuǎn)變?yōu)??16。

a = np.zeros((8, 8)) a[1::2 , 2::2] = 1 #a.shape = 4,16 a = a.reshape(4, 16) #賦值回原始數(shù)據(jù)才會(huì)生效

?

總結(jié)

以上是生活随笔為你收集整理的Python—实训day7上—Nmupy数值计算基础的全部?jī)?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。