https://www.cnblogs.com/TensorSense/p/6795995.html

前言：最近學(xué)習(xí)Python，才發(fā)現(xiàn)原來(lái)python里的各種庫(kù)才是大頭！ 于是乎找了學(xué)習(xí)資料對(duì)Numpy庫(kù)常用的函數(shù)進(jìn)行總結(jié)，并帶了注釋。在這里分享給大家，對(duì)于庫(kù)的學(xué)習(xí)，還是用到時(shí)候再查，沒(méi)必要死記硬背。?
PS：本博文摘抄自中國(guó)慕課大學(xué)上的課程《Python數(shù)據(jù)分析與展示》，推薦剛?cè)腴T的同學(xué)去學(xué)習(xí)，這是非常好的入門視頻。

Numpy是科學(xué)計(jì)算庫(kù),是一個(gè)強(qiáng)大的N維數(shù)組對(duì)象ndarray，是廣播功能函數(shù)。其整合C/C++.fortran代碼的工具 ，更是Scipy、Pandas等的基礎(chǔ)

.ndim ：維度?
.shape ：各維度的尺度 （2，5）?
.size ：元素的個(gè)數(shù) 10?
.dtype ：元素的類型 dtype(‘int32’)?
.itemsize ：每個(gè)元素的大小，以字節(jié)為單位 ，每個(gè)元素占4個(gè)字節(jié)?
ndarray數(shù)組的創(chuàng)建?
np.arange(n) ; 元素從0到n-1的ndarray類型?
np.ones(shape): 生成全1?
np.zeros((shape)， ddtype = np.int32) ： 生成int32型的全0?
np.full(shape, val): 生成全為val?
np.eye(n) : 生成單位矩陣

np.ones_like(a) : 按數(shù)組a的形狀生成全1的數(shù)組?
np.zeros_like(a): 同理?
np.full_like (a, val) : 同理

np.linspace（1,10,4）： 根據(jù)起止數(shù)據(jù)等間距地生成數(shù)組?
np.linspace（1,10,4, endpoint = False）：endpoint 表示10是否作為生成的元素?
np.concatenate():

• 數(shù)組的維度變換

.reshape(shape) : 不改變當(dāng)前數(shù)組，依shape生成?
.resize(shape) : 改變當(dāng)前數(shù)組，依shape生成?
.swapaxes(ax1, ax2) : 將兩個(gè)維度調(diào)換?
.flatten() : 對(duì)數(shù)組進(jìn)行降維，返回折疊后的一位數(shù)組

• 數(shù)組的類型變換

數(shù)據(jù)類型的轉(zhuǎn)換 ：a.astype(new_type) : eg, a.astype (np.float)?
數(shù)組向列表的轉(zhuǎn)換： a.tolist()?
數(shù)組的索引和切片

• 一維數(shù)組切片

a = np.array ([9, 8, 7, 6, 5, ])?
a[1:4:2] –> array([8, 6]) ： a[起始編號(hào)：終止編號(hào)（不含）： 步長(zhǎng)]

• 多維數(shù)組索引

a = np.arange(24).reshape((2, 3, 4))?
a[1, 2, 3] 表示 3個(gè)維度上的編號(hào)， 各個(gè)維度的編號(hào)用逗號(hào)分隔

• 多維數(shù)組切片

a [：，：，：：2 ] 缺省時(shí)，表示從第0個(gè)元素開(kāi)始，到最后一個(gè)元素?
數(shù)組的運(yùn)算?
np.abs(a) np.fabs(a) : 取各元素的絕對(duì)值?
np.sqrt(a) : 計(jì)算各元素的平方根?
np.square(a): 計(jì)算各元素的平方?
np.log(a) np.log10(a) np.log2(a) : 計(jì)算各元素的自然對(duì)數(shù)、10、2為底的對(duì)數(shù)?
np.ceil(a) np.floor(a) : 計(jì)算各元素的ceiling 值， floor值（ceiling向上取整，floor向下取整）?
np.rint(a) : 各元素 四舍五入?
np.modf(a) : 將數(shù)組各元素的小數(shù)和整數(shù)部分以兩個(gè)獨(dú)立數(shù)組形式返回?
np.exp(a) : 計(jì)算各元素的指數(shù)值?
np.sign(a) : 計(jì)算各元素的符號(hào)值 1（+），0，-1（-）?
.?
np.maximum(a, b) np.fmax() : 比較（或者計(jì)算）元素級(jí)的最大值?
np.minimum(a, b) np.fmin() : 取最小值?
np.mod(a, b) : 元素級(jí)的模運(yùn)算?
np.copysign(a, b) : 將b中各元素的符號(hào)賦值給數(shù)組a的對(duì)應(yīng)元素

• 數(shù)據(jù)的CSV文件存取

CSV (Comma-Separated Value,逗號(hào)分隔值) 只能存儲(chǔ)一維和二維數(shù)組

np.savetxt(frame, array, fmt=’% .18e’, delimiter = None): frame是文件、字符串等，可以是.gz .bz2的壓縮文件； array 表示存入的數(shù)組； fmt 表示元素的格式 eg： %d % .2f % .18e ; delimiter： 分割字符串，默認(rèn)是空格?
eg： np.savetxt(‘a(chǎn).csv’, a, fmt=%d, delimiter = ‘,’ )

np.loadtxt(frame, dtype=np.float, delimiter = None, unpack = False) : frame是文件、字符串等，可以是.gz .bz2的壓縮文件； dtype：數(shù)據(jù)類型，讀取的數(shù)據(jù)以此類型存儲(chǔ)； delimiter: 分割字符串，默認(rèn)是空格; unpack: 如果為True， 讀入屬性將分別寫入不同變量。?
多維數(shù)據(jù)的存取?
a.tofile(frame, sep=’’, format=’%s’ ) : frame: 文件、字符串； sep: 數(shù)據(jù)分割字符串，如果是空串，寫入文件為二進(jìn)制 ； format:： 寫入數(shù)據(jù)的格式?
eg: a = np.arange(100).reshape(5, 10, 2)?
a.tofile(“b.dat”, sep=”,”, format=’%d’)

np.fromfile(frame, dtype = float, count=-1, sep=’’)： frame： 文件、字符串 ； dtype： 讀取的數(shù)據(jù)以此類型存儲(chǔ)； count：讀入元素個(gè)數(shù)， -1表示讀入整個(gè)文件； sep: 數(shù)據(jù)分割字符串，如果是空串，寫入文件為二進(jìn)制

PS: a.tofile() 和np.fromfile（）要配合使用，要知道數(shù)據(jù)的類型和維度。

np.save(frame, array) : frame: 文件名，以.npy為擴(kuò)展名，壓縮擴(kuò)展名為.npz ； array為數(shù)組變量?
np.load(fname) : frame: 文件名，以.npy為擴(kuò)展名，壓縮擴(kuò)展名為

np.save() 和np.load() 使用時(shí)，不用自己考慮數(shù)據(jù)類型和維度。

• numpy隨機(jī)數(shù)函數(shù)

numpy 的random子庫(kù)

rand(d0, d1, …,dn) : 各元素是[0, 1）的浮點(diǎn)數(shù)，服從均勻分布?
randn(d0, d1, …,dn)：標(biāo)準(zhǔn)正態(tài)分布?
randint(low， high,（ shape）): 依shape創(chuàng)建隨機(jī)整數(shù)或整數(shù)數(shù)組，范圍是[ low, high）?
seed(s) ： 隨機(jī)數(shù)種子

shuffle(a) : 根據(jù)數(shù)組a的第一軸進(jìn)行隨機(jī)排列，改變數(shù)組a?
permutation(a) : 根據(jù)數(shù)組a的第一軸進(jìn)行隨機(jī)排列， 但是不改變?cè)瓟?shù)組，將生成新數(shù)組?
choice(a[, size, replace, p]) : 從一維數(shù)組a中以概率p抽取元素， 形成size形狀新數(shù)組，replace表示是否可以重用元素，默認(rèn)為False。?
eg：??
replace = False時(shí)，選取過(guò)的元素將不會(huì)再選取

uniform(low, high, size) : 產(chǎn)生均勻分布的數(shù)組，起始值為low，high為結(jié)束值，size為形狀?
normal(loc, scale, size) : 產(chǎn)生正態(tài)分布的數(shù)組， loc為均值，scale為標(biāo)準(zhǔn)差，size為形狀?
poisson(lam, size) : 產(chǎn)生泊松分布的數(shù)組， lam隨機(jī)事件發(fā)生概率，size為形狀?
eg: a = np.random.uniform(0, 10, (3, 4)) a = np.random.normal(10, 5, (3, 4))

• numpy的統(tǒng)計(jì)函數(shù)

sum(a, axis = None) : 依給定軸axis計(jì)算數(shù)組a相關(guān)元素之和，axis為整數(shù)或者元組?
mean(a, axis = None) : 同理，計(jì)算平均值?
average(a, axis =None, weights=None) : 依給定軸axis計(jì)算數(shù)組a相關(guān)元素的加權(quán)平均值?
std（a, axis = None） ：同理，計(jì)算標(biāo)準(zhǔn)差?
var（a, axis = None）: 計(jì)算方差?
eg： np.mean(a, axis =1) ： 對(duì)數(shù)組a的第二維度的數(shù)據(jù)進(jìn)行求平均?
a = np.arange(15).reshape(3, 5)?
np.average(a, axis =0, weights =[10, 5, 1]) : 對(duì)a第一各維度加權(quán)求平均，weights中為權(quán)重，注意要和a的第一維匹配

min(a) max(a) : 計(jì)算數(shù)組a的最小值和最大值?
argmin(a) argmax(a) : 計(jì)算數(shù)組a的最小、最大值的下標(biāo)（注：是一維的下標(biāo)）?
unravel_index(index, shape) : 根據(jù)shape將一維下標(biāo)index轉(zhuǎn)成多維下標(biāo)?
ptp(a) : 計(jì)算數(shù)組a最大值和最小值的差?
median(a) : 計(jì)算數(shù)組a中元素的中位數(shù)（中值）?
eg：a = [[15, 14, 13],?
[12, 11, 10] ]?
np.argmax(a) –> 0?
np.unravel_index( np.argmax(a), a.shape) –> (0,0)

• numpy的梯度函數(shù)

np.gradient(a) ： 計(jì)算數(shù)組a中元素的梯度，f為多維時(shí)，返回每個(gè)維度的梯度?
離散梯度： xy坐標(biāo)軸連續(xù)三個(gè)x軸坐標(biāo)對(duì)應(yīng)的y軸值：a, b, c 其中b的梯度是（c-a）/2?
而c的梯度是： (c-b)/1

當(dāng)為二維數(shù)組時(shí)，np.gradient(a) 得出兩個(gè)數(shù)組，第一個(gè)數(shù)組對(duì)應(yīng)最外層維度的梯度，第二個(gè)數(shù)組對(duì)應(yīng)第二層維度的梯度。?

• 圖像的表示和變換

PIL， python image library 庫(kù)?
from PIL import Image?
Image是PIL庫(kù)中代表一個(gè)圖像的類（對(duì)象）

im = np.array(Image.open(“.jpg”))

im = Image.fromarray(b.astype(‘uint8’)) # 生成?
im.save(“路徑.jpg”) # 保存

im = np.array(Image.open(“.jpg”).convert(‘L’)) # convert(‘L’)表示轉(zhuǎn)為灰度圖

轉(zhuǎn)載于:https://www.cnblogs.com/fengff/p/9700923.html

總結(jié)

以上是生活随笔為你收集整理的numpy常用函数的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)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。