Numpy的常用方法
NumPy是用Python進行科學計算的基本軟件包。它包含以下內容：
?
- 一個強大的N維數組對象
- 復雜的（廣播）功能
- 用于集成C / C ++和Fortran代碼的工具
- 有用的線性代數，傅里葉變換和隨機數能力
?
除了明顯的科學用途外，NumPy還可以用作通用數據的高效多維容器。任意的數據類型可以被定義。這使得NumPy能夠與各種各樣的數據庫無縫，快速地整合。
?
Numpy官網 ： http://www.numpy.org/
?
NumPy函數和屬性：
NumPy類型
| 類型 | 類型代碼 | 說明 |
| int8、uint8 | i1、u1 | 有符號和無符號8位整型（1字節） |
| int16、uint16 | i2、u2 | 有符號和無符號16位整型（2字節） |
| int32、uint32 | i4、u4 | 有符號和無符號32位整型（4字節） |
| int64、uint64 | i8、u8 | 有符號和無符號64位整型（8字節） |
| float16 | f2 | 半精度浮點數 |
| float32 | f4、f | 單精度浮點數 |
| float64 | f8、d | 雙精度浮點數 |
| float128 | f16、g | 擴展精度浮點數 |
| complex64 | c8 | 分別用兩個32位表示的復數 |
| complex128 | c16 | 分別用兩個64位表示的復數 |
| complex256 | c32 | 分別用兩個128位表示的復數 |
| bool | ? | 布爾型 |
| object | O | python對象 |
| string | Sn | 固定長度字符串，每個字符1字節，如S10 |
| unicode | Un | 固定長度Unicode，字節數由系統決定，如U10 |
?Numpy常用函數
| 生成函數 | 作用 |
| np.array( x) np.array( x, dtype) | 將輸入數據轉化為一個ndarray 將輸入數據轉化為一個類型為type的ndarray |
| np.asarray( array ) | 將輸入數據轉化為一個新的（copy）ndarray |
| np.ones( N ) np.ones( N, dtype) np.ones_like( ndarray ) | 生成一個N長度的一維全一ndarray 生成一個N長度類型是dtype的一維全一ndarray 生成一個形狀與參數相同的全一ndarray |
| np.zeros( N) np.zeros( N, dtype) np.zeros_like(ndarray) | 生成一個N長度的一維全零ndarray 生成一個N長度類型位dtype的一維全零ndarray 類似np.ones_like( ndarray ) |
| np.empty( N ) np.empty( N, dtype) np.empty(ndarray) | 生成一個N長度的未初始化一維ndarray 生成一個N長度類型是dtype的未初始化一維ndarray 類似np.ones_like( ndarray ) |
| np.eye( N ) np.identity( N ) | 創建一個N * N的單位矩陣（對角線為1，其余為0） |
| np.arange( num) np.arange( begin, end) np.arange( begin, end, step) | 生成一個從0到num-1步數為1的一維ndarray 生成一個從begin到end-1步數為1的一維ndarray 生成一個從begin到end-step的步數為step的一維ndarray |
| np.mershgrid(ndarray, ndarray,...) | 生成一個ndarray * ndarray * ...的多維ndarray |
| np.where(cond, ndarray1, ndarray2) | 根據條件cond，選取ndarray1或者ndarray2，返回一個新的ndarray |
| np.in1d(ndarray, [x,y,...]) | 檢查ndarray中的元素是否等于[x,y,...]中的一個，返回bool數組 |
| ? | ? |
| 矩陣函數 | 說明 |
| np.diag( ndarray) np.diag( [x,y,...]) | 以一維數組的形式返回方陣的對角線（或非對角線）元素 將一維數組轉化為方陣（非對角線元素為0） |
| np.dot(ndarray, ndarray) | 矩陣乘法 |
| np.trace( ndarray) | 計算對角線元素的和 |
| ? | ? |
| ? | ? |
| 排序函數 | 說明 |
| np.sort( ndarray) | 排序，返回副本 |
| np.unique(ndarray) | 返回ndarray中的元素，排除重復元素之后，并進行排序 |
| np.intersect1d( ndarray1, ndarray2) np.union1d( ndarray1, ndarray2) np.setdiff1d( ndarray1, ndarray2) np.setxor1d( ndarray1, ndarray2) | 返回二者的交集并排序。 返回二者的并集并排序。 返回二者的差。 返回二者的對稱差 |
| ? | ? |
| 一元計算函數 | 說明 |
| np.abs(ndarray) np.fabs(ndarray) | 計算絕對值 計算絕對值（非復數） |
| np.mean(ndarray) | 求平均值 |
| np.sqrt(ndarray) | 計算x^0.5 |
| np.square(ndarray) | 計算x^2 |
| np.exp(ndarray) | 計算e^x |
| log、log10、log2、log1p | 計算自然對數、底為10的log、底為2的log、底為(1+x)的log |
| np.sign(ndarray) | 計算正負號：1（正）、0（0）、-1（負） |
| np.ceil(ndarray) np.floor(ndarray) np.rint(ndarray) | 計算大于等于改值的最小整數 計算小于等于該值的最大整數 四舍五入到最近的整數，保留dtype |
| np.modf(ndarray) | 將數組的小數和整數部分以兩個獨立的數組方式返回 |
| np.isnan(ndarray) | 返回一個判斷是否是NaN的bool型數組 |
| np.isfinite(ndarray) np.isinf(ndarray) | 返回一個判斷是否是有窮（非inf，非NaN）的bool型數組 返回一個判斷是否是無窮的bool型數組 |
| cos、cosh、sin、sinh、tan、tanh | 普通型和雙曲型三角函數 |
| arccos、arccosh、arcsin、arcsinh、arctan、arctanh | 反三角函數和雙曲型反三角函數 |
| np.logical_not(ndarray) | 計算各元素not x的真值，相當于-ndarray |
| 多元計算函數 | 說明 |
| np.add(ndarray, ndarray) np.subtract(ndarray, ndarray) np.multiply(ndarray, ndarray) np.divide(ndarray, ndarray) np.floor_divide(ndarray, ndarray) np.power(ndarray, ndarray) np.mod(ndarray, ndarray) | 相加 相減 乘法 除法 圓整除法（丟棄余數） 次方 求模 |
| np.maximum(ndarray, ndarray) np.fmax(ndarray, ndarray) np.minimun(ndarray, ndarray) np.fmin(ndarray, ndarray) | 求最大值 求最大值（忽略NaN） 求最小值 求最小值（忽略NaN） |
| np.copysign(ndarray, ndarray) | 將參數2中的符號賦予參數1 |
| np.greater(ndarray, ndarray) np.greater_equal(ndarray, ndarray) np.less(ndarray, ndarray) np.less_equal(ndarray, ndarray) np.equal(ndarray, ndarray) np.not_equal(ndarray, ndarray) | > >= < <= == != |
| logical_and(ndarray, ndarray) logical_or(ndarray, ndarray) logical_xor(ndarray, ndarray) | & | ^ |
| np.dot( ndarray, ndarray) | 計算兩個ndarray的矩陣內積 |
| np.ix_([x,y,m,n],...) | 生成一個索引器，用于Fancy indexing(花式索引) |
| ? | ? |
| 文件讀寫 | 說明 |
| np.save(string, ndarray) | 將ndarray保存到文件名為 [string].npy 的文件中（無壓縮） |
| np.savez(string, ndarray1, ndarray2, ...) | 將所有的ndarray壓縮保存到文件名為[string].npy的文件中 |
| np.savetxt(sring, ndarray, fmt, newline='\n') | 將ndarray寫入文件，格式為fmt |
| np.load(string) | 讀取文件名string的文件內容并轉化為ndarray對象（或字典對象） |
| np.loadtxt(string, delimiter) | 讀取文件名string的文件內容，以delimiter為分隔符轉化為ndarray |
ndarray屬性
| ndarray.ndim | 獲取ndarray的維數 |
| ndarray.shape | 獲取ndarray各個維度的長度 |
| ndarray.dtype | 獲取ndarray中元素的數據類型 |
| ndarray.T | 簡單轉置矩陣ndarray |
| 函數 | 說明 |
| ndarray.astype(dtype) | 轉換類型，若轉換失敗則會出現TypeError |
| ndarray.copy() | 復制一份ndarray(新的內存空間) |
| ndarray.reshape((N,M,...)) | 將ndarray轉化為N*M*...的多維ndarray（非copy） |
| ndarray.transpose((xIndex,yIndex,...)) | 根據維索引xIndex,yIndex...進行矩陣轉置，依賴于shape，不能用于一維矩陣（非copy） |
| ndarray.swapaxes(xIndex,yIndex) | 交換維度（非copy） |
| ? | ? |
| 計算函數 | 說明 |
| ndarray.mean( axis=0 ) | 求平均值? |
| ndarray.sum( axis= 0) | 求和? |
| ndarray.cumsum( axis=0) ndarray.cumprod( axis=0) | 累加? 累乘 |
| ndarray.std() ndarray.var() | 方差 標準差 |
| ndarray.max() ndarray.min() | 最大值 最小值 |
| ndarray.argmax() ndarray.argmin() | 最大值索引 最小值索引 |
| ndarray.any() ndarray.all() | 是否至少有一個True 是否全部為True |
| ndarray.dot( ndarray) | 計算矩陣內積 |
| 排序函數 | 說明 |
| ndarray.sort(axis=0) | 排序，返回源數據 |
| ndarray[n] | 選取第n+1個元素 |
| ndarray[n:m] | 選取第n+1到第m個元素 |
| ndarray[:] | 選取全部元素 |
| ndarray[n:] | 選取第n+1到最后一個元素 |
| ndarray[:n] | 選取第0到第n個元素 |
| ndarray[ bool_ndarray ] 注：bool_ndarray表示bool類型的ndarray | 選取為true的元素 |
| ndarray[[x,y,m,n]]... | 選取順序和序列為x、y、m、n的ndarray |
| ndarray[n,m] ndarray[n][m] | 選取第n+1行第m+1個元素 |
| ndarray[n,m,...] ndarray[n][m].... | 選取n行n列....的元素 |
?
NumPy.random函數和屬性：
random常用函數
| 函數 | 說明 |
| seed() seed(int) seed(ndarray) | 確定隨機數生成種子 |
| permutation(int) permutation(ndarray) | 返回一個一維從0~9的序列的隨機排列 返回一個序列的隨機排列 |
| shuffle(ndarray) | 對一個序列就地隨機排列 |
| rand(int) randint(begin,end,num=1) | 產生int個均勻分布的樣本值 從給定的begin和end隨機選取num個整數 |
| randn(N, M, ...) | 生成一個N*M*...的正態分布（平均值為0，標準差為1）的ndarray |
| normal(size=(N,M,...)) | 生成一個N*M*...的正態（高斯）分布的ndarray? |
| beta(ndarray1,ndarray2) | 產生beta分布的樣本值，參數必須大于0? |
| ?chisquare() | 產生卡方分布的樣本值? |
| ?gamma() | 產生gamma分布的樣本值? |
| ?uniform() | 產生在[0,1)中均勻分布的樣本值? |
?
NumPy.linalg函數和屬性：
linalg常用函數
| 函數 | 說明 |
| det(ndarray) | 計算矩陣列式 |
| eig(ndarray) | 計算方陣的本征值和本征向量 |
| inv(ndarray) pinv(ndarray) | 計算方陣的逆 計算方陣的Moore-Penrose偽逆 |
| qr(ndarray) | 計算qr分解? |
| svd(ndarray) | 計算奇異值分解svd |
| solve(ndarray) | 解線性方程組Ax = b，其中A為方陣? |
| lstsq(ndarray) | 計算Ax=b的最小二乘解? |
?
轉載于:https://www.cnblogs.com/zhouzhishuai/p/8041568.html
總結
以上是生活随笔為你收集整理的Numpy的常用方法的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： VMware打开虚拟机黑屏
- 下一篇： 复杂网络分析软件NetworkX和UCI