Python：numpy模块最详细的教程
一、numpy简介numpy官方文档：https://docs.scipy.org/doc/numpy/reference/?v=20190307135750
numpy是Python的一种开源的数值计算扩展库。这种库可用来存储和处理大型numpy数组，比Python自身的嵌套列表结构要高效的多（该结构也可以用来表示numpy数组）。
numpy库有两个作用：
[*]区别于list列表，提供了数组操作、数组运算、以及统计分布和简单的数学模型
[*]计算速度快，甚至要由于python内置的简单运算，使得其成为pandas、sklearn等模块的依赖包。高级的框架如TensorFlow、PyTorch等，其数组操作也和numpy非常相似。
二、为什么用numpy
lis1 =
lis2 =
lis1
lis2
如果我们想让lis1 * lis2得到一个结果为lis_res = ，非常复杂。
三、创建numpy数组
numpy数组即numpy的ndarray对象，创建numpy数组就是把一个列表传入np.array()方法。
import numpy as np
# np.array? 相当于pycharm的ctrl+鼠标左键
#1. 创建一维的ndarray对象
arr = np.array()
print(arr, type(arr))
<class 'numpy.ndarray'>
#2. 创建二维的ndarray对象
print(np.array([, ]))
[
]
#3. 创建三维的ndarray对象
print(np.array([, , ]))
[
]四、numpy数组的常用属性
属性解释T数组的转置（对高维数组而言）dtype数组元素的数据类型size数组元素的个数ndim数组的维数shape数组的维度大小（以元组形式）astype类型转换dtype种类：bool_, int(8,16,32,64), float(16,32,64)
arr = np.array([, ], dtype=np.float32)
print(arr)
[
]
print(arr.T)
[
]
print(arr.dtype)
float32
arr = arr.astype(np.int32)
print(arr.dtype)
print(arr)
int32
[
]
print(arr.size)
6
print(arr.ndim)
2
print(arr.shape)
(2, 3)五、获取numpy数组的行列数
由于numpy数组是多维的，对于二维的数组而言，numpy数组就是既有行又有列。
注意：对于numpy我们一般多讨论二维的数组。
arr = np.array([, ])
print(arr)
[
]
#1. 获取numpy数组的行和列构成的数组
print(arr.shape)
(2, 3)
#2. 获取numpy数组的行
print(arr.shape)
2
#3. 获取numpy数组的列
print(arr.shape)
3六、切割numpy数组
切分numpy数组类似于列表的切割，但是与列表的切割不同的是，numpy数组的切割涉及到行和列的切割，但是两者切割的方式都是从索引0开始，并且取头不取尾。
arr = np.array([, , ])
print(arr)
[[ 1234]
[ 5678]
[ 9 10 11 12]]
#1. 取所有元素
print(arr[:, :])
[[ 1234]
[ 5678]
[ 9 10 11 12]]
#2. 取第一行的所有元素
print(arr[:1, :])
[]
#3. 取第一行的所有元素
print(arr])
#4. 取第一列的所有元素
print(arr[:, :1])
[
]
#5. 取第一列的所有元素
print(arr[(0, 1, 2), 0])
#6. 取第一行第一列的元素
print(arr[(0, 1, 2), 0])
#7. 取第一行第一列的元素
print(arr)
1
#8. 取大于5的元素，返回一个数组
print(arr)
[ 6789 10 11 12]
#9. numpy数组按运算符取元素的原理，即通过arr > 5生成一个布尔numpy数组
print(arr > 5)
[
[ TrueTrueTrueTrue]]七、numpy数组元素替换
numpy数组元素的替换，类似于列表元素的替换，并且numpy数组也是一个可变类型的数据，即如果对numpy数组进行替换操作，会修改原numpy数组的元素，所以下面我们用.copy()方法举例numpy数组元素的替换。
arr = np.array([, , ])
print(arr)
[[ 1234]
[ 5678]
[ 9 10 11 12]]
#1. 取第一行的所有元素，并且让第一行的元素都为0
arr1 = arr.copy()
arr1[:1, :] = 0
print(arr1)
[[ 0000]
[ 5678]
[ 9 10 11 12]]
#2. 取所有大于5的元素，并且让大于5的元素为0
arr2 = arr.copy()
arr2 = 0
print(arr2)
[
]
#3. 对numpy数组清零
arr3 = arr.copy()
arr3[:, :] = 0
print(arr3)
[
]八、numpy数组的合并
arr1 = np.array([, , ])
print(arr1)
[
]
arr2 = np.array([, , ])
print(arr2)
[[ 78]
[ 9 10]
]
#1. 合并两个numpy数组的行，注意使用hstack()方法合并numpy数组，numpy数组应该有相同的行，其中hstack的h表示horizontal水平的
print(np.hstack((arr1, arr2)))
[[ 1278]
[ 349 10]
[ 56 11 12]]
#2. 合并两个numpy数组，其中axis=1表示合并两个numpy数组的行
print(np.concatenate((arr1, arr2), axis=1))
[[ 1278]
[ 349 10]
[ 56 11 12]]
#3. 合并两个numpy数组的列，注意使用vstack()方法合并numpy数组，numpy数组应该有相同的列，其中vstack的v表示vertical垂直的
print(np.vstack((arr1, arr2)))
[[ 12]
[ 34]
[ 56]
[ 78]
[ 9 10]
]
# Python学习交流群：711312441
#4. 合并两个numpy数组，其中axis=0表示合并两个numpy数组的列
print(np.concatenate((arr1, arr2), axis=0))
[[ 12]
[ 34]
[ 56]
[ 78]
[ 9 10]
]九、通过函数创建numpy数组
方法详解array()将列表转换为数组，可选择显式指定dtypearange()range的numpy版，支持浮点数linspace()类似arange()，第三个参数为数组长度zeros()根据指定形状和dtype创建全0数组ones()根据指定形状和dtype创建全1数组eye()创建单位矩阵empty()创建一个元素全随机的数组reshape()重塑形状1 array
arr = np.array()
print(arr)
2 arange
#1. 构造0-9的ndarray数组
print(np.arange(10))
#2. 构造1-4的ndarray数组
print(np.arange(1, 5))
#3. 构造1-19且步长为2的ndarray数组
print(np.arange(1, 20, 2))
[ 13579 11 13 15 17 19]3 linspace/logspace
#1. 构造一个等差数列，取头也取尾，从0取到20，取5个数
print(np.linspace(0, 20, 5))
[ 0.5. 10. 15. 20.]
#2. 构造一个等比数列，从10**0取到10**20，取5个数
print(np.logspace(0, 20, 5))
4 zeros/ones/eye/empty
#1. 构造3*4的全0numpy数组
print(np.zeros((3, 4)))
[
]
#2. 构造3*4的全1numpy数组
print(np.ones((3, 4)))
[
]
#3. 构造3个主元的单位numpy数组
print(np.eye(3))
[
]
#4. 构造一个4*4的随机numpy数组，里面的元素是随机生成的
print(np.empty((4, 4)))
[[ 2.31584178e+077 -1.49457545e-1543.95252517e-3230.00000000e+000]
[ 0.00000000e+0000.00000000e+0000.00000000e+0000.00000000e+000]
[ 0.00000000e+0000.00000000e+0000.00000000e+0000.00000000e+000]
[ 0.00000000e+0000.00000000e+0001.29074055e-2311.11687366e-308]]5 reshape
arr = np.ones(, dtype=int)
print(arr.reshape(4, 1))
[
]6 fromstring/fromfunction(了解)
# fromstring通过对字符串的字符编码所对应ASCII编码的位置，生成一个ndarray对象
s = 'abcdef'
# np.int8表示一个字符的字节数为8
print(np.fromstring(s, dtype=np.int8))
# [ 979899 100 101 102]
/Applications/anaconda3/lib/python3.6/site-packages/ipykernel_launcher.py:4: DeprecationWarning: The binary mode of fromstring is deprecated, as it behaves surprisingly on unicode inputs. Use frombuffer instead
after removing the cwd from sys.path.
def func(i, j):
"""其中i为numpy数组的行，j为numpy数组的列"""
return i * j
# 使用函数对numpy数组元素的行和列的索引做处理，得到当前元素的值，索引从0开始，并构造一个3*4的numpy数组
print(np.fromfunction(func, (3, 4)))
[
]十、numpy数组运算
运算符说明+两个numpy数组对应元素相加- 两个numpy数组对应元素相减* 两个numpy数组对应元素相乘/ 两个numpy数组对应元素相除，如果都是整数则取商%两个numpy数组对应元素相除后取余数**n单个numpy数组每个元素都取n次方，如**2：每个元素都取平方arrarr1 = np.array([, , ])
print(arr1)
[
]
arr2 = np.array([, , ])
print(arr2)
[[ 78]
[ 9 10]
]
print(arr1 + arr2)
[[ 8 10]
]
print(arr1**2)
[[ 14]
[ 9 16]
]十一、numpy数组运算函数
numpy数组函数详解np.sin(arr)对numpy数组arr中每个元素取正弦，sin(x)sin(x)np.cos(arr)对numpy数组arr中每个元素取余弦，cos(x)cos(x)np.tan(arr)对numpy数组arr中每个元素取正切，tan(x)tan(x)np.arcsin(arr)对numpy数组arr中每个元素取反正弦，arcsin(x)arcsin(x)np.arccos(arr)对numpy数组arr中每个元素取反余弦，arccos(x)arccos(x)np.arctan(arr)对numpy数组arr中每个元素取反正切，arctan(x)arctan(x)np.exp(arr)对numpy数组arr中每个元素取指数函数，exexnp.sqrt(arr)对numpy数组arr中每个元素开根号x−−√x一元函数：abs, sqrt, exp, log, ceil, floor, rint, trunc, modf, isnan, isinf, cos, sin, tan
二元函数：add, substract, multiply, divide, power, mod, maximum, mininum
arr = np.array([, , ])
print(arr)
[[ 1234]
[ 5678]
[ 9 10 11 12]]
#1. 对numpy数组的所有元素取正弦
print(np.sin(arr))
[[ 0.841470980.909297430.14112001 -0.7568025 ]
[-0.95892427 -0.2794155 0.6569866 0.98935825]
[ 0.41211849 -0.54402111 -0.99999021 -0.53657292]]
#2. 对numpy数组的所有元素开根号
print(np.sqrt(arr))
[
]
#3. 对numpy数组的所有元素取反正弦，如果元素不在定义域内，则会取nan值
print(np.arcsin(arr * 0.1))
[
]
** /Applications/anaconda3/lib/python3.6/site-packages/ipykernel_launcher.py:2: RuntimeWarning: invalid value encountered in arcsin
#4. 判断矩阵元素中是否含有np.nan值
print(np.isnan(arr))
# [
# ]十二、numpy数组矩阵化
1 numpy数组的转置
numpy数组的转置，相当于numpy数组的行和列互换。
arr = np.array([, ])
print(arr)
[
]
print(arr.transpose())
[
]
print(arr.T)
[
]2 numpy数组的逆
numpy数组行和列相同时，numpy数组才可逆。
arr = np.array([, , ])
print(arr)
[
]
print(np.linalg.inv(arr))
[[ 0.5 -1. 0.5 ]
[-3. 3. -1. ]
[ 2.16666667 -1.666666670.5 ]]
# 单位numpy数组的逆是单位numpy数组本身
arr = np.eye(3)
print(arr)
[
]
print(np.linalg.inv(arr))
[
]十三、numpy数组数学和统计方法
方法详解sum求和cumsum累加求和mean求平均数std求标准差var求方差min求最小值max求最大值argmin求最小值索引argmax求最大值索引sort 排序1 最大最小值
arr = np.array([, , ])
print(arr)
[
]
#1. 获取numpy数组所有元素中的最大值
print(arr.max())
# 9
# Python学习交流群：711312441
#2. 获取numpy数组所有元素中的最小值
print(arr.min())
# 1
#3. 获取举着每一行的最大值
print(arr.max(axis=0))
#
#4. 获取numpy数组每一列的最大值
print(arr.max(axis=1))
#
#5. 获取numpy数组最大元素的索引位置
print(arr.argmax(axis=1))
# 2 平均值
arr = np.array([, , ])
print(arr)
[
]
#1. 获取numpy数组所有元素的平均值
print(arr.mean())
# 5.0
#2. 获取numpy数组每一列的平均值
print(arr.mean(axis=0))
#
#3. 获取numpy数组每一行的平均值
print(arr.mean(axis=1))
# 3 方差
方差公式为
mean(|x−x.mean()|2)mean(|x−x.mean()|2)其中x为numpy数组。
arr = np.array([, , ])
print(arr)
[
]
#1. 获取numpy数组所有元素的方差
print(arr.var())
# 6.666666666666667
#2. 获取numpy数组每一列的元素的方差
print(arr.var(axis=0))
#
#3. 获取numpy数组每一行的元素的方差
print(arr.var(axis=1))
# 4 标准差
标准差公式为
mean|x−x.mean()|2−−−−−−−−−−−−−−−−−√=x.var()−−−−−−√mean|x−x.mean()|2=x.var()
arr = np.array([, , ])
print(arr)
[
]
# Python学习交流群：711312441
#1. 获取numpy数组所有元素的标准差
print(arr.std())
# 2.581988897471611
#2. 获取numpy数组每一列的标准差
print(arr.std(axis=0))
#
#3. 获取numpy数组每一行的标准差
print(arr.std(axis=1))
5 中位数
arr = np.array([, , ])
print(arr)
[
]
#1. 获取numpy数组所有元素的中位数
print(np.median(arr))
5.0
#2. 获取numpy数组每一列的中位数
print(np.median(arr, axis=0))
#3. 获取numpy数组每一行的中位数
print(np.median(arr, axis=1))
6 numpy数组求和
arr = np.array([, , ])
print(arr)
[
]
#1. 对numpy数组的每一个元素求和
print(arr.sum())
# 45
#2. 对numpy数组的每一列求和
print(arr.sum(axis=0))
#
#3. 对numpy数组的每一行求和
print(arr.sum(axis=1))
# [ 6 15 24]7 累加和
arr = np.array()
print(arr)
#
# 第n个元素为前n-1个元素累加和
print(arr.cumsum())
# [ 136 10 15]十四、numpy.random生成随机数
函数名称函数功能参数说明rand(d0,d1,⋯,dnd0,d1,⋯,dn)产生均匀分布的随机数dndn为第n维数据的维度randn(d0,d1,⋯,dnd0,d1,⋯,dn)产生标准正态分布随机数dndn为第n维数据的维度randint(low[, high, size, dtype])产生随机整数 low:最小值；high:最大值；size:数据个数random_sample()在size为随机数的shape，可以为元祖或者列表choice(a[, size])从arr中随机选择指定数据arr为1维数组；size为数组形状uniform(low,high [,size])给定形状产生随机数组low为最小值；high为最大值，size为数组形状shuffle(a)与random.shuffle相同a为指定数组#1. RandomState()方法会让数据值随机一次，之后都是相同的数据
rs = np.random.RandomState(1)
print(rs.rand(10))
[4.17022005e-01 7.20324493e-01 1.14374817e-04 3.02332573e-01
1.46755891e-01 9.23385948e-02 1.86260211e-01 3.45560727e-01
3.96767474e-01 5.38816734e-01]
#2. 构造3*4的均匀分布的numpy数组
# seed()方法会让数据值随机一次，之后都是相同的数据
np.random.seed(1)
print(np.random.rand(3, 4))
[
]
#3. 构造3*4*5的均匀分布的numpy数组
print(np.random.rand(3, 4, 5))
[[
]
[
]
[
]]
#4. 构造3*4的正态分布的numpy数组
print(np.random.randn(3, 4))
[[ 0.30017032 -0.35224985 -1.1425182-0.34934272]
[-0.208894230.586623190.838983410.93110208]
[ 0.285587330.88514116 -0.754397941.25286816]]
#5. 构造取值为1-5内的10个元素的ndarray数组
print(np.random.randint(1, 5, 10))
#6. 构造取值为0-1内的3*4的numpy数组
print(np.random.random_sample((3, 4)))
[
]
#7. 随机选取arr中的两个元素
arr = np.array()
print(np.random.choice(arr, size=2))
arr = np.random.uniform(1, 5, (2, 3))
print(arr)
[
]
np.random.shuffle(arr)
print(arr)
[
]
来源:https://www.cnblogs.com/djdjdj123/p/17025837.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！
页:
[1]