numpy模块

numpy模块

• 用途:多用于二维数组的处理

• 对象类型为 <class 'numpy.ndarray'>

• import numpy as np -----习惯写法

# 创建一维的ndarray对象
arr = np.array([1, 2, 3])
print(arr, type(arr))
>>>[1 2 3] <class 'numpy.ndarray'>

# 创建二维的ndarray对象
print(np.array([[1, 2, 3], [4, 5, 6]]))
>>>[[1 2 3]
 [4 5 6]]

# 创建三维的ndarray对象
print(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]))
>>>[[1 2 3]
 	[4 5 6]
 	[7 8 9]]

函数创建数组

方法	详解
array()	将列表转换为数组，可选择显式指定dtype
arange()	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

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

方法

• np.random.shuffle(arr1) ---就地修改,返回行之间打乱顺序

• 取值

  • arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
    print(arr)
    >>>[[ 1  2  3  4]
     	[ 5  6  7  8]
     	[ 9 10 11 12]]
    

  • # 取所有元素
    print(arr[:, :])
    >>>[[ 1  2  3  4]
    	 [ 5  6  7  8]
     	[ 9 10 11 12]]
    

  • # 取第一行的所有元素
    print(arr[:1, :])
    >>>[[1 2 3 4]]
    

  • # 取第一列的所有元素
    print(arr[:, :1])
    >>>[[1]
     [5]
     [9]]
    

  • # 取第一列的所有元素
    print(arr[(0, 1, 2), 0])
    >>>[1 5 9]
    

  • # 取大于5的元素，返回一个数组
    print(arr[arr > 5])
    >>>[ 6  7  8  9 10 11 12]
    

  • # 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)
    >>>[[False False False False]
     [False  True  True  True]
     [ True  True  True  True]]
    

• 数组元素的替换

  • 同取值,加赋值,即可将行或者列更换数字
  • 算数运算同理

• 数组的合并

  • arr1 = np.array([[1, 2], [3, 4], [5, 6]])
    print(arr1)
    arr2 = np.array([[7, 8], [9, 10], [11, 12]])
    print(arr2)
    

  • # 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)))
    

  • # 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))
    

  • # 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)))
    

  • # 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))
    

• 数组的点乘

  • arr1 = np.array([[1, 2, 3], [4, 5, 6]])
    print(arr1.shape)
    arr2 = np.array([[7, 8], [9, 10], [11, 12]])
    print(arr2.shape)
    assert arr1.shape[0] == arr2.shape[1]
    # 2*3·3*2 = 2*2
    print(arr2.shape)
    

• 数组的转置

  • arr = np.array([[1, 2, 3], [4, 5, 6]])
    print(arr)
    print(arr.transpose())
    print(arr.T)
    

• 数组的逆

  • arr = np.array([[1, 2, 3], [4, 5, 6], [9, 8, 9]])
    print(arr)
    print(np.linalg.inv(arr))
    # 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))