numpy 常用方式

Python 环境下载

模块安装 pip install numpy

1、导入Numpy

import numpy as np

2、向量相加

#向量相加-numpy
def numpysum(n):
    a = np.arange(n)**2
    b = np.arange(n)**3
    c = a + b
    return c
print(numpysum(20))

3、Numpy数组

#numpy数组
a = np.arange(5)
print(a.dtype)#查看类型
print(a.shape)#查看维度

#创建多维数组
m = np.array([np.arange(2),np.arange(2)])
print(m)
print(m.shape)#查看维度
print(m.dtype)#查看类型

#创建0数组或者空数组
print(np.zeros(10))#创建全是0的数组
print(np.zeros((3,6)))#创建全是0的多维数组
print(np.empty((2,3,2)))#创建随机值的数组
print(np.arange(15))#创建普通数组

#选取数组元素
a = np.array([[1,2],[3,4]])#生成二维数组
print(a)
print(a[0,0])#选取0行0列的元素
print(a[0,1])#选取0行0列的元素
print(a[1,0])#选取1行0列的元素
print(a[1,1])#选取1行1列的元素

4、Numpy数据类型

#numpy数据类型
print(np.float64(42))#64位浮点数
print(np.int8(42.0))#8位整数
print(np.bool(42))#布尔型
print(np.float(True))
print(np.float(False))

5、数据类型转换

arr = np.array([1,2,3,4,5])#生成一维数组
print(arr.dtype)#查看类型
float_arr = arr.astype(np.float64)#转换为64位浮点数类型
print(float_arr.dtype)#重新查看数据类型

arr = np.array([3.7,-1.2,-2.6,0.5,12.9,10.11])
print(arr)
print(arr.astype(np.int32))#将浮点数转换为32位整数类型

6、创建自定义数据类型

#创建自定义数据类型
t = np.dtype([('name',np.str_,40),('numitems',np.int32),('price',np.float32)])
print(t)
itemz = np.array([('Meaning of life',42,3.14),('Butter',13,2.72)],dtype=t)
print(itemz)

7、数组与标量运算

#数组与标量的运算
arr = np.array([[1,2,3],[4,5,6]])
print(arr)#输出数组
print(arr*arr)#数组平方
print(arr-arr)#数组相减
print(1/arr)#数组倒数
print(arr**0.5)#数组开根号

8、一维数组的索引和切片

#一维数组的索引和切片
a=np.arange(9);
print(a[:7:2])#选取（0，6），隔两个选取
print(a[3:7])#选取（3，6）
print(a[::-1])#从末尾到头逐一选取

s = slice(3,7,2)#另一种切片方式
print(a[s])

s=slice(None, None, -1)#从末尾到头逐一选取
print(a[s])

9、多维数组的索引和切片

#多维数组的索引和切片
b= np.arange(24).reshape(2,3,4)#创建一个三维数组
print(b.shape)#查看维度
print(b)

print(b[0,0,0])#获得0层0行0列的数据
print(b[:,0,0])#获得每一层0行0列的数据
print(b[0])#获得0层的数据
print(b[0,:,:])#获得0层的数据
print(b[0,...])#获得0层的数据
print(b[0,1])#获得0层1行的数据
print(b[0,1,::2])#获得0层1行每一列的数据，逐2选取

10、布尔型索引

#布尔型索引
names=np.array(['Bob','Joe','Will','Bob','Will','Joe','Joe'])#布尔型数组
data=np.random.randn(7,4)#生成二维的正态分布数据
print(names)
print(data)
print(names == 'Bob')#查看names数组中的每一个元素是否为Bob，返回一个布尔型数组
print(data[names == 'Bob'])#显示数组中为True的行
print(data[names == 'Bob',2:])
print(names != 'Bob')#查看names数组中的每一个元素是否为Bob，返回一个布尔型数组
mask = (names == 'Bob') | (names == 'Will')#查看names数组中的每一个元素是否为Bob或Will，返回一个布尔型数组
print(mask)
print(data[mask])

data[data < 0] = 0#将数组中小于0的数修改为0
print(data)

data[names != 'Joe'] = 7#将数组中对应Joe的数据修改为7
print(data)

11、数组转置

#数组转置
arr = np.arange(15).reshape((3,5))
print(arr)
print(arr.T)#数组转置

12、改变数组的维度

#改变数组的维度
arr = np.arange(20).reshape((4,5))#将数组变为4*5的数组
print(arr)
print(arr.flatten())#将数组变回一维数组
print(arr.ravel())#将数组变回一位数组
arr.shape = (2,5,2)#将数组变为2*5*2的数组
print(arr)

13、组合数组

#组合数组
a = np.arange(9).reshape(3,3)
b = 2*a
#水平组合
print(np.hstack((a,b)))
print(np.concatenate((a,b),axis=1))
#垂直组合
print(np.vstack((a,b)))
print(np.concatenate((a,b),axis=0))
#深度组合
print(np.dstack((a,b)))

14、组合数组

#组合数组
a = np.arange(9).reshape(3,3)
b = 2*a
#水平组合
print(np.hstack((a,b)))
print(np.concatenate((a,b),axis=1))
#垂直组合
print(np.vstack((a,b)))
print(np.concatenate((a,b),axis=0))
#深度组合
print(np.dstack((a,b)))

oned = np.arange(2)
twice_oned =2*oned#数组*2
print(np.column_stack((oned,twice_oned)))#按列组合数组
print(np.row_stack((oned,twice_oned)))#按行组合数组

15、数组的分割

#数组的分割
a = np.arange(9).reshape(3,3)
print(np.hsplit(a,3))#水平分割
print(np.split(a,3,axis=1))#axis=1代表水平分割

print(np.vsplit(a,3))#垂直分割
print(np.split(a,3,axis=0))#axis=0代表垂直分割

16、数组的转换

#数组的转换
b=np.arange(24).reshape(2,12)#创建一个2*12的数组
print(b.ndim)#二维数组的维数
print(b.size)#数组中元素的总个数

b = np.array([1+1j,3+2j])#创建一个复数数组
print(b.real)#实部
print(b.imag)#虚部

b = np.array([1+1j,2+3j])
print(b.tolist())#转换为python的列表
print(b.astype(int))#转换为整数类型
print(b.astype(complex))#转换为复数类型

17、利用数组进行数据处理

points = np.arange(-5,5,0.01)
xs, ys = np.meshgrid(points,points)  #分别进行赋值
print(xs)
print(ys)

import matplotlib.pyplot as plt#导入一个画图库
z=np.sqrt(xs**2+ys**2)
print(z)
plt.imshow(z,cmap=plt.cm.gray);plt.colorbar()
plt.title("Image plot of gray")
plt.draw()

18、将条件逻辑表达为数组运算

xarr=np.array([1.1,1.2,1.3,1.4,1.5])
yarr=np.array([2.1,2.2,2.3,2.4,2.5])
cond=np.array([True,False,True,True,False])
result=np.where(cond,xarr,yarr)  #如果是True就选择xarr，如果是False就选择yarr
print(result)

arr=randn(4,4)
result=np.where(arr>0,2,-2) #如果大于0就选择2，如果小于0就是-2
print(result)
result=np.where(arr>0,2,arr)
print(result)#如果为False就保持不变

19、数学与统计方法

#数学与统计方法
arr=randn(5,4)
print(arr.mean())#求均值
print(arr.sum()) #求和

arr=np.array([[0,1,2],[3,4,5],[6,7,8]])
print(arr)
print(arr.cumsum(1))#计算累计和   0的话行累加，1的话列累加
print(arr.cumprod(1))#计算累计积

20、用于布尔型数组的方法

#用于布尔型数组的方法
arr=randn(100)
print((arr > 0).sum()) #正值的数量

bools = np.array([False,False,True,False])
print(bools.any())  #是否存在一个为真
print(bools.all())  #是否都是真的

21、数组排序

#数组排序
arr=randn(8)
arr.sort()#数组进行排序
print(arr)

arr=randn(5,3)
arr.sort(1)#按照行进行排序
print(arr)

22、唯一化以及其他的逻辑集合

names=np.array(['Bob','Joe','Will','Bob','Joe'])
print(np.unique(names))  #返回唯一一个元素
ints = np.array([3,3,2,1,4,5,1,3,2])
print(np.unique(ints))

values=np.array([6,0,0,3,2,5,6])
print(np.in1d(values,[2,3,6]))  #一个数组中的元素是否在另一个数组里面

23、线性代数的运用

x=np.array([[1,2,3],[4,5,6]])
y=np.array([[6,23],[-1,7],[8,9]])
print(x.dot(y)) #矩阵相乘

24、随机数的生成

#随机数生成
samples = np.random.normal(size=(4,4)) #4*4的随机数服从正态分布
print(samples)