numpy——基础数组与计算

In [1]:

import  numpy as np

In [11]:

# 创建数组
a = np.array([1,2,3,4,5])

In [12]:

a

Out[12]:

array([1, 2, 3, 4, 5])

In [9]:

np.array(range(1,6))

Out[9]:

array([1, 2, 3, 4, 5])

In [10]:

np.arange(1,6)

Out[10]:

array([1, 2, 3, 4, 5])

In [13]:

# 数组的类名
type(a)

Out[13]:

numpy.ndarray

In [14]:

# 数据的类型
a.dtype

Out[14]:

dtype('int32')

In [15]:

t1 = np.arange(12)

In [16]:

t1

Out[16]:

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])

In [17]:

t1.shape

Out[17]:

(12,)

In [18]:

t2 = np.array([[1,2,3], [2,3,4]])

In [19]:

t2

Out[19]:

array([[1, 2, 3],
       [2, 3, 4]])

In [20]:

# 数据的形状
t2.shape

Out[20]:

(2, 3)

In [21]:

t3 = np.array([[[1,2,3], [4,5,6]], [[7,8,9], [10,11,12]]])

In [22]:

t3.shape

Out[22]:

(2, 2, 3)

In [23]:

t3

Out[23]:

array([[[ 1,  2,  3],
        [ 4,  5,  6]],

       [[ 7,  8,  9],
        [10, 11, 12]]])

In [24]:

t4 = np.arange(12)

In [25]:

# 3行4列
t4.reshape((3, 4))

Out[25]:

array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

In [26]:

t4.reshape((3, 5))

 

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-26-a0fbe961a05c> in <module>
----> 1t4.reshape((3, 5))

ValueError: cannot reshape array of size 12 into shape (3,5)

In [8]:

t5 = np.arange(24)

In [9]:

# 2块2行6列
t5.reshape(2, 2, 6)

Out[9]:

array([[[ 0,  1,  2,  3,  4,  5],
        [ 6,  7,  8,  9, 10, 11]],

       [[12, 13, 14, 15, 16, 17],
        [18, 19, 20, 21, 22, 23]]])

In [10]:

# 2块3行4列
t5.reshape(2, 3, 4)

Out[10]:

array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

In [11]:

t5

Out[11]:

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23])

 

可以看出，reshape方法，没有改变t5的原始值，说明方法本身就存在return方法¶

In [31]:

# 需要改变的话
t5 = t5.reshape((4, 6))

 

如果t5为None的话，就说明某方法会直接改变原始值，不存在return方法¶

In [32]:

t5

Out[32]:

array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])

 

数据类型的操作¶

指定创建的数组的数据类型¶

In [2]:

a = np.array([1,0,1,0],dtype=np.bool) # 或者使用dtype='?'

In [3]:

a

Out[3]:

array([ True, False,  True, False])

In [4]:

# 修改数组的数据类型
a.astype('i1') # 或者使用a.astype(np.int8)

Out[4]:

array([1, 0, 1, 0], dtype=int8)

In [5]:

# 修改浮点型的小数位数
b = np.array([0.03214, 0.4243564, 0.42566453, 0.4134234, 0.1235, 0.85763])

In [6]:

np.round(b, 2)

Out[6]:

array([0.03, 0.42, 0.43, 0.41, 0.12, 0.86])

In [12]:

t5

Out[12]:

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23])

In [13]:

t5 = t5.reshape((4, 6))

In [14]:

t5

Out[14]:

array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])

In [15]:

# 将数组转换成一维数组
t5.flatten()

Out[15]:

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23])

 

数组和数的计算¶

In [22]:

a = np.arange(24).reshape(2,2,6)

In [23]:

a

Out[23]:

array([[[ 0,  1,  2,  3,  4,  5],
        [ 6,  7,  8,  9, 10, 11]],

       [[12, 13, 14, 15, 16, 17],
        [18, 19, 20, 21, 22, 23]]])

In [24]:

# 加法
a + 1

Out[24]:

array([[[ 1,  2,  3,  4,  5,  6],
        [ 7,  8,  9, 10, 11, 12]],

       [[13, 14, 15, 16, 17, 18],
        [19, 20, 21, 22, 23, 24]]])

In [25]:

# 乘法
a * 3

Out[25]:

array([[[ 0,  3,  6,  9, 12, 15],
        [18, 21, 24, 27, 30, 33]],

       [[36, 39, 42, 45, 48, 51],
        [54, 57, 60, 63, 66, 69]]])

 

数组与数组的计算¶

In [26]:

a = np.arange(12).reshape(2, 6)

In [28]:

b = np.arange(21, 33).reshape(2, 6)

In [29]:

a

Out[29]:

array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])

In [30]:

b

Out[30]:

array([[21, 22, 23, 24, 25, 26],
       [27, 28, 29, 30, 31, 32]])

 

数组和数组加减法¶

In [31]:

a + b

Out[31]:

array([[21, 23, 25, 27, 29, 31],
       [33, 35, 37, 39, 41, 43]])

In [32]:

a - b

Out[32]:

array([[-21, -21, -21, -21, -21, -21],
       [-21, -21, -21, -21, -21, -21]])

 

数组和数组的乘除法¶

In [33]:

a * b

Out[33]:

array([[  0,  22,  46,  72, 100, 130],
       [162, 196, 232, 270, 310, 352]])

In [34]:

a / b

Out[34]:

array([[0.        , 0.04545455, 0.08695652, 0.125     , 0.16      ,
        0.19230769],
       [0.22222222, 0.25      , 0.27586207, 0.3       , 0.32258065,
        0.34375   ]])

In [35]:

np.round(a / b, 2)

Out[35]:

array([[0.  , 0.05, 0.09, 0.12, 0.16, 0.19],
       [0.22, 0.25, 0.28, 0.3 , 0.32, 0.34]])

 

不同维度的数组计算¶

In [36]:

# 2行6列
a

Out[36]:

array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])

In [37]:

b = np.array([[1,2,3], [2,3,4]])

In [38]:

# 2行3列
b

Out[38]:

array([[1, 2, 3],
       [2, 3, 4]])

 

维度完全没有关系¶

In [39]:

a + b

 

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-39-bd58363a63fc> in <module>
----> 1a + b

ValueError: operands could not be broadcast together with shapes (2,6) (2,3) 

In [40]:

a * c

 

---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
<ipython-input-40-3f6f667472ca> in <module>
----> 1a * c

NameError: name 'c' is not defined

In [41]:

# 2行6列
a

Out[41]:

array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])

In [42]:

# 1行6列
b = np.array([2,3,4,5,6,7])

In [43]:

a.shape

Out[43]:

(2, 6)

In [44]:

b.shape

Out[44]:

(6,)

 

如果有(从右向左)维度相同的话，操作是可以执行的，按照对应维度广播操作¶

In [45]:

# 2行6列
a

Out[45]:

array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])

In [48]:

# 1行6列
b

Out[48]:

array([2, 3, 4, 5, 6, 7])

In [49]:

# 一整行一整行的计算
a + b

Out[49]:

array([[ 2,  4,  6,  8, 10, 12],
       [ 8, 10, 12, 14, 16, 18]])

In [50]:

# 一整行一整行的计算
a * b

Out[50]:

array([[ 0,  3,  8, 15, 24, 35],
       [12, 21, 32, 45, 60, 77]])

In [52]:

c = np.array([[1],[2]])

In [53]:

c

Out[53]:

array([[1],
       [2]])

In [55]:

c.shape

Out[55]:

(2, 1)

In [57]:

a.shape

Out[57]:

(2, 6)

In [59]:

# 2行6列
a

Out[59]:

array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])

In [60]:

# 2行1列
c

Out[60]:

array([[1],
       [2]])

In [61]:

# 一列一列的计算
a + c

Out[61]:

array([[ 1,  2,  3,  4,  5,  6],
       [ 8,  9, 10, 11, 12, 13]])

In [62]:

# 一列一列的计算
a / c

Out[62]:

array([[0. , 1. , 2. , 3. , 4. , 5. ],
       [3. , 3.5, 4. , 4.5, 5. , 5.5]])

 

广播原则¶

如果两个数组的后缘维度（trailing dimension，既从末尾开始算起的维度）¶

的轴长度相符或其中一方的长度为1，则认为他们是广播兼容的。¶

广播会在缺失和（或）长度为1的维度上进行。¶

In [75]:

a = np.arange(27).reshape(3,3,3)

In [76]:

b = np.arange(18).reshape(3,3,2)

In [77]:

c = np.arange(6).reshape(3,2)

In [78]:

a.shape

Out[78]:

(3, 3, 3)

In [79]:

b.shape

Out[79]:

(3, 3, 2)

In [80]:

c.shape

Out[80]:

(3, 2)

In [81]:

a + c

 

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-81-e81e582b6fa9> in <module>
----> 1a + c

ValueError: operands could not be broadcast together with shapes (3,3,3) (3,2) 

In [82]:

b + c

Out[82]:

array([[[ 0,  2],
        [ 4,  6],
        [ 8, 10]],

       [[ 6,  8],
        [10, 12],
        [14, 16]],

       [[12, 14],
        [16, 18],
        [20, 22]]])

In [ ]: