Numpy学习笔记(一)

numpy介绍

　　numpy属于python的一个数学库,相比于Python做数值计算速度更快.也可以使用numpy进行向量和矩阵计算.

1.ndarrays数据类型的创建

import numpy as np

# 索引以0开始
a = np.array([0, 1, 2, 3, 4])
b = np.array((0, 1, 2, 3, 4))

# 创建生成的序列
c = np.arange( 10, 30, 5 )         # 10 到 30 的数值,不包含30,递增为5

# 产生均匀分布的值构成的数组
d = np.linspace(0, 2*np.pi, 5)     # 在 0--2*np.pi 之间均匀选取5个数值

# 生成占位符
e = np.zeros((3,4))　　# 生成3*4的二维数组，每个元素都是0，默认是float64
f = np.ones((3,4))　　 # 生成3*4的二维数组，每个元素都是1，默认是float64
g = np.empty((3,4))   # 生成3*4的二维数组，每个元素都是随机产生呢过的，默认是float64 ，添加dtype参数设置元素类型

# 生成随机数
h = np.random.random((3,4))    # 生成3*4的二维随机数

print(a)
print(b)
print(c)
print(d)

# a, b, c, d 的类型是ndarrays,包括数组、矩阵、张量.


# 矩阵的创建
# 索引以0开始
a = np.array([[11, 12, 13, 14, 15],
              [16, 17, 18, 19, 20],
              [21, 22, 23, 24, 25],
              [26, 27, 28, 29, 30],
              [31, 32, 33, 34, 35]])

print(a[2, 4])    # 输出 25

# 三维张量的创建 3*3*3
b = np.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],
                [25, 26, 27]]])

print(b[1, 1, 1])   # 输出 14

 2、ndarrays的切片

a = np.array([[11, 12, 13, 14, 15, 41],
              [16, 17, 18, 19, 20, 42],
              [21, 22, 23, 24, 25, 43],
              [26, 27, 28, 29, 30, 44],
              [31, 32, 33, 34, 35, 45]])

a[ : :-1]　　　　　　# 一维逆置，二维行（第一维）逆置
print(a[0, 1:4])    # 行下标为0,列下标1-4,第一行,第2,3,4个数值
print(a[1:4, 0])    # 行下标为1-4，列下标为0，第2,3,4行，第1列数值
print(a[::2, ::2])  # 行下标从0开始，以索引2为增量，列下标从0开始，以索引2为增量
print(a[:, 1])      # 所有的行中的第二列，因此只是第二列。

# 当提供比轴数更少的索引时，缺失的索引被认为是一个完整切片 :

>>> b[-1]                                  # 相似于 b[-1,:]，如果是多维，后面的轴数被认为是完整索引。
array([40, 41, 42, 43])

#　三个点（ ... ）表示产生完整索引元组所需的冒号，如果 x 是rank为的5数组（即，它具有5个轴），例如：

• x[1,2,...] 等于 x[1,2,:,:,:]。　　　　＃　省略后面
• x[...,3] 等效于 x[:,:,:,:,3]。　　　　＃　省略前面
• x[4,...,5,:] 等效于 x[4,:,:,5,:]　　　＃　省略中间
  

备注：以逗号分割维度

3、ndarrays的属性

print(type(a))          # type（）输出变量的类型，<class 'numpy.ndarray'>
print(a.dtype)          # 输出a中元素的类型，int64
print(a.size)           # 输出a中包含元素的个数,25
print(a.shape)          # a的形状，每个维度具有的元素个数,2
print(a.itemsize)       # 每个元素占用了多少个字节，8字节（64/8）
print(a.ndim)           # a的维度是多少，2
print(a.nbytes)         # a有多少个字节，8*25

 4、基础操作

a = np.arange(25)   # 产生25个数值，0--24
a = a.reshape((5, 5))   # 改成5*5的矩阵，如果不支持，报错：cannot reshape array of size × into shape (×,×)

b = np.array([10, 62, 1, 14, 2,
              56, 79, 2, 1, 45,
              4, 92, 5, 55, 63,
              43, 35, 6, 53, 24,
              56, 3, 56, 44, 78])
b = b.reshape((5, 5))

a.sum()   # 所有元素求和

print(a)
print(b)
print(a + b)    # a和b对应元素相加
print(a - b)    # a和b对应元素相减
print(a * b)    # a和b对应元素相乘
print(a / b)    # a和b对应元素相除（浮点数）
print(a ** 2)   # a中所有元素的2次方
print(a < b)    # a和b对应元素做比较，结果为Boolean值
print(a > b)    # a和b对应元素做比较，结果为Boolean值


print(a.dot(b))     # a和b乘法，新矩阵第一个元素是，a的第一行和b的第一列对应元素相乘再相加，后面元素依次类推。

 ５、迭代

＃　for ... in ...       多维数组是相对于第一个轴完成的

>>> for row in b:
...     print(row)        # 是对b第一轴的迭代,如果b是二维数组输出的是,每行数据.


#  flat 属性       迭代每个元素

>>> for element in b.flat:
...     print(element)     # 输出的是每个元素