Python中的numpy模块解析

numpy

1.  创建对象

维度（dimensions）：轴

轴的个数：秩（rank）

Numpy最重要的一个特点就是其N维数组对象(即ndarray)

创建数组最简单的函数就是用array函数：

Import numpy

data = [[1,2,3],[2,3,4],[4,5,6]]

ndarray_object = numpy.array(data)

ndarray_object = numpy.ones((3,4))

ndarray_object = numpy.zeros((3,4))

array 将输入数据(列表、元组、数组或者其他序列类型)转换为ndarray。要么推断出dtype，要么显示制定dtype。默认直接复制输入数据。

asarray 将输入转换为ndarray，如果输入本身就是一个ndarray就不进行复制。

arrange 类似于内置的range，但返回的是一个ndarray而不是列表。

ones,ones_like 根据制定的形状和dtype创建一个全1数组。ones_like一另一个数组为参数，并根据其形状和dtype创建一个全1数组。

zeros,zeros_like 类似于ones和ones_like，只不过产生的是全0数组而已。

empty,empty_like 创建新数组，只分配内存空间但不填充任何值。

eye,identity 创建一个正方的N x N 单位矩阵(对角线为1，其余为0)

2.  ndarray的数据类型

dtype()是一个特殊的对象，它含有ndarray将一块内存解释为特定数据类型所需的信息。

numpy中的数据类型转换，不能直接改原数据的dtype!只能用函数astype()。

3.  数组与标量的运算

大小相等的数组之间的任何算术运算都会将运算进行到元素级。

同样，数组和标量的算术运算也会将那个标量传播到各个元素。

不同大小的数组之间的运算叫做广播。

4.  基本的索引和切片

>>>import numpy as np

>>>a=[1,2,3,4,5]

>>>np.array(a)

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

>>>b=np.array(a)

>>>b[1:3]

>>>array([2, 3])

>>>c=b[1:3]

>>>c

>>>array([2, 3])

>>>c[:]=12

>>>a

>>>[1, 2, 3, 4, 5]

>>>b

>>>array([ 1, 12, 12,  4,  5])

如果你想得到的是ndarray切片的一份副图而非视图，就需要显示低进行复制操作例如，

b[2:3].copy。

>>>names = np.array([["ryan"],["tom"],["hello"],["lucy"]])

>>>names

array([['ryan'],

       ['tom'],

       ['hello'],

       ['lucy']], dtype='|S5')

>>>names[2]="whathello"

>>>names

array([['ryan'],

       ['tom'],

       ['whath'],

       ['lucy']], dtype='|S5')

>>>b = np.array([["ryan"],["tom"],["whathello"],["lucy"]])

>>>b

array([['ryan'],

       ['tom'],

       ['whathello'],

       ['lucy']], dtype='|S9')

>>>b=="ryan"

array([[ True],

       [False],

       [False],

       [False]])

Python关键字and 和 or在布尔数组中无效。

5.  数组转置和轴对换

>>>a=np.arange(15).reshape((3,5))

>>>a

array([[ 0,  1,  2,  3,  4],

       [ 5,  6,  7,  8,  9],

       [10, 11, 12, 13, 14]])

6.     函数和方法method总览

# 1.创建数组

arrange, array, copy, empty_like, eye, fromfile, fromfunction, identity, linspace, logspace, mgrid, ogrid, ones, ones_like, r, zeros, zeros_like

# 2.转化

astype, atleast ld, atleast 2d, atleast 3d, mat

# 3.操作

array split, column stack, concatenate, diagonal, dsplit, dstack, hsplit, hstack, item, newsxis,ravel, repeat, reshape, resize, squeeze,swapaxes, take,transpose

# 4.询问

all, any, nonzero, where

# 5.排序

argmax, argmin, argsort, max, min, ptp, searchsorted, sort

# 6.运算

choose, compress, cumprod, cumsum, inner, fill, imag, prod, putmask, real, sum

# 7.基本统计

cov, mean, std, var

# 8.基本线性代数

cross, dot, outer, svd, vdot