numpy模块

numpy是python的一个补充程序库，机器学习的框架，可以进行大量的维度数组和矩阵运算，对数组运算提供大量的数学函数库，内部解除了全局解释器锁GIL，运行效率高。

numpy中的数组的存储效率和输入输出性能均远远优于python中等价的基本数据结构，其能够提升的性能是与数组中的元素成比例的。

numpy使用内存映射文件以达到最优的数据读写性能，内存的大小限制了其对TB级的大文件的处理

1.load（）和save（）处理二进制文件（.npy）

2.loadtxt（）和savetxt（）处理正常的文本文件

numpy.save(file,arr,allow_pickle=true,fix_import = true)

file：文件名/文件路径

arr：要存储的数组

allow_pickle：布尔值，允许使用python pickle保存对象数组

fix_imports：为了方便python2读取python3保存的数据

例：

import numpy as np

x = np.arange(10)

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

# 保存

np.save("save_x",x)

# 读取

np.load("save_x.npy")

将多个数组保存到一个文件中：numpy.savez（.npz）

例

>>> import numpy as np

#生成数据

>>> x=np.arange(10)

>>> x

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

>>> y=np.sin(x)

>>> y

array([ 0.        ,  0.84147098,  0.90929743,  0.14112001, -0.7568025 ,

       -0.95892427, -0.2794155 ,  0.6569866 ,  0.98935825,  0.41211849])

         

#数据保存

>>> np.save('save_xy',x,y)

  

#读取保存的数据

>>> npzfile=np.load('save_xy.npz')

>>> npzfile  #是一个对象,无法读取

<numpy.lib.npyio.NpzFile object at 0x7f63ce4c8860>

  

#按照组数默认的key进行访问

>>> npzfile['arr_0']

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

>>> npzfile['arr_1']

array([ 0.        ,  0.84147098,  0.90929743,  0.14112001, -0.7568025 ,

       -0.95892427, -0.2794155 ,  0.6569866 ,  0.98935825,  0.41211849])

 常用属性：

import numpy as np

 

# 创建简单的列表

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

 

# 讲列表转换为数组

b = np.array(a)

 

# Numpy查看数组属性

print(b.size)

#6

 

# 数组形状

print(b.shape)

# (6,)

 

# 数组维度

print(b.ndim)

# 1

 

# 数组元素类型

print(b.dtype)

# int32

ones函数

返回特定大小，以1填充的新数组

zeros函数

返回特定大小，以0填充的新数组。

tolist()函数

tolost()函数用于把一个矩阵转化为list列表

np.unique()的用法

该函数是去除数组中的重复数字，并进行排序之后输出

np.argsort()的用法

argsort()函数返回的是数组值从小到达的索引值

>>> x = np.array([3, 1, 2])

>>> np.argsort(x) #按升序排列

array([1, 2, 3])

>>> np.argsort(-x) #按降序排列

array([3, 2, 1])

 

切片和索引：

import numpy as np

 

a = np.arange(10)

print(a)

# [0 1 2 3 4 5 6 7 8 9]

s = slice(2,7,2)

print(s)

# slice(2, 7, 2)

print(a[s])

# [2 4 6]

 

b = a[2:7:2]

print(b)

# [2 4 6]

 

# 对单个元素进行切片

b = a[5]

print(b)

# 5

 

# 对始于索引的元素进行切片

print(a[2:])

# [2 3 4 5 6 7 8 9]

 

# 对索引之间的元素进行切片

print(a[2:5])

# [2 3 4]

 

 

# 二维数组

# 最开始的数组

import numpy as np

a = np.array([[1,2,3],[3,4,5],[4,5,6]])

print('我们的数组是：')

print(a)

print (' ')

# 这会返回第二列元素的数组：

print ('第二列的元素是：')

print(a[...,1])

print(' ')

# 现在我们从第二行切片所有元素：

print ('第二行的元素是：')

print(a[1,...])

print( ' ')

# 现在我们从第二列向后切片所有元素：

print ('第二列及其剩余元素是：')

print(a[...,1:])

'''

我们的数组是：

[[1 2 3]

 [3 4 5]

 [4 5 6]]

 

 

第二列的元素是：

[2 4 5]

 

 

第二行的元素是：

[3 4 5]

 

 

第二列及其剩余元素是：

[[2 3]

 [4 5]

 [5 6]]'''