numpy的一些基本操作

文章目录

• 1.numpy数组的多种创建方式
• • 1.1使用np.array()创建
  • 1.2使用plt创建
  • 1.3使用np的routine函数创建
• 2.numpy的常用属性
• • 2.1shape
  • 2.2ndim
  • 2.3size
  • 2.4dtype
• 3.numpy的索引和切片
• • 3.1切出前两列数据
  • 3.2切出前两行数据
  • 3.3切出前两行的前两列的数据
  • 3.4数组数据翻转
  • 3.5练习：将一张图片上下左右进行翻转操作
  • 3.6练习：将图片进行指定区域的裁剪
• 4.统计&聚合&矩阵操作
• • 4.1常用的统计函数
  • 4.2常用的聚合操作
  • 4.3常用的矩阵操作

NumPy(Numerical Python) 是 Python 语言中做科学计算的基础库。重在于数值计算，也是大部分Python科学计算库的基础，多用于在大型、多维数组上执行的数值运算。

1.numpy数组的多种创建方式

1.1使用np.array()创建

使用array创建一个一维数组：

import numpy as np
arr1 = np.array([1,2,3])

使用array创建一个多维数组;

import numpy as np
arr1 = np.array([1,2,3],[1,2,3])

1.2使用plt创建

使用python中matploylib库，这个库中有一个imread方法，可以读取文件夹的图片，并转化为多维数组的形式存储起来，并且可以通过操作数组的方式对图片颜色进行操作。

import matplotlib.pyplot as plt
arr2 = plt.imread("1.png")
arr2

1.3使用np的routine函数创建

• zero()
• ones()
• linespace()
• arange()
• random系列

arr3 = np.zeros(shape = (3,4))#创建一个三维数组，所有元素都为0
arr4 = np.ones(shape = (3,4))#创建一个三维数组，所有元素都为1
arr5 = np.linspace(1,100,num = 20)#创建一个等差数列一维数组
arr6 = np.arange(1,10)#创建一个1-10的数组
arr7 = np.random.randint(1,10,size = (3,4))#创建一个三维随机数数组

2.numpy的常用属性

2.1shape

shape - 这是一个用于表示数组形状的元组。它告诉我们每个维度的大小。例如，对于一个二维数组，形状将告诉我们行数和列数。

nums1 = np.array([[1,2,3],[4,5,6]])
print(nums1.shape)

2.2ndim

这是表示数组维度数量的整数。一个一维数组的 ndim 为 1，二维数组为 2，以此类推。

nums2 = np.array([[1,2,3],[4,5,6]])
nums2.ndim

2.3size

这是一个整数，表示数组中元素的总数。它是所有维度大小的乘积。

nums3 = np.array([[1,2,3],[4,5,6]])
nums3.size

2.4dtype

这是一个对象，表示数组中元素的数据类型。例如，整数、浮点数或自定义数据类型。

nums4 = np.array([[1,2,3],[4,5,6]])
nums4.dtype

3.numpy的索引和切片

索引操作和列表同理

3.1切出前两列数据

arr = np.random.randint(1,100,size=(5,6))
arr[:,0:2]#取出前两列的数据

3.2切出前两行数据

arr[0:2]#取出前两行的数据

3.3切出前两行的前两列的数据

arr[0:2,0:2]

3.4数组数据翻转

arr[::-1]#将数组行倒置
arr[::,::-1]#将数组列倒置
arr[::-1,::-1]#将数组行倒置和列倒置

3.5练习：将一张图片上下左右进行翻转操作

arr_image = plt.imread("1.png")
arr_image = arr_image[::-1]
plt.imshow(arr_image)

3.6练习：将图片进行指定区域的裁剪

plt.imshow(arr_image[60:100,200:500,])

4.统计&聚合&矩阵操作

4.1常用的统计函数

• numpy.amin() 和 numpy.amax()，用于计算数组中的元素沿指定轴的最小、最大值。
• numpy.ptp():计算数组中元素最大值与最小值的差（最大值 - 最小值）。
• numpy.median() 函数用于计算数组 a 中元素的中位数（中值）
• 标准差std():标准差是一组数据平均值分散程度的一种度量。
  • 公式：std = sqrt(mean((x - x.mean())**2))
  • 如果数组是 [1，2，3，4]，则其平均值为 2.5。 因此，差的平方是 [2.25,0.25,0.25,2.25]，并且其平均值的平方根除以 4，即 sqrt(5/4) ，结果为 1.1180339887498949。
• 方差var()：统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数，即 mean((x - x.mean())** 2)。换句话说，标准差是方差的平方根。

num.std()
num.var()

4.2常用的聚合操作

sum,max,min,mean

num = np.array([[69, 80,  7, 90, 31, 44],
       [37, 57, 26, 92, 91, 34],
       [13, 16, 93, 54, 87, 34],
       [ 5, 16, 47, 66, 51, 12],
       [54, 63, 20, 11, 94, 88]])
num.sum(axis = 1)
num.max(axis = 1)

4.3常用的矩阵操作

• NumPy 中包含了一个矩阵库 numpy.matlib，该模块中的函数返回的是一个矩阵，而不是 ndarray 对象。一个 的矩阵是一个由行（row）列（column）元素排列成的矩形阵列。
• numpy.matlib.identity() 函数返回给定大小的单位矩阵。单位矩阵是个方阵，从左上角到右下角的对角线（称为主对角线）上的元素均为 1，除此以外全都为 0。

arr.T#转置矩阵
#矩阵相乘
a1 = np.array([[2,1],[4,3]])
a2 = np.array([[1,2],[1,0]])
np.dot(a1,a2)