numpy库的学习笔记

一、ndarray

1、numpy 库处理的最基础数据类型是由同种元素构成的多维数组（ndarray)，简称“数组”。

2、ndarray是一个多维数组的对象，ndarray数组一般要求所有元素类型相同，数组下标从0开始。

3、在numpy中维度（dimensions)叫做轴（axes),轴的个数叫做秩（rank).

4、从ndarray对象提取任何元素（通过切片）由一个数组标量类型的python对象表示，数组切片得到的是原始数组的视图，所有修改都会直接反映到源数组。如果需要得到的ndarray切片的一份副本，需要进行复制操作，比如arange[5:8].copy()

5、ndarray对象的属性

属性	说明
.ndim	秩，即轴的数量或维度的数量
.shape	ndarray对象的尺度，对于矩阵m行n列
.size	ndarray对象元素的个数，相当于.shape中m*n的值
.dtype	ndarray对象的元素类型
.itemsize	ndarray对象中每个元素的大小，以字节为单位

演示

6、ndarray类的形态操作方法

方法	说明
ndarray.rashape(n,m)	不改变数组ndarray，返回一个维度为（m,n)的数组
ndarray.resize(new_shape)	与reshape()作用相同，直接修改数组ndarray
ndarray.swapaxes(ax1,ax2)	将数组中n个维度中任意两个维度进行调换
ndarray.flatten()	对数组进行降维，返回一个折叠后的一维数组
ndarray,ravel()	作用同np.flatten(),但是返回数组的一个视图

二、numpy库常用的创建数组函数

函数	说明
np.array([x,y,z],dtype=int)	从python列表和元组创造数组
np.arange(x,y,i)	创建一个由x到y,以i为步长的数组
np.linspace(x,y,n)	创建一个由x到y，等分成n个元素的数组
np.indices((m,n))	创建一个m行n列的矩阵
np.random.rand(m,n)	创建一个m行n列的随机数组
np.ones((m,n),dtype)	创建一个m行n列全1的数组，dtype是数据类型
np.empty((m,n),dtype)	创建一个m行n列的全0的数组，dtype是数据类型

三、numpy库的算数运算函数

函数	说明
np.add(x1,x2[,y])	y=x1+x2
np.subtract(x1,x2[,y])	y=x1-x2
np.multiply(x1,x2[,y])	y=x1*x2
np.divide(x1,x2[,y])	y=x1/x2
np.floor_divide(x1,x2[,y])	y=x1//x2,返回值取整
np.negative(x[,y])	y=-x
np.power(x1,x2[,y])	y=x1**x2
np.remainder(x1,x2[,y])	y=x1%x2

注意：

这些函数中，输出参数y可选，如果没有指定，将创建并返回一个新的数组保存计算结果；如果指定参数，则将结果保存到参数中。例如，两个数组相加可以简单地写为a+b,而np.add（a,b,a)则表示a+=b

四、numpy库的比较运算函数

函数	说明
np.equal(x1,x2[,y])	y=x1=x2
np.not_equal(x1,x2[,y])	y=x1!=x2
np.less(x1,x2,[,y])	y=x1<x2
np.less_equal(x1,x2,[,y])	y=x1<=x2
np.greater(x1,x2,[,y])	y=x1>x2
np.greater_equal(x1,x2,[,y])	y=x1>=x2
np.where(condition[x,y])	根据给出的条件判断输出x还是y

注意：numpy库的比较运算函数将返回一个布尔数组，它包含两个数组中对应元素的比较结果，比如

五、numpy库的其他运算函数

函数	说明
np.abs(x)	计算基于元素的整型，浮点或复数的绝对值
np.sqrt(x)	计算每个元素的平方根
np.squre(x)	计算每个元素的平方
np.sign(x）	计算每个元素的符号： 1(+),0,-1(-)
np.ceil(x)	计算大于或等于每个元素的最小值
np.floor(x)	计算小于或等于每个元素的最大值
np.rint(x[,out])	圆整，取每个元素为最近的整数，保留数据类型
np.exp(x[,out])	计算每个元素的指数值
np.log(x),np.log10(x),np.log2(x)	计算自然对数（e)，基于10,2的对数，log(1+x)