day27-1 numpy模块

目录

• numpy
  • array
• 一维数组
• 二维数组（用的最多）
  • np.array和list的区别
  • 获取多维数组的属性
  • 多维数组的索引与切片
    • 花式索引
  • 高级功能
  • 多维数组的元素替换
  • 多维数组的合并
  • 通过函数方法创建多维数组
    • 创建一维数组
    • 创建多维数组
  • 矩阵的向量运算
  • 通用函数
  • 点乘，转置，求逆（了解，数学知识）
  • 极值
  • numpy生成随机数
    • 固定随机数，让它不随机
  • 三维数组（了解）

numpy

• 多维数组(列表)的运算

# 约定俗成定义为np
import numpy as np

array

• 数据类型，有点像列表

一维数组

• 只有一行
• 相当于数学中的线

lis = [1, 2, 3]
print(np.array(lis))

[1 2 3]

二维数组（用的最多）

• 有行有列
• 相当于数学中的面，其中有多条线，也就是装了多个一维数组

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

[[1 2 3]
 [4 5 6]]

np.array和list的区别

1. np.array是多维的，list是一维的
2. numpy的操作更加全面

获取多维数组的属性

arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])

print(arr.dtype)      # 查看元素的数据类型
print(arr.size)       # 数组元素的个数
print(arr.ndim)      # 数组的维度

print(arr.shape)        # 把行和列返回在一个元祖中
print(arr.shape[0])     # 行
print(arr.shape[1])     # 列

int32
8
2

(2, 4)
2
4

多维数组的索引与切片

• 中括号加索引，行和列用逗号分开

print(arr)
print('-' * 10)
print(arr[1, 2])     # 第二行第三列
print(arr[0, [0, 1, 2, 3]])    # 第一行所有的值
print(arr[0, :])    # 第一行所有的值切片
print(arr[:, 0])    # 第一列所有的值切片
print(arr[:, :])    # 整个多维数组切片

[[1 2 3 4]
 [5 6 7 8]]
----------
7
[1 2 3 4]
[1 2 3 4]
[1 5]
[[1 2 3 4]
 [5 6 7 8]]

花式索引

arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
#### 获取 5,7,9,10
arr[ [4, 6, 8, 9] ]  ### 列表嵌套列表， 内层列表的值对应的是需求的值的索引值

([5, 7, 9, 10])

高级功能

• 加入判断，筛选功能

# 筛选出值大于50的数
arr = np.array([[12, 123, 20], [145, 56, 24], [51, 1, 2]])
print(arr)
print('-' * 20)
print(arr > 50)	# 布尔型索引
print('-' * 20)
print(arr[arr > 50])
print('-' * 20)

[[ 12 123  20]
 [145  56  24]
 [ 51   1   2]]
--------------------
[[False  True False]
 [ True  True False]
 [ True False False]]
--------------------
[123 145  56  51]
--------------------

多维数组的元素替换

arr = np.array([[12, 123, 20], [145, 56, 24], [51, 1, 2]])
print(arr)
print('-' * 20)
arr[1, 2] = 20    # 第二行的第三个元素改为20
print(arr)
print('-' * 20)
arr[1, :] = 20    # 第一行所有元素改为0
print(arr)
print('-' * 20)
arr[arr > 50] = 40  # 大于50的全变为40
print(arr)
print('-' * 20)

[[ 12 123  20]
 [145  56  24]
 [ 51   1   2]]
--------------------
[[ 12 123  20]
 [145  56  20]
 [ 51   1   2]]
--------------------
[[ 12 123  20]
 [ 20  20  20]
 [ 51   1   2]]
--------------------
[[12 40 20]
 [20 20 20]
 [40  1  2]]
--------------------

多维数组的合并

arr1 = np.array([[1, 2, 3], [4, 5, 6]])
arr2 = np.array([[7, 8, 9], [10, 11, 12]])

• vstack和hstack只能放一个参数，这个参数必须是容器

# vstack和hstack
print(np.vstack((arr1, arr2)))  # v:vertical 垂直
print('-' * 20)
print(np.hstack([arr1, arr2]))  # h:horizon 水平
print('-' * 20)

[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]
--------------------
[[ 1  2  3  7  8  9]
 [ 4  5  6 10 11 12]]
--------------------

• 在numpy中，为了统一做处理，只要有axis参数的，axis=0就是列，axis=1就是行

# concatenate
print(np.concatenate((arr1, arr2)))   # 默认是垂直
print('-' * 20)
print(np.concatenate((arr1, arr2), axis=0))  # 0是列
print('-' * 20)
print(np.concatenate((arr1, arr2), axis=1))  # 1是行
print('-' * 20)

[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]
--------------------
[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]
--------------------
[[ 1  2  3  7  8  9]
 [ 4  5  6 10 11 12]]
--------------------

通过函数方法创建多维数组

创建一维数组

• arange

print(np.arange(10))
print(np.arange(1, 10, 2))

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

• linspace

# 创建一个从2到5，一共有五个值的一位数组，不包括5
# num表示有多少个值，默认是50，endpoint表示是否包括最大值，默认是True
np.linspace(2,5, num=5, endpoint=False)

array([2. , 2.6, 3.2, 3.8, 4.4])

创建多维数组

• zeros

# zeros全是0
print(np.zeros((3, 4)))
print('-' * 20)
print(np.zeros((2, 4, 3)))     # 3控制一维,(3,4)控制二维,(3,4,5)控制三维

[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]
--------------------
[[[0. 0. 0.]
  [0. 0. 0.]
  [0. 0. 0.]
  [0. 0. 0.]]

 [[0. 0. 0.]
  [0. 0. 0.]
  [0. 0. 0.]
  [0. 0. 0.]]]

• ones

# ones全是1
print(np.ones((3, 4)))

[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]

• eye

print(np.eye(5))

[[1. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0.]
 [0. 0. 1. 0. 0.]
 [0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 1.]]

• empty

np.empty((2,3), dtype=int)  ### 随机生成指定维度的随机数

([[856,   0, 856],
 [  0,   1,   0]])

• reshape

arr = np.arange(10)
arr.reshape(2,5)  #### 一维数组转换成二维数组

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

矩阵的向量运算

+	两个矩阵对应元素相加
-	两个矩阵对应元素相减
*	两个矩阵对应元素相乘
/	两个矩阵对应元素相除，如果都是整数则取商
%	两个矩阵对应元素相除后取余数
**n	单个矩阵每个元素都取n次方，如**2：每个元素都取平方

# 元素对应相加，可以加一维，但是不要这么做
arr1 = np.array([[1, 2, 3], [4, 5, 6]])
arr2 = np.array([[7, 8, 9], [10, 11, 12]])
print(arr1+arr2)

#...其余方法都大同小异

[[ 8 10 12]
 [14 16 18]]

通用函数

np.abs([-1,-2,34,5])  ### 求一个绝对值
np.fabs([-2.3,-3.4, 5.6])  #### 求浮点数的绝对值
np.sqrt(4)   #### 求一个数的平方根
print('----------')
np.square([5,3,4,6])  #### 求平方
np.exp(2)  ### e^2  e的取值是 2.7181
np.log(10)  # 以e为底

array([ 1,  2, 34,  5])
array([2.3, 3.4, 5.6])
2.0
----------
array([25,  9, 16, 36], dtype=int32)
7.38905609893065
2.302585092994046

• 数字相关

a = a = np.array([1,2,3,4])
np.sum(a)  ### 求和
np.mean(a)	### 求平均值
np.max(a)	### 最大值
np.argmax(a)  ### 最大值的索引
print('----------')
np.var(a)	### 求方差
np.std(a)	### 求标准差
print('----------')
np.ceil(10.4) ### ceil:天花板  向上取整
np.floor(10.6) ### floor:地板 向下取整
np.rint(10.8)  #### 四舍五入
np.modf(10.7) ### 把整数和小数分开

10
2.75
4
3
----------
1.25
1.118033988749895
----------
11.0
10.0
11.0
(0.6999999999999993, 10.0)

• isnan

np.isnan(45)	#### 用来判断是否是一个数，nan : not a number，所以为False代表是一个数字
np.nan
np.isnan(np.nan)
np.isnan([1,2,3,np.nan,23])
np.nan == np.nan

False
nan
True
array([False, False, False,  True, False])
False

• isinf

np.inf	# 无穷大

inf

点乘，转置，求逆（了解，数学知识）

# 点乘
# 需要一个(m,n)的数组和一个(n,m)的数组
# T可以把数组转置
np.dot(arr1, arr2.T)

array([[ 50,  68],
       [122, 167]])

# 求逆
np.linalg.inv(np.dot(arr1, arr2.T))

array([[ 3.09259259, -1.25925926],
       [-2.25925926,  0.92592593]])

极值

print(arr1)
print(arr1.max())
print(arr1.min())

[[1 2 3]
 [4 5 6]]
6
1

numpy生成随机数

np.random.rand(3, 4)

array([[0.95163457, 0.8643344 , 0.86843741, 0.45000529],
       [0.01025429, 0.25391508, 0.28262799, 0.88679772],
       [0.43937459, 0.13525713, 0.13961072, 0.61232842]])

固定随机数，让它不随机

rs = np.random.RandomState(1)
print(rs.rand(3, 4))

# 和上面作用相同
# np.random.seed(1)
# print(np.random.rand(3, 4))

[[4.17022005e-01 7.20324493e-01 1.14374817e-04 3.02332573e-01]
 [1.46755891e-01 9.23385948e-02 1.86260211e-01 3.45560727e-01]
 [3.96767474e-01 5.38816734e-01 4.19194514e-01 6.85219500e-01]]

三维数组（了解）

• 多个面(二维数组)