NumPy笔记-ndarray

ndarray,N维数组对象(矩阵)

• 所有元素必须是相同类型
• ndim属性,维度个数
• shape属性,各维度大小
• dtype属性,数据类型

创建ndarray

• np.array(collection),collection为序列对象(list),嵌套序列(list of list)
• np.zeros,np.ones,np.empty指定大小的全0或全1数组

注意:第一个参数是元组,用来指定大小,如(3,4),第二个参数是数据类型

empty不是总是返回全0,有时返回的是末初始的随机值

如:

np.zeros((3,4))   #3行4列  数值全为0的数组,里面的参数是元组 (3,4)

np.empty((3,3))  #3行3列,随机数组成的数组

np.empty((3,3),int)  #ndarray 第一个元组(3,3)  第二个参数是数据类型 int

创建ndarray

np.arange()类似range() 注意是arange,不是英文的arrange

ndarray数据类型

• dtype,类型名+位数,如float64,int32
• 转换数组类型 astype

import numpy as np
zeros_float_arr = np.zeros((3,4),dtype = np.float64)
print(zeros_float_arr)
print(zeros_float_arr.dtype)

zeros_int_arr = zeros_float_arr.astype(np.int32)
print(zeros_int_arr)
print(zeros_int_arr.dtype)

矢量化

• 矢量运算,相同大小的数组健间的运算应用在元素上
• 适量和标量运算,"广播"-将标量"广播"到各个元素

矢量与矢量运算

arr = np.array([[1,2,3],

　　　　　　　　  [4,5,6]])

矢量与标量运算

print(1./arr)

print(2*arr)

索引与切片

• 一维数组的索引与python的列表索引功能类似
• 多维数组的索引

arr(r1:r2,c1:c2]

arr[1,1]等价arr[1][1]

[:]代表某个维度的数据

如:[r1:,c1:] 从开始到所有

arr[:,1:3]  二维数组的所有行和第1第2两列

条件索引

• 布尔值多维数组 arr[condition] condition可以是多个条件组合
• 注意,多个条件组合要使用& | ,而不是and or   

维数转换

• 转置transpose
• 高维数组转置要指定维度编号(0,1,2,....)

通用函数

• 元素级运算

常用的通用函数

• ceil,向上最接近的整数
• floor,向下最接近的整数
• rint,四舍五入
• isnan,判断元素是否为 NaN(Not a Number)
• multiply,元素相乘
• divide,元素相除

np.where

• 矢量版本的三元表达式 x if condition else y
• np.where(condition,x,y)   满足条件输出x,不满足条件输出y
• 如:

跟np.rint差不多

np.rint不会改变原数组的数值类型,如果需要,如可以用 arr.astype(np.int32)

常用的统计方法

• np.mean,np.sum
• np.max,np.min
• np.std,np.var
• np.argmax,np.argmin
• np.cumsum,np.cumprod
• 注意多维的要指定统计的维度,否则默认是全部维度上做统计.

np.any  判断是否数组里面任一值某一条件,如果有满足的,则为True,如果都不满足则为False

np.all    判断是否数组里面所有的值都满足某一条件,如果满足则为True,否则则为False

np.unique  找到唯一值并返回排序结果了 如下: