NumPy数组

NumPy数组

目录

  1. 概述
  2. 数组计算
    2.1. 数组概念
    2.2. 创建数组
     (1) 简单创建数组
 (2) 从数值范围创建数组
 (3) 生成随机数组
 (4) 从已有的数组中创建数组
    2.3. 数组的基本操作
     (1) 数据类型
 (2) 数组运算
 (3) 数组的索引和切片
 (4) 数组重塑
 (5) 数组的增，删，改，查

概述

Numpy 以数组的形式对数据进行操作。

数组计算

数组概念

  • 一维数组对应python列表；

  • 二维数组本质是以数组作为数组元素的数组。二维数组包括行和列，类似于表格形状，又称为矩阵；

  • 三维数组是指维数为3的数组结构，也称为矩阵列表。

  • 轴的概念。轴是Numpy中的axis，指定某个axis，就是沿着这个axis做相关操作，其中二维数组中axis=0表示沿着纵轴操作，axis=1表示沿着横轴操作，但是由于一维数组的特殊性，在一维数组中axis=0表示沿着横轴操作（多做就懂了）

创建数组

  1. 简单创建数组numpy.array()
1
2
3
n1 = numpy.array([1,2,3])
n2 = numpy.array([[1,2,3],[1,2,3]])
n3 = numpy.array(n1, copy=True)
  1. 从数值范围创建数组
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# 等差数列
np.arange(start, stop, step, dtype=None)
n4 = np.arange(1,12,3)

# 等差数列
np.linspace(start, stop, step)
n5 = np.linspace(1,12,3)

# 等比数列
np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
"""
start 序列的起始值
stop: 序列的终止值
num： 要生成的样本的数量
endpoint： 是否包含stop终止值
base： 对数Log的底数
"""
n6 = np.logspace(0,63,30)
  1. 生成随机数组
1
2
3
4
5
6
7
8
# 随机0~1的数组 
np.random.rand(d0, d1, d2)

# 随机n列一维0~1数组
np.random.rand(n)

# 随机n行，m列二维0~1数组
np.random.rand(n,m)
1
2
3
4
5
6
7
8
9
# 随机正太分布数组
np.random.randn(d0, d1, d2,...,dn)

# 随机生成满足正太分布的n列一维数组
np.random.randn(n)

# 随机生成满足正太分布的n行m列二维数组
np.random.randn(n,m)

1
2
3
4
5
6
7
8
9
10
# 一定范围内的随机数组：randint()函数

np.random.randint(low_value, high_value, size=‘维度’)

# 一定范围内的n列一维数组
np.random.randint(l,h,10)

# 一定范围内的n行m列二维数组
np.random.randint(l,h,size=(n,m))

  1. 从已有的数组中 创建数组
1
2
3
4
5
6
np.asarray(a, dtype=None, order=None)

n7 = np.asarrey([1,2,3])
n8 = np.asarray((1,2,3))
n9 = np.asarray([(1,1),(2,3)])
n10 = np.asarray(([1,2],[3,4]))

数组的基本操作

  1. 数据类型
数据类型 描述
bool_ 布尔值
int_ 整数，int32
intp 用于索引的整数，int64
int32 32位整数
int64 64位整数
uint32 32为无符号整数
uint64 64位无符号整数
float 浮点数
float16 16位浮点数
float32 32位浮点数
datatime64 日期时间类型
timedelta64 两个时间之间的间隔
  1. 数组运算

下面的运算主要基于一维数组，且参与运算的两个数组元素位置必须一一对应。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
n1 = asarray([1,2,3])
n2 = asarray([4,5,6])

# 加减乘除幂运算，一一对应依次运算
n3 = n1+n2
n4 = n1-n2
n5 = n1*n2
n6 = n1/n2
n7 = n1**n2

# 数组与单独的数的运算
n8 = n1*10
n9 = n1/10
n10 = n1+10
n11= n1-10
  1. 数组的索引和切片

数组的索引和切片，在基础课上也讲过，所以，这一课还是很好理解。

索引就是用来标记数组中对应元素的唯一数字，从0开始。

数组的切片可以理解为对数组的切割，按照等分或不等分将一个数组切割为多个片段。

1
2
3
4
5
6
7
8
9
10
n1 = np.array([1,2,3])
n2 = np.array([[1,2,3],[4,5,6]])

# 索引
print(n1[0])
print(n2[1][1])
# 切片
print(n1[:1])
print(n2[1:,:1])

  1. 数组重塑
1
2
3
4
5
6
7
# 一维数组重塑为二维数组:reshape(n,m)
n = np.arange(0,11,1)
n1 = n.reshape(3,4)

# 数组转置
n = array([[1,2,3],[4,5,6]])
print(n.T)
  1. 数组的增，删，改，查

（1）增加数据

1
2
3
4
5
6
7
8
9
n1 = array([[1,2],[3,4],[5,6]]) # 三行两列
n2 = array([[10,11],[12,13],[14,15]]) # 三行两列

# 水平方向增加数据
n3 = np.hstack(n1,n2) # 三行四列

# 垂直方向增加数据
n4 = np.vstack(n1,n2) # 六行两列

（2）删除数据

1
2
3
4
5
6
7
n1 = np.array([[1,2],[3,4],[5,6]])

# 删除第一行所有数据
n2 = np.delete(n1, 0, axis=1)

# 删除第二列所有数据
n3 = np.delete(n1, 1, axis=0)

（3）修改数组

通过索引修改数组中的某个值

1
2
3
4
5
6
7
8
9
n1 = np.arange(1,12,1) # 一维数组
n2 = np.linspace(1,12,1,endpoint=True).reshape(3,4) # 二维数组

# 修改n1数组第7个数的值为11
n1[6] = 11

# 修改n2数组第2行3列的数值为10
n2[1][3] = 10

（4）查询数组

查询数组中满足条件的值

1
2
3
4
5
6
7
n1 = np.arange(1,12,1) 

# 检索出满足条件的值
print(np.where(n1>5))

# 检索满足条件的值，满足条件后输出某一个值，不满足条件输出其他值
print(np.where(n1>5, 'T', 0))
Python
NumPy

本博客所有文章除特别声明外，均采用 CC BY-SA 4.0 协议 ，转载请注明出处！