【Python学习日志】 - Numpy包

【Python学习日志】 - Numpy包

NumPy是什么？

使用Python进行科学计算的基础包，在数据分析的时候比较常用到矩阵计算。这时太多的Np属性不记得，所以方便自己使用把一些常用的Np属性汇总记录一下使用的时候方便查找。

ndarray.ndim 阵列的轴数（尺寸）。 ndarray.shape 数组的大小。这是一个整数元组，表示每个维度中数组的大小。对于具有n行和m列的矩阵，shape将是(n,m)。shape因此，元组的长度 是轴的数量ndim。 ndarray.size 数组的元素总数。这相当于元素的乘积shape。 ndarray.dtype 描述数组中元素类型的对象。可以使用标准Python类型创建或指定dtype。此外，NumPy还提供自己的类型。numpy.int32，numpy.int16和numpy.float64就是一些例子。 ndarray.itemsize 数组中每个元素的大小（以字节为单位）。例如，类型的元素数组float64有itemsize8（= 64/8），而其中一个类型complex32有itemsize4（= 32/8）。它相当于ndarray.dtype.itemsize。 ndarray.data 包含数组实际元素的缓冲区。通常，我们不需要使用此属性，因为我们将使用索引工具访问数组中的元素

杂乱的知识？

查看一个函数的帮助文档，可以直接在文件里输入代码：  help(np.add)

或者在命令行中输入：np.info(np.add)

查看包的版本号信息，可以直接输出：    np.__version__

用zero函数创建数组，默认单元大小是八个字节（也就是默认double？）

import numpy as npA = np.zeros(4)print(A.itemsize)print(A.itemsize*A.size)输出：832

注意数组起始下标是从0开始的。

关于arange和reshape函数：

import numpy as npA = np.arange(8).reshape(2,4)print(A)输出：[[0 1 2 3] [4 5 6 7]]

关于返回非零元素的下标的一系列骚操作：

import numpy as npA = np.arange(8).reshape(2,4)A=A+1A[0][1]=0print(A)print(np.nonzero(A))输出：[[1 0 3 4] [5 6 7 8]](array([0, 0, 0, 1, 1, 1, 1], dtype=int64), array([0, 2, 3, 0, 1, 2, 3], dtype=int64))

其中返回的两个参数，一个是第一维的下标，一个是第二维的下标。

关于eye函数，random函数，以及变量性质的测试

B = np.eye(2)print(B)print(B.size)print(B[0][1])B=np.random.random((3,2))print(B)B="hello"print(B)输出：[[1. 0.] [0. 1.]]40.0[[0.29490288 0.14067274] [0.96161076 0.92929841] [0.26694438 0.40938209]]hello

由此可见，相同都变量名是可以在不同时刻代替不同东西的。

但是不能对这个变量的其中一部分进行代替操作：（下面的函数中，只运行前两行是没有问题的）

程序1：qqweqeqweqq = np.zeros(12)for i in range(10): qqweqeqweqq[i]=np.zeros(12)Error：ValueError: setting an array element with a sequence.----------------------------------------------------------------------------------程序2：qqweqeqweqq = np.zeros((10,2))for i in range(10): qqweqeqweqq[i]=np.zeros(12)Error：ValueError: could not broadcast input array from shape (12) into shape (2)

但是这样是没有问题的：

qqweqeqweqq = np.zeros((10,2))qqweqeqweqq = np.zeros(12)

疑问：sequence，array，list，dic，都有啥区别？

sum函数，max函数，min函数，mean函数

B=np.random.random((3,2))print(B)print(B.max(),B.min(),B.mean())输出：[[0.89882712 0.77860196] [0.7093924 0.15120126] [0.99924821 0.91765126]]0.9992482107724574 0.15120126168466463 0.7424870345505307

对应的，可以添加参数axis=0代表在第0维上进行合并

进一步体验random函数

np1.random.rand（0-1之间的的随机数生成）\randn（服从正态分布的随机数生成）\randint（随机整数的生成）\choice（[]）（随机数产生的范围自定义）\......（其他随机数类型）,举例如下：（图片源自链接）

体验索引下标区别：

B=np.arange(25).reshape((5,5))print(B)print(B[1:-1,1:-1])print(B[1:-1])print(B[1:-1][1:-1])输出：[[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14] [15 16 17 18 19] [20 21 22 23 24]][[ 6 7 8] [11 12 13] [16 17 18]][[ 5 6 7 8 9] [10 11 12 13 14] [15 16 17 18 19]]

int，float，str之间的类型转换：

num2 = "123"; num2 = int(num1); print("num2: %d" % num2); ''' 输出 num2: 123 ''' num1 = "123.12"; num2 = float(num1); print("num2: %f" % num2); ''' num2: 123.120000 ''' num = 123; mystr = str(num); print ("%s" % mystr); ''' 输出 123 '''

其他小测试：（关于numpy的sum函数）

range(2,4)Out[141]: range(2, 4)np.sum(range(4))Out[142]: 6qqqq=range(4)qqqqOut[144]: range(0, 4)type(qqqq)Out[145]: rangenp.sum(range(10,12))Out[146]: 21

numpy包中，还有一个非常实用的玩意：矩阵操作。

创建一个矩阵，可以使用函数np,mat(...)，参数可以是一个list或者是一个narray。

你想构建一个2*3的全1矩阵，则只需要：

A=np.mat(np.ones(6).reshape(2,3))

即可。

现在假设A是个矩阵，那么：

求矩阵的逆：A.I         或者：np.linalg.inv(A)

求矩阵的转置：A.T     或者:  A.linalg.transpose()

求矩阵的行列式：np.linalg.det(A)

求矩阵的特征值和特征向量：np.linalg.eig(np1)

矩阵的点乘：np.linalg.dot(A,B)

求线性方程组的解： 首先写出方程组的右边的y值向量：y=np.array([[y1],[y2],[y3]...]) 函数值的集合等于 x=np.linalg.solve(A,y)

但是要注意np.mat()和np.matrix()的区别：后者是完全复制，前者是当参数是矩阵的时候是直接引用的。

关于数据保存

Numpy提供了几种数据保存的方法。

以3*4数组a为例：

1. a.tofile("filename.bin")

这种方法只能保存为二进制文件，且不能保存当前数据的行列信息，文件后缀不一定非要是bin，也可以为txt，但不影响保存格式，都是二进制。

这种保存方法对数据读取有要求，需要手动指定读出来的数据的的dtype，如果指定的格式与保存时的不一致，则读出来的就是错误的数据。

b = numpy.fromfile("filename.bin",dtype = **)

读出来的数据是一维数组，需要利用

b.shape = 3,4重新指定维数。

2.numpy.save("filename.npy",a)

利用这种方法，保存文件的后缀名字一定会被置为.npy，这种格式最好只用

numpy.load("filename")来读取。

3.numpy.savetxt("filename.txt",a)

b =  numpy.loadtxt("filename.txt")

用于处理一维和二维数组

两个数组的拼接：

np.concatenate((list1,list2),axis=0)：矩阵之间的拼接

axis=0，代表在行方向上拼接（竖着接到后面）

axis=1，代表在列方向上拼接（横着接到后面）

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。