Numpy 基础入门【1】

一、引入Numpy

默认的方式是:
import numpy as np
一般不推荐采用其他方式,上面是默认的方法。

二、ndarray

n维数组对象,是一个大数据集容器,是一中同构数据多维容器,也即是说,ndarray中的数据都是相同类型的。

创建ndaray的方法

array函数是最重要的方法,接受一切序列型的对象。

import numpy as np
data1=[6,7.5,8,0,1]
arr1=np.array(data1)
print(arr1)
[ 6.   7.5  8.   0.   1. ]

ndim属性会返回array的维度,shape属性会返回array的构型,比如说是(2,3)的数组。dtype属性会返回array中元素的数据类型,比如int32.

arr1.ndim
arr1.shape
arr1.dtype

zeros和ones函数分别可以创建指定长度或形状的全0或全1的数组。empty函数可以创建没有任何具体数值的数组。eye函数可以创建一个正方的N*N单位矩阵。

print(np.zeros(10))
print(np.ones((3,6)))
print(np.empty((2,3,2)))

arange函数类似于内置的range,但返回一个ndarray。

print(np.arange(15))
print(np.arange(1,10).reshape(3,3))

数组和标量的运算

大小相等的数组之间的任何运算都会应用到元素层面,比如:

arr=np.arange(1,10).reshape(3,3)
print(arr*arr)
print(arr-arr)
-------------------
[[ 1  4  9]
 [16 25 36]
 [49 64 81]]
[[0 0 0]
 [0 0 0]
 [0 0 0]]

基本的索引和切片

arr=np.arange(0,10)
print(arr)
print(arr[5])
print(arr[5:8])
arr[5:8]=12
print(arr)
--------------------------
[0 1 2 3 4 5 6 7 8 9]
5
[5 6 7]
[ 0  1  2  3  4 12 12 12  8  9]

如果将一个值赋给一个切片,这个值就会自动传播给这个切片里面的所有值。
对于二维数组,基本上是同样的方式,比如:

arr2d=np.arange(15).reshape(3,5)
print(arr2d)
print(arr2d[2])
print(arr2d[2,4])
---------------------------------
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]]
[10 11 12 13 14]
14

在多维数组中,如果省略了后面的索引,那么会返回一个维度低的ndarray,比如:

arr3d=np.arange(12).reshape(2,2,3)
print(arr3d)
print(arr3d[0])
print(arr3d[1,0])
----------------------------
[[[ 0  1  2]
  [ 3  4  5]]
 [[ 6  7  8]
  [ 9 10 11]]]

[[0 1 2]
 [3 4 5]]

[6 7 8]

二维数组的切片索引范例如下图:
布尔型索引,将存储数据的数组以及存储字符的数组对应起来,比如:

names=np.array(['Bob','Joe','Will','Bob','Will','Joe','Joe'])
data=np.random.randn(7,4)
print(names)
print(data)

假如每个名字都对应data数组中的一行,而我们想要选出对应‘Bob’的所有行。数组的比较运算==也是矢量化的。
print(names=='Bob')
返回的将是一个布尔型数组:
[ True False False True False False False]
这个布尔型数组可用于数组索引:
print(data[names=='Bob',2:])
返回的将是这样的一个数组:

[[-0.74744123  0.14274993]
 [ 1.04196354 -0.48137007]]

又比如将data的所有负值都设置为0,如此操作:

data[data<0]=0
print(data)

可以看出array后的[]中可以设置的内容太多了。

数组转置和轴对换

arr.T是最简单的方法。矩阵运行的点乘方法是np.dot。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 195,898评论 5 462
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 82,401评论 2 373
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 143,058评论 0 325
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,539评论 1 267
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,382评论 5 358
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,319评论 1 273
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,706评论 3 386
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,370评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,664评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,715评论 2 312
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,476评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,326评论 3 313
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,730评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,003评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,275评论 1 251
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,683评论 2 342
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,877评论 2 335

推荐阅读更多精彩内容