一、Numpy 属性
# 列表转化为矩阵
In []: arr = np.array([[,,],[,,]])
In []: arr
Out[]:
array([[, , ],
[, , ]])
1，维度 ndim
In []: arr.ndim
Out[]:
2，行数和列数 shape
In []: arr.shape
Out[]: (, )
3，元素个数 size
In []: arr.shape
Out[]: (, )
二，创建array
1，创建数组
In []: arr = np.array([[,,],[,,]])
In []: arr
Out[]:
array([[, , ],
[, , ]])
2，创建数组并指定类型
In [12]: arr = np.array([[1,2,3],[4,5,6]],dtype=int)
In [13]: arr
Out[13]:
array([[1, 2, 3],
[4, 5, 6]])
In [14]: arr = np.array([[1,2,3],[4,5,6]],dtype=float)
In [15]: arr
Out[15]:
array([[ 1., 2., 3.],
[ 4., 5., 6.]])
3，创建数据全为0的数组 np.zero((行，列))
In [16]: arr = np.zeros((3,4))
In [17]: arr
Out[17]:
array([[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.]])
4，创建数据全为1的数组 np.ones((行，列))
In [18]: arr = np.ones((3,4))
In [19]: arr
Out[19]:
array([[ 1., 1., 1., 1.],
[ 1., 1., 1., 1.],
[ 1., 1., 1., 1.]])
5，创建数组接近0的数组 np.empty((行，列))
6，按照指定范围创建数组 np.arange(开始，结束，步长)
In [24]: arr = np.arange(10,50,2)
In [25]: arr
Out[25]:
array([10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32, 34, 36, 38, 40, 42,
44, 46, 48])
In [28]: arr = np.arange(10,50,2).reshape(4,5) # 通reshape改变数据形状
In [29]: arr
Out[29]:
array([[10, 12, 14, 16, 18],
[20, 22, 24, 26, 28],
[30, 32, 34, 36, 38],
[40, 42, 44, 46, 48]])
7，创建线段
In [31]: np.linspace(1,20,5)
Out[31]: array([ 1. , 5.75, 10.5 , 15.25, 20. ])
三，运算
In [38]: a = np.array([10,20,30,40]) # 创建a
In [39]: b = np.arange(4) # 创建b
In [40]: b-a # 相减
Out[40]: array([-10, -19, -28, -37])
In [41]: b+a # 相加
Out[41]: array([10, 21, 32, 43])
In [42]: b*a # 乘法
Out[42]: array([ 0, 20, 60, 120])
In [43]: a**2 # 平方
Out[43]: array([ 100, 400, 900, 1600])
In [46]: a<11 # 判断，返回值为布尔
Out[46]: array([ True, False, False, False], dtype=bool)
In [49]: a # 创建a
Out[49]:
array([[1, 2],
[2, 3]])
In [50]: b = np.arange(4).reshape(2,2) # 创建b
In [51]: b
Out[51]:
array([[0, 1],
[2, 3]])
In [52]: a*b # 对应元素相乘
Out[52]:
array([[0, 2],
[4, 9]])
In [53]: np.dot(a,b) # 标准的矩阵乘法计算
Out[53]:
array([[ 4, 7],
[ 6, 11]])
In [64]: a=np.random.random((2,4)) # 产生一个2行4列的矩阵，数值在0到1之间
In [65]: np.sum(a) # 矩阵的和
Out[65]: 4.4227580588680375
In [66]: np.min(a) # 矩阵的最小值
Out[66]: 0.16635521270028986
In [67]: np.max(a) # 矩阵的最大值
Out[67]: 0.78738798170221957
In [76]: a = np.arange(1,10) # 产生一个数组a
In [77]: np.argmax(a) # 数组a的最大值
Out[77]: 8
In [78]: np.argmin(a) # 数组a的最小值
Out[78]: 0
In [79]: np.mean(a) # 数组a的平均值
Out[79]: 5.0
In [80]: np.median(a) # 数组a的中位数
Out[80]: 5.0
In [81]: np.diff(a) # 数组中后一个元素和前一个元素的差值，新组成的一个数组
Out[81]: array([1, 1, 1, 1, 1, 1, 1, 1])
In [82]: np.cumsum(a) # 数组中，第i项和第i-1项的和赋值给i项
Out[82]: array([ 1, 3, 6, 10, 15, 21, 28, 36, 45])
In [83]: np.average(a)# 数组a的平均数
Out[83]: 5.0
In [92]: a = np.arange(10,0,-1).reshape(2,5) # 创建一个2行5列的数组a，值从10到0，每次递减一个
In [93]: a
Out[93]:
array([[10, 9, 8, 7, 6],
[ 5, 4, 3, 2, 1]])
In [94]: np.sort(a) # 对数组的每一行进行排序
Out[94]:
array([[ 6, 7, 8, 9, 10],
[ 1, 2, 3, 4, 5]])
In [95]: np.transpose(a) # 转置数组a
Out[95]:
array([[10, 5],
[ 9, 4],
[ 8, 3],
[ 7, 2],
[ 6, 1]])
In [96]: a.T # 转置数组a
Out[96]:
array([[10, 5],
[ 9, 4],
[ 8, 3],
[ 7, 2],
[ 6, 1]])
In [97]: np.clip(a,5,8) # 将数组中元素值比5小的值赋为5，元素值比8大的值赋为8
Out[97]:
array([[8, 8, 8, 7, 6],
[5, 5, 5, 5, 5]])
四，通过索引取元素
In [98]: a # 数组a
Out[98]:
array([[10, 9, 8, 7, 6],
[ 5, 4, 3, 2, 1]])
In [99]: a[0] # 取数组a的第1行
Out[99]: array([10, 9, 8, 7, 6])
In [100]: a[0][0] # 取数组a的第一行的第一个元素
Out[100]: 10
In [101]: a[0,0] # 取数组a的第一行的第一个元素的另一种写法
Out[101]: 10
In [102]: a[0,1:3]# 取数组a的第一行的，第2列到第3列
Out[102]: array([9, 8])
In [103]: a.flatten() # 将多维的矩阵转换为一行的矩阵
Out[103]: array([10, 9, 8, 7, 6, 5, 4, 3, 2, 1])
五、合并
In [110]: a # 数组a
Out[110]: array([1, 1, 1])
In [111]: b # 数组b
Out[111]: array([2, 2, 2])
In [112]: np.vstack((a,b)) # 上下合并
Out[112]:
array([[1, 1, 1],
[2, 2, 2]])
In [113]: np.hstack((a,b))# 左右合并
Out[113]: array([1, 1, 1, 2, 2, 2])
六、分割
1，等量分割 np.split()
1.1，按行分割
In [138]: a # 3行4列的数组a
Out[138]:
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
In [139]: np.split(a,1,axis=0) # 将数组a按行进行分割，一行一组。如果此时将参数改为（a,2,axis=0）是不行的，因为是等量分割，前两行为一项，后一行为一项是不等量的
Out[139]:
[array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])]
In [140]: np.split(a,3,axis=0)# 将数组a按行进行分割，三行一组
Out[140]: [array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8, 9, 10, 11]])]
1.2，按列分割
In [133]: a # 3行4列的数组a
Out[133]:
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
In [134]: np.split(a,2,axis=1) # 将数组a，按照列分割，2列一组。如果现在参数是（a,3,axis=1）这样是不行的，因为进行的是等量分割，前三列为一项，只剩下一项不是等量的。
Out[134]:
[array([[0, 1],
[4, 5],
[8, 9]]), array([[ 2, 3],
[ 6, 7],
[10, 11]])]
2，不等量分割 np.array_split()
In [144]: a # 3行4列的数组a
Out[144]:
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
In [145]: np.array_split(a,3,axis=1) # 按照列进行不等量的分割
Out[145]:
[array([[0, 1],
[4, 5],
[8, 9]]), array([[ 2],
[ 6],
[10]]), array([[ 3],
[ 7],
[11]])]
In [146]: np.array_split(a,2,axis=0)# 按照行进行不等量的分割
Out[146]:
[array([[0, 1, 2, 3],
[4, 5, 6, 7]]), array([[ 8, 9, 10, 11]])]
3，其他分割
In [147]: np.vsplit(a,1) # 等同于np.split(a,1,axis=0)
Out[147]:
[array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])]
In [148]: np.hsplit(a,2) # 等同于np.aplit(a,2,axis=1)
Out[148]:
[array([[0, 1],
[4, 5],
[8, 9]]), array([[ 2, 3],
[ 6, 7],
[10, 11]])]
七、赋值和拷贝
In [149]: a # 创建3行4列数组a
Out[149]:
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]]) In [150]: b = a # 创建数组b，将a的值赋给b In [151]: a[0][0]=111 # 改变a[0][0]的值为111 In [152]: b[0][0]==111# 这时，b的值也会变为111
Out[152]: True In [153]: c=b.copy() # 创建数组c，值为b的值，通过copy的方式
In [157]: b[0][0]=222 # 将b[0][0]的值改为222
In [158]: c[0][0]==222# 这时，c[0][0]还是没有改变
Out[158]: False
In [159]: c[0][0]
Out[159]: 111