点击跳转 《Numpy入门系列目录》
数组属性
ndarrary（数组）是存储单一数据类型的多维数组数组创建
numpy.array(object, dtype=None, copy=True, order=‘K’, subok=False, ndmin=0)
当dtype=None时，会自动匹配一个最小的类型创建数组并查看数组属性
import numpy as np
import numpy as np # 导入numpy库 arr1 = np.array([1, 2, 3, 4]) # 创建一维数组 print('创建的数组为', arr1) arr2 = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [7, 8, 9, 10]]) # 创建二维数组 print('创建的数组为\n', arr2) print('数组维度为', arr2.shape) # 数组维度为 (3, 4) print('数组类型为', arr2.dtype) # 数组类型为 int32 print('数组元素个数为', arr2.size) # 数组元素个数为 12 print('数组每个元素大小为', arr2.itemsize) # 数组每个元素大小为 4重新设置数组的shape属性
arr2.shape = 4, 3 # 重新设置shape print('重新设置shape后的arr2：\n', arr2) # (4, 3)使用arange函数创建数组
前闭后开区间（开始值, 终止值, 步长） import numpy as np # 导入numpy库 print(np.arange(0, 1, 0.1)) ''' [0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9] '''使用linspace函数创建等差数列
闭区间（开始值, 终止值, 元素个数） import numpy as np print(np.linspace(0, 1, 12)) ''' [0. 0.09090909 0.18181818 0.27272727 0.36363636 0.45454545 0.54545455 0.63636364 0.72727273 0.81818182 0.90909091 1. ] '''使用logspace函数创建等比数列
闭区间（开始值, 终止值, 元素个数） import numpy as np print(np.logspace(0, 2, 20)) # 从10的0次方开始，到10的2次方结束 ''' [ 1. 1.27427499 1.62377674 2.06913808 2.6366509 3.35981829 4.2813324 5.45559478 6.95192796 8.8586679 11.28837892 14.38449888 18.32980711 23.35721469 29.76351442 37.92690191 48.32930239 61.58482111 78.47599704 100. ] '''使用zeros函数创建全0数组
在参数中输入维数的元组 import numpy as np print(np.zeros((2, 3))) ''' [[0. 0. 0.] [0. 0. 0.]] '''使用eye函数创建数组
单位矩阵 import numpy as np print(np.eye(3)) ''' [[1. 0. 0.] [0. 1. 0.] [0. 0. 1.]] '''使用diag函数创建数组
import numpy as np print(np.diag([1, 2, 3, 4])) ''' [[1 0 0 0] [0 2 0 0] [0 0 3 0] [0 0 0 4]] '''使用ones函数创建数组
全1矩阵 import numpy as np print(np.ones((5, 3))) ''' [[1. 1. 1.] [1. 1. 1.] [1. 1. 1.] [1. 1. 1.] [1. 1. 1.]] '''数组数据类型
Numpy基本数据类型与其取值范围
int64中，64表示占有内存的位数，范围为-263至263-1
uint64：0至264-1
float16
……
数组数据类型转换
import numpy as np print('转换结果为：', np.float64(42)) # 整型转换为浮点型，42.0 print('转换结果为：', np.int8(42.0)) # 浮点型转换为整型，42 print('转换结果为：', np.bool(42)) # 整型转换为布尔型，True print('转换结果为：', np.bool(0)) # 整型转换为布尔型，False print('转换结果为：', np.float(True)) # 布尔型转换为浮点型，1.0 print('转换结果为：', np.float(False)) # 布尔型转换为浮点型，0.0创建一个存储餐饮企业库存信息的数据类型
其中，用一个长度为40个字符的字符串记录商品名称，用一个64位的整数记录商品库存数量，最后用一个64位的浮点数记录商品价格。类似结构数据类型
创建数据类型
import numpy as np df = np.dtype([("name", np.str_, 40), ("numitems", np.int64), ("price", np.float64)]) # 自定义数据类型的创建 print('数据类型为', df) # 数据类型为 [('name', '<U40'), ('numitems', '<i8'), ('price', '<f8')]，其中U表示Unicode，<表示低位放在内存最前面，>与其相反查看数据类型
可以直接查看或者使用numpy.dtype函数查看
import numpy as np df = np.dtype([("name", np.str_, 40), ("numitems", np.int64), ("price", np.float64)]) print('数据类型为：', df["name"]) # 数据类型为： <U40 print('数据类型为：', np.dtype(df["name"])) # 数据类型为： <U40在使用array函数创建数组时，数组的数据类型默认是浮点型
自定义数据数据，则可以预先指定数据类型
import numpy as np df = np.dtype([("name", np.str_, 40), ("numitems", np.int64), ("price", np.float64)]) itemz = np.array([("tomatoes", 42, 4.14), ("cabbages", 13, 1.72)], dtype=df) print('自定义数据为', itemz) # 自定义数据为 [('tomatoes', 42, 4.14) ('cabbages', 13, 1.72)]生成的是伪随机数
random模块常用随机数生成函数
当seed的值一样时，创建的伪随机数不会发生变化
import numpy as np print(np.random.random(100)) # 生成100个在[0, 1)的随机数 print(np.random.rand(10, 5)) # 生成10行5列的在[0, 1)的服从均匀分布的随机数 print(np.random.randn(10, 5)) # 生成10行5列的服从正态分布的随机数 print(np.random.randint(2, 10, size=(2, 5))) # 生成2*5的数组，数字范围在[2, 10)一维数组的索引
import numpy as np arr = np.arange(10) print('索引结果为：', arr[5]) # 用整数作为下标可以获取数组中的某个元素 print('索引结果为：', arr[3:5]) # 用范围作为下标获取数组的一个切片，前闭后开 print('索引结果为：', arr[:5]) # 省略开始下标，默认从0开始 print('索引结果为：', arr[-1]) # 下标可以使用负数，-1表示从数组后往前数第一个元素 arr[2:4] = 100, 101 # 下标还可以用来修改元素的值 print('索引结果为：', arr) print('索引结果为：', arr[1:-1:2]) # 第三个参数表示步长 print('索引结果为：', arr[5:1:-2]) # 步长为负数时，开始下标必须大于结束下标多维数组的索引
import numpy as np arr = np.array([[1, 2, 3, 4, 5], [4, 5, 6, 7, 8], [7, 8, 9, 10, 11]]) print('索引结果为：', arr[0, 3:5]) # 第0行中第3和第4列的元素 print('索引结果为：', arr[1:, 2:]) # 第1~2行中第2~4列的元素 print('索引结果为：', arr[:, 2]) # 第2列的元素使用整数和布尔值索引访问数据
import numpy as np arr = np.array([[1, 2, 3, 4, 5], [4, 5, 6, 7, 8], [7, 8, 9, 10, 11]]) # 从两个序列的对应位置取出2个整数来组成下标：arr[0,1], arr[1,2], arr[2,3] print('索引结果为：', arr[[(0, 1, 2), (1, 2, 3)]]) print('索引结果为：', arr[1:, (0, 2, 3)]) # 第1~2行中第0, 2, 3列元素 mask = np.array([1, 0, 1], dtype=np.bool) # [True False True] # mask是一个布尔数组，索引第1, 3行中第2列的元素 print('索引结果为：', arr[mask, 2])array.reshape()
import numpy as np arr = np.arange(12) print('创建的一维数组为', arr) print('新的二维数组为', arr.reshape(3, 4)) # 转换为3*4的二维数组 print('数组维度为', arr.reshape(3, 4).ndim) # 数组维度为 2array.ravel()
横向展平数组（一行一行展平） import numpy as np arr = np.arange(12).reshape(3, 4) print('创建的二维数组为：', arr) print('数组展平后为', arr.ravel()) # 一维数组array.flatten()
展平数组（默认横向展平） import numpy as np arr = np.arange(12).reshape(3, 4) print('数组展平为', arr.flatten()) # 横向展平 print('数组展平为', arr.flatten('F')) # 纵向展平np.hstack()
实现数组横向组合，即行与行拼接在一起 np.hstack((arr1, arr2))np.vstack()
实现数组纵向组合，即列与列拼接在一起 np.vstack((arr1, arr2))np.concatenate()
实现数组横向组合 np.concatenate((arr1, arr2), axis=1)np.concatenate()
实现数组纵向组合 np.concatenate((arr1, arr2), axis=0)np.hsplit()
实现数组横向分割，按列分割成2个，需要方阵，并且维度是偶数 import numpy as np arr = np.arange(16).reshape(4, 4) arr1, arr2 = np.hsplit(arr, 2) print(arr1) print(arr2) ''' [[ 0 1] [ 4 5] [ 8 9] [12 13]] [[ 2 3] [ 6 7] [10 11] [14 15]] '''np.vsplit()
实现数组纵向分割，按行分割成2个，需要方阵，并且维度是偶数 import numpy as np arr = np.arange(16).reshape(4, 4) arr1, arr2 = np.vsplit(arr, 2) print(arr1) print(arr2) ''' [[0 1 2 3] [4 5 6 7]] [[ 8 9 10 11] [12 13 14 15]] '''np.split()
实现数组横向分割，需要方阵，并且维度是偶数 import numpy as np arr = np.arange(16).reshape(4, 4) arr1, arr2 = np.split(arr, 2, axis=1) print(arr1) print(arr2) ''' [[ 0 1] [ 4 5] [ 8 9] [12 13]] [[ 2 3] [ 6 7] [10 11] [14 15]] ''' 实现数组纵向分割，需要方阵，并且维度是偶数 import numpy as np arr = np.arange(16).reshape(4, 4) arr1, arr2 = np.split(arr, 2, axis=0) print(arr1) print(arr2) ''' [[0 1 2 3] [4 5 6 7]] [[ 8 9 10 11] [12 13 14 15]] '''np.split(arr, 2, axis=0)