带有后台的网站开发软件,wordpress 重装,360建筑网发布的简历,网站建设外包公司目录 1 数组基础1.1 Numpy简介1.2 Numpy数组基础1.3 创建数组1.3.1 使用np.array()函数生成数组1.3.2 利用内置函数产生特定形式的数组1.3.2.1 简单内置函数1.3.2.2 特殊内置函数 1.3.3 生成随机数组 1.4 数组的数据类型1.5 数组的迭代1.6数组的索引和切片1.6.1 一维数组的索引… 目录 1 数组基础1.1 Numpy简介1.2 Numpy数组基础1.3 创建数组1.3.1 使用np.array()函数生成数组1.3.2 利用内置函数产生特定形式的数组1.3.2.1 简单内置函数1.3.2.2 特殊内置函数 1.3.3 生成随机数组 1.4 数组的数据类型1.5 数组的迭代1.6数组的索引和切片1.6.1 一维数组的索引1.6.2 多维数组的索引 1.7 多维数组的合并和拆分1.7.1 合并1.7.2 拆分 2 数组的相关操作2.1 统计相关操作2.2 形状相关操作2.2.1 修改数组自身形状2.2.2 修改数组形状不修改自身2.2.3 改变数组自身形状的方法2.2.4 数组的转置2.2.5 数组的降维 2.3 数组的四则运算、点乘与比较操作2.3.1 数组的四则运算2.3.2 点乘2.3.3 比较操作 3 数组读写3.1 数据的读取3.2 数据的写入 1 数组基础
1.1 Numpy简介
NumPy是Python的一个基础科学计算包是许多高级的第三方科学计算的模块如Matplotlib、Pandas等都是基于NumPy所构建的。它包含以下几个特点
强大的多维数组功能。精细而复杂的功能。用于集成C / C 和Fortran代码的工具。实用的线性代数傅里叶变换和随机数功能。
在使用数组前必须首先导入Numpy模块。导入格式 import numpy as np
1.2 Numpy数组基础 数组是Numpy中的核心类型全称为N维数组N-dimensional Array, ndarray整个Numpy模块都是围绕数组来构建的它是一个固定大小和形状的大数据集容器该对象由两部分组成
实际的数据描述这些数据的元数据
大部分的数组操作仅仅修改元数据的部分而不改变底层的实际数据。 Numpy.array和标准的Python库中的Array.array是不一样的标准的Python库中的Array.array只能处理一维数组且所有元素的类型必须是一致的支持的数据类型有整型、浮点型以及复数型但这些类型不能够满足科学计算的需求因此Numpy中添加了许多其他的数据类型如bool、int、int64、float32、complex64等。 同时NumPy数组有许多特有的属性。见下表 同学们可能会有疑问创建一个数组arr [ 1,2, 3], 我们想查看他的属性时需要调用内置函数 len(), dir() 来查看这些函数后面都有括号但是使用 .size 和 .shap 时却不用带括号
解答 大家可以想一想我们学过的类我们创建的类有方法和属性方法是函数属性就是一个变量假设我们创建一个类和对象A a访问函数(方法)时用 a.Fun(), 访问变量(属性)时用 a.n 。 在Python中len() 是一个内置函数用于获取序列如列表、字符串、元组等的长度。因此你需要使用括号来调用这个函数因为它需要执行一些内部操作来计算长度。 而在NumPy中.shape 和 .size 是数组对象的属性而不是方法。属性是用来存储数据或状态信息的因此不需要括号来调用。
代码演示
#在使用数组前必须首先导入NumPy模块。导入格式
import numpy as np#定义一个数组
arr np.array([[1,2,3],[4,5,6]])#注意是[数组数组]print(arr) #打印出数组
print(f数组的维度{arr.ndim}) #数组的维度
print(f数组形状{arr.shape}) #数组的形状几行几列
print(f数组的个数{arr.size}) #数组元素的个数
print(f数组元素的类型{arr.dtype}) #数组元素类型
print(f元素所占字节{arr.itemsize}) #元素所占字节
print(f数组所占内存大小{arr.nbytes}) #数组所占内存大小a np.array([[i for i in range(5)],[i for i in range(1,6)]])
print(arr)
print(f数组的维度{a.ndim}) #数组的维度
print(f数组的形状{a.shape}) #数组的形状几行几列
print(f数组的大小{a.size}) #数组元素的个数1.3 创建数组
1.3.1 使用np.array()函数生成数组 利用np.array()函数来创建函数的参数可以是元组、列表也可是另一个数组。语法格式为 X np.array(list/tuple) 或者 X np.array(list/tuple, dtype np.dtype)
注当np.array()不指定dtype时NumPy将根据数据情况自动匹配一个dtype类型。 注若数值类型不同时会将其合并为类型范围较大的一种
代码演示
print(自动匹配类型)
a np.array([[i for i in range(5)],[i for i in range(1,6)]])
print(a)
print(f数组的维度{a.ndim}) #数组的维度
print(f数组的形状{a.shape}) #数组的形状几行几列
print(f数组的大小{a.size}) #数组元素的个数
print(f数组元素的类型{a.dtype})
print()print(自定义的类型)
arr np.array([[1,2,3],(1,2,3)], dtype np.float32)
print(arr)
print(f维度{arr.ndim})
print(f形状{arr.shape})
print(f大小{arr.size})
print(f数组元素的类型{arr.dtype})#注若数值类型不同时会将其合并为类型范围较大的一种1.3.2 利用内置函数产生特定形式的数组
1.3.2.1 简单内置函数 代码演示
print(np.arange(5))
print()
print(np.zeros((2,2)))
print()
print(np.ones((3,3)))
print()
print(np.full((3,3),6))
print()
print(np.eye(4))1.3.2.2 特殊内置函数
np.arange()函数
语法X np.arange([start, stop, step, dtypeNone ) 注np.arange()函数可以产生一个等距数组左闭右开[ ,)域 其中[ ] 内的内容可省略start的默认值为0step的默认值为1。故而参数个数可以为1个、2个或3个。
代码演示
arr1 np.arange(6)
print(fnp.arange(6):{ arr1})arr2 np.arange(1,6)
print(fnp.arange(1, 6):{ arr2})arr3 np.arange(2, 7, 2)
print(fnp.arange(1, 7, 2):{ arr3})2. np.linspace() 函数
语法X np.linspace(start, stop, num50, endpointTrue, retstepFalse, dtypeNone) 注Numpy中的linspace 函数可以用来创建由等差数列构成的一维数组。
数据类型说明start序列的起始值stop序列的终止值,如果endpointTure,该值包含于数列中num要生成的等步长的样本数量默认为50endpoint该值为Ture时数列中包含stop值反之则不包含默认值为Trueretstep如果为True时生成的数组中会显示间距反之不显示dtypendarray的数据类型
代码演示
arr1 np.linspace(1,10,10)
print(f起始值为1终止值为10元素个数为10{arr1})arr2 np.linspace(1,1,10)
print(f数组元素全部为1个数为10的数列{arr2})arr3 np.linspace(10,20,5)
print(f取终止值20{arr3})arr4 np.linspace(10,20,5,endpoint False)
print(f不取终止值20{arr4})arr5 np.linspace(1,6,6).reshape(2,3)
print(f将数组设置为 2行3列 :)
print(arr5)np.empty() 函数
注X np.empty(n)函数是生成一个指定形状和类型且全为空的数组该函数只是让系统分配指定大小的内容而并没有初始化里面的值是随机的。n为生成数组元素的个数。
代码演示
arr1 np.empty(2)
print(arr1)1.3.3 生成随机数组
numpy.random.rand(d0, d1, …, dn)函数 注创建给定形状的数组并使用[0.0, 1.0)上均匀分布的随机浮点数填充该数组。当函数没有参数时返回一个随机浮点数当函数有一个参数时返回该参数长度大小的一维随机浮点数数组当函数有两个及以上参数时则返回对应维度的数组。numpy.random.randint(low, highNone, sizeNone, dtypeint)函数 注返回随机整数数组数据值位于半开区间 [low, high)。可以用size设置数组的形状例如若size为(m,n,k)则绘制mnk形状的样本。size默认值为“None”在这种情况下将返回单个值。numpy.random. randn(d0, d1, …, dn)函数 注返回一个或一组服从标准正态分布的随机样本值。当函数没有参数时则返回一个浮点数当函数有一个参数时则返回秩为1的数组不能表示向量和矩阵当函数有两个及以上参数时则返回对应维度的数组能表示向量或矩阵。 此外np.random.standard_normal()函数与np.random.randn()类似但是np.random.standard_normal()的输入参数为元组tuple。numpy.random.shuffle(x) 函数 注类似洗牌操作修改参数x。参数x为要洗牌的数组、列表或可变序列。numpy.random.permutation(x)函数 注随机排列一个序列或返回一个排列的范围。如果x是一个多维数组则它只会沿着其第一个索引移动。
代码演示
arr1 np.random.rand(5)
print(frand()生成长度为5的一维随机浮点数数组{arr1})
print()
arr2 np.random.rand(3,2)
print(frand()生成三行两列的随机小数数组:)
print(arr2)
print()
arr3 np.random.randint(1,5,size (2,3))
print(frandint()生成2行3列的从[15之间取的整数数组{arr3})
print()
arr4 np.random.randn(10)
print(frandn()生成一组符合标准正态分布的随机样本值{arr4})
print()
arr5 np.arange(10)
np.random.shuffle(arr5)
print(f打乱数组的顺序{arr5})
print()
arr7 np.arange(10)
arr8 np.random.permutation(arr7)
print(f返回对arr7随机排序的结果{arr8})1.4 数组的数据类型 当使用元组或列表时作为创建数组的参数时若数据类型不同会将其类型统一为类型范围较大的一种即当传入的数据有多种类型时NumPy会自动进行判断将数组转化为最为通用的类型。 代码演示
arr np.array([[1,2,3],[6,7,8],(1.1, 2.2, 3.3)])
print(arr.dtype)1.5 数组的迭代
一维数组迭代返回对应数组中的每一个元素。
代码演示
arr1 np.array([1, 2, 3])
print(一维数组迭代)
for i in arr1:print(i)多维数组迭代返回值是一个维度减一的数组。
代码演示
print(二维数组迭代)
arr2 np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]])
print(f数组{arr2})
print(一次迭代)
for i in arr2:print(i)多维数组可以进行列迭代和逐个元素迭代。
arr3 np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]])
print(f数组{arr3})
print(列迭代和逐个元素迭代)
for i in arr3.flat:print(i)1.6数组的索引和切片
1.6.1 一维数组的索引
一维数组的索引与列表类似不仅支持单个元素的索引还支持负数索引与切片负索引或切片后得到的结果仍是一个数组可以进行数组的相关操作。 代码演示 arr np.arange(0,10)
print(不含步长)
print(f数组元素{arr})
print(f单个元素的索引索引第二个元素{arr[1]})
print(f从第二到倒数第一个元素不包括最后一个元素{arr[1: -1]}) #[]左闭右开
print(f从索引1到索引9{arr[1: 8]})
print(f从索引2到终止{arr[2: ]})
print(f从开始到倒数第二个数{arr[ : -1]})
print()
print(含步长)
print(f取索引2开始到索引10截止步长为2{arr[2: 10: 2]})s slice(2, 10, 2)
print(f使用slice函数切片{arr[s]}) 1.6.2 多维数组的索引
单个元素array[行数][列数]某一行元素array[行数] 或 array[行数]某一列元素array[列数]某几行和某几列[起始行终止行起始列终止列]
代码演示
arr np.arange(9).reshape(3,3)
print(数组为)
print(arr)
print(f打印数组的1行且1列的元素{arr[1][1]})
print(f打印数组23行且2列的元素{arr[1:3,1]}) # : 两侧是左闭右开
print(f打印第2列的所有元素{arr[ : ,2]})
print(f打印1-2行和1-2列的元素\n, arr[0:2,0:2])1.7 多维数组的合并和拆分
1.7.1 合并
在水平方向上一般采用 hstack() 函数实现两个数组的合并。 具体语法为np. hstack((a,b))。 此外concatenate(axis1)函数和column_stack()函数可以实现类似的效果。
代码演示
arr1 np.array([[1,1,1],[3,3,3]])
arr2 np.array([[2,2,2],[4,4,4]])
arr3 np.hstack((arr1,arr2))
print(f水平方向的合并{arr3})
print(f采用concatenate方法在水平方向合并数组{np.concatenate((arr1, arr2), axis 1)})
print(f采用column_stack方法在水平方向合并数组{np.column_stack((arr1, arr2))})2. 在竖直方向上一般采用vstack()函数实现两个数组的合并。 具体语法为np. vstack((a,b))。 当参数axis设置为0时concatenate()函数可以得到同样的结果。row_stack()函数亦如是。除此之外还有一种是深向合并的操作它是沿着第三个坐标轴的方向来合并使用到的函数是dstack()。
代码演示
arr3 np.array([[1,1,1],[3,3,3]])
arr4 np.array([[2,2,2],[4,4,4]])
arr5 np.vstack((arr3,arr4))
print(f使用vstack竖直方向的合并{arr5})arr6 np.dstack((arr3,arr4))
print(f使用dstack数组的深向合并\n,arr6)1.7.2 拆分
水平拆分对于一个n*m的数组可以沿着水平方向将其拆分为m部分并且各部分的大小和形状完全相同 hsplit()、 split(axis1)竖向拆分对于一个n*m的数组也可以沿着竖向(按行)将其拆分为n部分并且各部分的大小和形状完全相同vsplit()、split(axis0)深向拆分对于一个n*m的数组也可以沿着深向将其拆分为n部分dsplit()
arr np.arange(12).reshape(3,4)
print(f采用hsplit函数实现水平拆分按列拆分\n,np.hsplit(arr,2)) #拆分成每行两列
print(f采用vsplit函数实现竖直拆分按行拆分\n,np.vsplit(arr, 1))#拆分成每列一行
print(f采用axis0的split实现竖直拆分按行拆分\n,np.split(arr,1,axis 0))2 数组的相关操作
2.1 统计相关操作
Numpy 提供了很多统计函数可以支持对数组的多种统计操作。 例如从数组中查找最小元素最大元素计算均值、标准差和方差等。
常见的统计函数及说明见表 代码演示
arr np.arange(12).reshape(3,4)
np.random.shuffle(arr)
print(f对所有元素求和{arr.sum()})
print(f对指定维数求和返回一个数组{arr.sum(axis 1)})
print(f最大值{arr.max()}, 最小值{arr.min()})
print(f数组中的元素沿axis1方向的最大值{arr.max(axis1)})
print(f数组中anxis0轴方向的最大值和最小值的差{arr.ptp(axis0)})
print(f最大值的位置{arr.argmax()}, 最小值的位置{arr.argmin()})
print(f平均值{arr.mean()})
print(f所有元素求积{arr.prod()})
print(f标准差{arr.std()}, 方差{arr.var()})
print(-----------)
a np.array([[1,2,3],[4,5,6]])
print(f指定权重数组调用averge()函数的沿axis1计算数组中元素的加权平均值{np.average(a,axis 1,weights a)})
print(f调用std()函数计算数组标准差{np.std(a)})2.2 形状相关操作
2.2.1 修改数组自身形状
.shape属性 代码演示
arr1 np.arange(10)
arr1.shape 2,5
print(fshap 直接在原数组上修改{arr1})2.2.2 修改数组形状不修改自身
reshape()方法也可以实现类似.shape属性的效果但是它不改变原数组的形状并返回一个新的数组。注意形状参数必须与数组大小一致否之会抛出异常。 reshape()方法可以接受一个“-1”作为参数当某一维度是-1时Numpy会自动根据其他维度来计算这一维度的大小。 代码演示
arr2 np.arange(9)
arr3 arr2.reshape(3,3)
print(f原数组arr2{arr2})
print(f修改后的数组arr3\n,arr3)arr4 arr2.reshape(-1, 3)
print(f使用-1系统自动根据其他参数匹配维度\n,arr4)print(------)
arr5 np.arange(6)
arr6 arr5.reshape(-1,3)
print(f原数组arr4{arr5})
print(f当参数为-1时其他维度自动计算大小\n,arr6) 2.2.3 改变数组自身形状的方法
.resize() 方法的作用与reshape()方法的功能一致但改变原来数组的形状。它的原理是首先将原来数组转变为一维数组再判断元素的个数若缺失则缺失元素 以0补全若过满则只截取所需元素从而实现对数组形状的修改。 注意.resize()方法不支持-1参数。
代码演示
arr1 np.arange(10)
arr1.resize(2,5)
print(arr1)arr1.resize(4,4)
print(f元素过多以0补全{arr1})2.2.4 数组的转置
对于数组而言转置可以通过 .T 属性和 .transpose() 方法实现。一般情况下这两种方法是等价的。对一维数组而言转置返回它的本身对于二维数组而言转置相当于将其行列互换对于多维数组而言转置是将所有的维度反向原来的第一维变为最后一维原来的最后一维变成第一维。
代码演示
arr1 np.arange(12)
arr1.resize(3,4)
print(arr1)
print(------------------)
print(arr1.T 转置后)
arr2 arr1.T
print(arr2)print(------------------)
print(arr1.transport() 转置后)
arr3 arr1.transpose()
print(arr3)2.2.5 数组的降维
数组的降维是针对多维数组而言的可以利用 .flat 属性得到数组中的一个一维引用数组同时此属性支持修改对应数值从而使原数组的对应位置有相应的改变。.flatten() 方法和 .revel() 方法也可以实现将数组返回一维化的结果但是.flatten()方法返回的是原数组的一个复制修改它对原数组不产生影响。.revel()方法是返回引用只有在必要时返回复制。
# .flat 先把数组都变成一维支持修改对应数值
arr1 np.arange(10).reshape(2,5)print(原数组\n, arr1)
print(f打印arr1.flat[-1]: { arr1.flat[-1]})arr1.flat[-1] 100
print(f采用arr1.flat[-1]100修改后打印arr1\n, arr1)arr2 arr1.flatten()
print(f采用flatten方法实现数组一维化{arr2})2.3 数组的四则运算、点乘与比较操作
2.3.1 数组的四则运算
数组与数字之间的四则运算规则是数组元素分别对应进行相应运算。数组与数组之间也可以进行四则运算前提是参与运算的数组需有相同的行列。运算规则是按位运算对应位置进行运算。此外数组还支持幂运算、取余和取整运算。
代码演示
arr1 np.array([[1,2,3],[4,5,6]])
arr2 np.array([[1,2,3],[4,5,6]])
print(arr1:\n,arr1)
print(arr2: \n,arr2)
#所有元素2加减乘除都一样
print(farr1所有元素2\n,arr12)
#所有元素2加减乘除都一样
print(两个数组相减\n,arr1 - arr2)
print(arr1**arr2 (arr1对应位置上arr2的次幂)\n, arr1**arr2)
print(arr1 % arr2(取余运算)\n,arr1 % arr2)
print(arr1 // arr2(取整运算)\n, arr1//arr2)2.3.2 点乘
在数学上二维数组可以看成矩阵一维数组可以看成向量它们还支持点乘运算用.dot()函数实现。
代码演示
arr1 np.array([[1,2,3],[4,5,6]])
arr2 np.array([[1,2,3],[4,5,6]])
print(arr1:\n,arr1)
print(arr2: \n,arr2)
print( arr1.dot(arr2.T) (.dot()函数实现矩阵乘法):\n, arr1.dot(arr2.T))2.3.3 比较操作
数组还支持其他运算例如比较和逻辑操作。在比较操作中数组可以与一个数进行比较会返回一个布尔型的数组数组与数组之间也可以进行比较返回一个布尔型数组。
代码演示
arr1 np.array([[1,2,3],[4,5,6]])
arr2 np.array([[4,5,6],[1,2,3]])
print(arr1:\n,arr1)
print(arr2: \n,arr2)
print(arr13(数组与一个数进行比较)\n, arr13)
print(arr1arr2(数组与数组比较)\n, arr1 arr2)3 数组读写
3.1 数据的读取
从文本文件中读取数据 np.loadtxt()函数 。语法格式为 *numpy.loadtxt(fname, dtypeclass ‘float’, comments‘#’, delimiterNone, convertersNone, skiprows0, usecolsNone, unpackFalse, ndmin0, encoding‘bytes’, max_rowsNone, , likeNone)
数据类型说明frame文字、字符串或产生器可以是.gz 或 .bz2 的压缩文件dtype结果数据的数据类型默认值为floatdelimiter分隔字符串默认是空格skiprows指跳过前n行包括注释默认值为0usecols要读取的列0是第一列。例如usecols1,45将提取第2、第5和第6列。默认值“None”将读取所有列unpack如果为True读入属性将分别写入不同变量
数据的分隔字符为空格 代码演示
s np.loadtxt(test.txt)
print(f读取的数据类型为{s.dtype})
print(f读取的数据内容为{s}) 数据的分隔字符为 ‘ ’ 如果文件中的数据不是空格分隔可以设置参数delimiter指定分隔符。
s np.loadtxt(test.txt,delimiter ,)
print(f读取的数据类型为{s.dtype})
print(f读取的数据内容为{s})文件中含有字符串数组 如果文件中的含有字符串的数组可以加上一个参数值。 代码演示
s np.loadtxt(test.txt,str)
print(f读取的数据类型为{s.dtype})
print(f读取的数据内容为{s})文件中包含字符串和数值型的混合数据,可以如下指定数据类型进行读取。 s np.loadtxt(test.txt,skiprows 1,dtype {names:(name,age,number),formats:(S10,i4,f4)})
print(f读取的数据类型为{s.dtype})
print(f读取的数据内容为{s})3.2 数据的写入
将数组写入文件np.savetxt() 写入时默认使用科学记数法的形式保存数字。语法格式如下 np.savetxt(fname, X, fmt‘%.18e’, delimiter’ ‘, newline’\n’, header‘’, footer‘’, comments# , encodingNone)
数据类型说明frame文字、字符串或产生器可以是.gz 或 .bz2 的压缩文件X一维或二维数组即要保存到文本文件的数据fmt单一格式如10.5f、格式序列或多格式字符串delimiter分隔字符串默认是空格
使用默认参数写入
代码演示
arr np.array([[1,2,3],[4,5,6]])
np.savetxt(test.txt,arr)可以使用fmt参数设置数据写入的格式
代码演示
arr np.array([[1,2,3],[4,5,6]])
np.savetxt(test.txt,arr,fmt %d)可以用delimiter参数指定分隔符
代码演示
arr np.array([[1,2,3],[4,5,6]])
np.savetxt(test.txt,arr,fmt %d,delimiter ,)
