簡(jiǎn)述Numpy

shaonbean 發(fā)布于2019-07-31 11:15 / 3261人閱讀

摘要：的數(shù)組對(duì)象生成一個(gè)數(shù)組輸出成形式，元素由空格分割軸保存數(shù)據(jù)的維度秩軸的數(shù)量對(duì)象的屬性屬性說(shuō)明秩，即軸的數(shù)量或維度的數(shù)量對(duì)象的尺度，對(duì)于矩陣，行列對(duì)象元素的個(gè)數(shù)，相當(dāng)于中的值對(duì)象的元素類型對(duì)象中每個(gè)元素的大小，以字節(jié)為單位的元素類型數(shù)據(jù)類型說(shuō)

numpy的數(shù)組對(duì)象ndarray

np.array()生成一個(gè)ndarray數(shù)組

np.array()輸出成[]形式，元素由空格分割

軸(axis)：保存數(shù)據(jù)的維度

秩(rank)：軸的數(shù)量

ndarray對(duì)象的屬性

屬性	說(shuō)明
.ndim	秩，即軸的數(shù)量或維度的數(shù)量
.shape	ndarray對(duì)象的尺度，對(duì)于矩陣，n行m列
.size	ndarray對(duì)象元素的個(gè)數(shù)，相當(dāng)于.shape中n*m的值
.dtype	ndarray對(duì)象的元素類型
.itemsize	ndarray對(duì)象中每個(gè)元素的大小，以字節(jié)為單位

ndarray的元素類型

數(shù)據(jù)類型	說(shuō)明
bool	布爾類型，True或False
intc	與C語(yǔ)言中的int類型一致，一般是int32或int64
intp	用于索引的整數(shù)，與C語(yǔ)言中ssize_t一致，int32或int64
int8	字節(jié)長(zhǎng)度的整數(shù)，取值:[-128, 127]
int16	16位字節(jié)長(zhǎng)度的整數(shù)，取值:[-32768, 32767]
int32	32位字節(jié)長(zhǎng)度的整數(shù)，取值:[-2^31, 2^31-1]
int64	64位字節(jié)長(zhǎng)度的整數(shù)，取值:[-2^63, 2^63-1]
uint8	8位無(wú)符號(hào)整數(shù)，取值：[0,255]
uint16	16位無(wú)符號(hào)整數(shù)，取值：[0,65535]
uint32	32位無(wú)符號(hào)整數(shù)，取值：[0,2^32-1]
uint64	64位無(wú)符號(hào)整數(shù)，取值：[0,2^64-1]
float16	16位半精度浮點(diǎn)數(shù)：1位符號(hào)位，5位指數(shù)，10位尾數(shù)
float32	32位半精度浮點(diǎn)數(shù)：1位符號(hào)位，8位指數(shù)，23位尾數(shù)
float64	64位半精度浮點(diǎn)數(shù)：1位符號(hào)位，11位指數(shù)，52位尾數(shù)
complex64	復(fù)數(shù)類型，實(shí)部和虛部都是32位浮點(diǎn)數(shù)
complex128	復(fù)數(shù)類型，實(shí)部和虛部都是64位浮點(diǎn)數(shù)

ndarray數(shù)組的創(chuàng)建方法 1.從python中的列表、元組等類型創(chuàng)建ndarray數(shù)組

x = np.array(list/tuple)
x = np.array(list/tuple, dtype = np.float32)
當(dāng)np.array()不指定dtype時(shí)，numpy將根據(jù)數(shù)據(jù)情況關(guān)聯(lián)一個(gè)dtype類型

2.使用numpy中函數(shù)創(chuàng)建ndarray數(shù)組，如：arange, ones, zeros等

函數(shù)	說(shuō)明
np.arange(n)	類似range()函數(shù)，返回ndarray類型，元素從0到n-1
np.ones(shape)	根據(jù)shape生成一個(gè)全1數(shù)組，shape是元組類型
np.zeros(shape)	根據(jù)shape類型生成一個(gè)全0數(shù)組，shape是元組類型
np.full(shape,val)	根據(jù)shape生成一個(gè)數(shù)組，每個(gè)元素值都是val
np.eye(n)	創(chuàng)建一個(gè)正方的n*n單位矩陣，對(duì)角線為1，其余為0
np.ones_like(a)	根據(jù)數(shù)組a的形狀生成一個(gè)全1數(shù)組
np.zeros_like(a)	根據(jù)數(shù)組a的形狀生成一個(gè)全0數(shù)組
np.full_like(a, val)	根據(jù)數(shù)組a的形狀生成一個(gè)數(shù)組，每個(gè)元素都是val
np.linspace()	根據(jù)起止數(shù)據(jù)等間距地填充數(shù)據(jù)，形成數(shù)組
np.concatenate()	將兩個(gè)或多個(gè)數(shù)組合并成一個(gè)新的數(shù)組

ndarray數(shù)組的維度變換

方法	說(shuō)明
.reshape(shape)	不改變數(shù)組元素，返回一個(gè)shape形狀的數(shù)組，原數(shù)組不變
.resize(shape)	與.reshape()功能一致，但修改原數(shù)組
.swapaxes(ax1,ax2)	將數(shù)組n個(gè)維度中的兩個(gè)維度進(jìn)行調(diào)換
.flatten()	對(duì)數(shù)組進(jìn)行降維，返回折疊后的一維數(shù)組，原數(shù)組不變

ndarray數(shù)組的類型變換

new_a = a.astype(new_type)
astype()方法一定會(huì)創(chuàng)建新的數(shù)組（原始數(shù)據(jù)的一個(gè)拷貝），即使兩個(gè)類型一致

ndarray數(shù)組向列表的轉(zhuǎn)換

ls = a.tolist()

Numpy一元函數(shù)

對(duì)ndarray中的數(shù)據(jù)執(zhí)行元素級(jí)運(yùn)算的函數(shù)

函數(shù)	說(shuō)明
np.abs(x) np.fabs(x)	計(jì)算數(shù)組各元素的絕對(duì)值
np.sqrt(x)	計(jì)算數(shù)組各元素的平方根
np.square(x)	計(jì)算數(shù)組各元素的平方
np.log(x) np.log10(x) np.log2(x)	計(jì)算數(shù)組各元素的自然對(duì)數(shù)、10底對(duì)數(shù)和2底對(duì)數(shù)
np.ceil(x) np.floor(x)	計(jì)算數(shù)組各元素的ceiling值或floor值
np.rint(x)	計(jì)算數(shù)組各元素的四舍五入值
np.modf(x)	將數(shù)組各元素的小數(shù)和整數(shù)部分以兩個(gè)獨(dú)立數(shù)組的形式返回
np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x)	計(jì)算各元素的普通型和雙曲型三角函數(shù)
np.exp(x)	計(jì)算數(shù)組各元素的指數(shù)值
np.sign(x)	計(jì)算數(shù)組各元素的符號(hào)值，1(+),0,-1(-)

numpy二元函數(shù)

函數(shù)	說(shuō)明
+ -* / **	兩個(gè)數(shù)組各元素進(jìn)行對(duì)應(yīng)運(yùn)算
np.maximum(x,y) np.fmax()	元素級(jí)的最大值計(jì)算
np.minimum(x,y) np.fmin()	元素級(jí)的最小值計(jì)算
np.mod(x,y)	元素級(jí)的模運(yùn)算
np.copysign(x,y)	將數(shù)組y中各元素值的符號(hào)賦值給數(shù)組x對(duì)應(yīng)元素
> < >= <= == !=	算術(shù)比較，產(chǎn)生布爾型數(shù)組

數(shù)據(jù)的CSV文件存取

1.np.savetxt(frame, array, fmt="%.18e", delimiter=None)

frame:文件、字符串或產(chǎn)生器，可以是.gz或.bz2的壓縮文件

array:存入文件的數(shù)組

fmt:寫入文件的格式，例如：%d %.2f %.18e

delimiter:分割字符串，默認(rèn)是任何空格

2.np.loadtxt(frame, dtype=np.float, delimiter=None, unpack=False)

frame:文件、字符串或產(chǎn)生器，可以是.gz或.bz2的壓縮文件

dtype:數(shù)據(jù)類型，可選

delimiter:分割字符串，默認(rèn)是任何空格

unpack:如果是True，讀入屬性將分別寫入不同變量

3.CSV文件的局限性

CSV只能有效存儲(chǔ)一維和二維數(shù)組

np.savetxt() np.loadtxt()只能有效存取一維和二維數(shù)組

多維數(shù)據(jù)的存取

1. a.tofile(frame, sep="", format="%s")

frame:文件、字符串

sep:數(shù)據(jù)分割字符串，如果是空串，寫入文件為二進(jìn)制

format:寫入數(shù)據(jù)的格式

2. np.fromfile(frame, dtype=float, count=-1, sep="")
frame:文件、字符串
dtype:讀取的數(shù)據(jù)類型
count:讀取元素個(gè)數(shù)、-1表示讀取整個(gè)文件
sep:數(shù)據(jù)分割字符串，如果是空串，寫入文件為二進(jìn)制
注意：該方法需要讀取時(shí)知道存入文件時(shí)數(shù)組的維度和元素類型，a.tofile()和np.fromfile()需要配合使用

numpy的便捷文件存取

1. np.save(fname, array)或np.savez(fname, array)

fname:文件名，以.npy為拓展名，壓縮拓展名為.npz

array:數(shù)組變量

2.np.load(fname)

fname:文件名，以.npy為拓展名，壓縮拓展名為.npz

Numpy的隨機(jī)數(shù)函數(shù)(np.random)

函數(shù)	說(shuō)明
rand(d0,d1,...,dn)	根據(jù)d0-dn創(chuàng)建隨機(jī)數(shù)數(shù)組，浮點(diǎn)數(shù)，[0,1)，均勻分布
randn(d0,d1,...,dn)	根據(jù)d0-dn創(chuàng)建隨機(jī)數(shù)數(shù)組，標(biāo)準(zhǔn)正態(tài)分布
randint(low, high, shape)	根據(jù)shape創(chuàng)建隨機(jī)整數(shù)或整數(shù)數(shù)組，范圍是[low,high)
seed(s)	隨機(jī)數(shù)種子，s是給定的種子值
shuffle(a)	根據(jù)數(shù)組a的第一軸進(jìn)行隨機(jī)排列，改變數(shù)組x
permutation(a)	根據(jù)數(shù)組a的第一軸產(chǎn)生一個(gè)新的亂序數(shù)組，不改變數(shù)組x
choice(a,size,replace,p)	從一維數(shù)組a中以概率p抽取元素，形成size形狀新數(shù)組，replace表示是否可以重用元素，默認(rèn)為False
uniform(low,high, size)	產(chǎn)生具有均勻分布的數(shù)組,low起始值,high結(jié)束值,size形狀
normal(loc,scale,size)	產(chǎn)生具有正態(tài)分布的數(shù)組,loc均值,scale標(biāo)準(zhǔn)差,size形狀
poisson(lam, size)	產(chǎn)生具有泊松分布的數(shù)組,lam隨機(jī)事件發(fā)生率,size形狀

Numpy的統(tǒng)計(jì)函數(shù)

函數(shù)	說(shuō)明
sum(a, axis=None)	根據(jù)給定軸axis計(jì)算數(shù)組a相關(guān)元素之和，axis整數(shù)或元組
mean(a, axis=None)	根據(jù)給定軸axis計(jì)算數(shù)組a相關(guān)元素的期望，axis整數(shù)或元組
average(a, axis=None, weights=None)	根據(jù)給定軸axis計(jì)算數(shù)組a相關(guān)元素的加權(quán)平均值
std(a, axis=None)	根據(jù)給定軸axis計(jì)算數(shù)組a相關(guān)元素的標(biāo)準(zhǔn)差
var(a, axis=None)	根據(jù)給定軸axis計(jì)算數(shù)組a相關(guān)元素的方差
min(a) max(a)	計(jì)算數(shù)組a中元素的最小值、最大值
argmin(a) argmax(a)	計(jì)算數(shù)組a中元素最小值、最大值的降一維后的下標(biāo)
unravel_index(index, shape)	根據(jù)shape將一維下標(biāo)index轉(zhuǎn)換成多維下標(biāo)
ptp(a)	計(jì)算數(shù)組a中元素最大值與最小值的差
median(a)	計(jì)算數(shù)組a中元素的中位數(shù)（中值）

Numpy的梯度函數(shù)

函數(shù)	說(shuō)明
np.gradient(f)	計(jì)算數(shù)組f中元素的梯度，當(dāng)f為多維時(shí)，返回每個(gè)維度的梯度

云服務(wù)器 GPU云服務(wù)器 numpy numpy創(chuàng)建數(shù)組 numpy數(shù)組操作 python_numPy

文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址：http://www.ezyhdfw.cn/yun/44864.html

發(fā)表評(píng)論

登陸后可評(píng)論

0條評(píng)論

shaonbean

男|高級(jí)講師

我要關(guān)注我要私信

TA的文章

cocokk289大贏家單邊掃貨籃球足球?qū)_蘇打水火狐籃球偷分皇冠跟單

閱讀 6450·2021-11-22 15:32
基于Zynq-7000系列之硬件開發(fā)學(xué)習(xí)教程——Xilinx Vivado HLS案例（2）

閱讀 938·2021-11-11 16:54
用Python搓一個(gè)太陽(yáng)系

閱讀 3251·2021-10-13 09:40
華納云：(hncloud)-cn2+bgp線路香港雲(yún)服務(wù)器，18元/月，簡(jiǎn)單測(cè)評(píng)

閱讀 2248·2021-09-03 10:35
CloudCone：洛杉磯CN2 GIA線路服務(wù)器15-100M不限流量$82/月起

閱讀 1921·2021-08-09 13:47
表單label兩端對(duì)齊之css實(shí)現(xiàn)

閱讀 1942·2019-08-30 15:55
如何用自己喜歡的 CSS 風(fēng)格重置網(wǎng)站的樣式

閱讀 2000·2019-08-30 15:43
小程序?qū)W習(xí)筆記(1)

閱讀 2518·2019-08-29 17:06

亚洲中字慕日产2020,大陆极品少妇内射AAAAAA,无码av大香线蕉伊人久久,久久精品国产亚洲av麻豆网站

資訊專欄INFORMATION COLUMN

上云采購(gòu)季！| 2核2G4M爆款云服務(wù)器低至59元/年，更有多臺(tái)、長(zhǎng)期優(yōu)惠，快來(lái)選購(gòu)！

簡(jiǎn)述Numpy

相關(guān)文章

python面試常見(jiàn)問(wèn)題

實(shí)戰(zhàn)：從Python分析17-18賽季NBA勝率超70%球隊(duì)數(shù)據(jù)開始…

一個(gè)程序員的正版清單

NumPy 數(shù)組大全

NumPy 數(shù)組大全

發(fā)表評(píng)論

0條評(píng)論

shaonbean

男|高級(jí)講師

TA的文章

cocokk289大贏家單邊掃貨籃球足球?qū)_蘇打水火狐籃球偷分皇冠跟單

基于Zynq-7000系列之硬件開發(fā)學(xué)習(xí)教程——Xilinx Vivado HLS案例（2）

用Python搓一個(gè)太陽(yáng)系

華納云：(hncloud)-cn2+bgp線路香港雲(yún)服務(wù)器，18元/月，簡(jiǎn)單測(cè)評(píng)

CloudCone：洛杉磯CN2 GIA線路服務(wù)器15-100M不限流量$82/月起

表單label兩端對(duì)齊之css實(shí)現(xiàn)

如何用自己喜歡的 CSS 風(fēng)格重置網(wǎng)站的樣式

小程序?qū)W習(xí)筆記(1)

最新活動(dòng)

資訊專欄INFORMATION COLUMN

上云采購(gòu)季！| 2核2G4M爆款云服務(wù)器低至59元/年，更有多臺(tái)、長(zhǎng)期優(yōu)惠，快來(lái)選購(gòu)！

簡(jiǎn)述Numpy

相關(guān)文章

發(fā)表評(píng)論

0條評(píng)論

男|高級(jí)講師

TA的文章

最新活動(dòng)

上云采購(gòu)季！| 2核2G4M爆款云服務(wù)器低至59元/年，更有多臺(tái)、長(zhǎng)期優(yōu)惠，快來(lái)選購(gòu)！