NumPy(Numerical Python) 是 Python 語言的一個擴展程序庫，支持大量的維度數(shù)組與矩陣運算，此外也針對數(shù)組運算提供大量的數(shù)學函數(shù)庫。

站在用戶的角度思考問題，與客戶深入溝通，找到忻府網(wǎng)站設計與忻府網(wǎng)站推廣的解決方案，憑借多年的經(jīng)驗，讓設計與互聯(lián)網(wǎng)技術(shù)結(jié)合，創(chuàng)造個性化、用戶體驗好的作品，建站類型包括：網(wǎng)站制作、成都做網(wǎng)站、企業(yè)官網(wǎng)、英文網(wǎng)站、手機端網(wǎng)站、網(wǎng)站推廣、域名注冊、虛擬空間、企業(yè)郵箱。業(yè)務覆蓋忻府地區(qū)。

NumPy 的前身 Numeric 最早是由 Jim Hugunin 與其它協(xié)作者共同開發(fā)，2005 年，Travis Oliphant 在 Numeric 中結(jié)合了另一個同性質(zhì)的程序庫 Numarray 的特色，并加入了其它擴展而開發(fā)了 NumPy。NumPy 為開放源代碼并且由許多協(xié)作者共同維護開發(fā)。 注：以上是題外話，方便進入主題，本文重在基礎的操作。

一、總述：

NumPy的基礎，方便查閱。

二、創(chuàng)建ndarray數(shù)組：

# -*- coding:utf-8 -*-

# author:

import numpy

data = [1,2,3,4,5,6]

x = numpy.array(data)#列表生成一維數(shù)組

print(x)#打印數(shù)組

print(x.dtype)#打印數(shù)組元素的類型

data = [[1,2],[3,4],[5,6]]

x = numpy.array(data)#列表生成二維數(shù)組

print(x )#打印數(shù)組

print(x.ndim )#打印數(shù)組的維度

print(x.shape) #打印數(shù)組各個維度的長度。shape是一個元組

x = numpy.zeros(6) #創(chuàng)建一維長度為6的，元素都是0一維數(shù)組

x = numpy.zeros((2,3)) #創(chuàng)建一維長度為2，二維長度為3的二維0數(shù)組

x = numpy.ones((2,3)) #創(chuàng)建一維長度為2，二維長度為3的二維1數(shù)組

x = numpy.empty((3,3)) #創(chuàng)建一維長度為2，二維長度為3,未初始化的二維數(shù)組

print(numpy.arange(6)) # [0,1,2,3,4,5,] 開區(qū)間生成連續(xù)元素

print(numpy.arange(0,6,2) ) # [0, 2，4]生成連續(xù)元素

三、指定ndarray數(shù)組元素的類型:

# -*- coding:utf-8 -*-

# author:

import numpy

x = numpy.array([1,2.6,3],dtype = numpy.int64)#生成指定元素類型的數(shù)組:設置dtype屬性

x = numpy.array([1,2,3],dtype = numpy.float64)

print(x )# 元素類型為float64

print(x.dtype)

x = numpy.array([1,2.6,3],dtype = numpy.float64)#使用astype復制數(shù)組，并轉(zhuǎn)換類型

y = x.astype(numpy.int32)

z = y.astype(numpy.float64)

x = numpy.array(['1','2','3'],dtype = numpy.string_)#將字符串元素轉(zhuǎn)換為數(shù)值元素

y = x.astype(numpy.int32)

x = numpy.array([ 1., 2.6,3. ],dtype = numpy.float32)#使用其他數(shù)組的數(shù)據(jù)類型作為參數(shù)

y = numpy.arange(3,dtype=numpy.int32)

print(y)

print(y.astype(x.dtype))

四、ndarray的矢量化計算:

# -*- coding:utf-8 -*-

# author:

import numpy

'''ndarray數(shù)組與標量/數(shù)組的運算'''

x = numpy.array([1,2,3])

print(x*2)

print(x>2)

y = numpy.array([3,4,5])

print(x+y)

print(x>y)

五、ndarray數(shù)組的基本索引和切片:

# -*- coding:utf-8 -*-

# author:

import numpy

'''ndarray的基本索引'''

x = numpy.array([[1,2],[3,4],[5,6]])

print(x[0]) # [1,2]

print(x[0][1]) # 2,普通python數(shù)組的索引

print(x[0,1]) # 同x[0][1]，ndarray數(shù)組的索引

x = numpy.array([[[1, 2], [3,4]], [[5, 6], [7,8]]])

print(x[0]) # [[1 2],[3 4]]

y = x[0].copy() # 生成一個副本

z = x[0] # 未生成一個副本

print(y) # [[1 2],[3 4]]

print(y[0,0] )# 1

y[0,0] = 0

z[0,0] = -1

print(y )# [[0 2],[3 4]]

print(x[0]) # [[-1 2],[3 4]]

print(z) # [[-1 2],[3 4]]

'''ndarray的切片'''

x = numpy.array([1,2,3,4,5])

print(x[1:3]) # [2,3] 右邊開區(qū)間

print(x[:3] )# [1,2,3] 左邊默認為 0

print(x[1:]) # [2,3,4,5] 右邊默認為元素個數(shù)

print(x[0:4:2]) # [1,3] 下標遞增2

x = numpy.array([[1,2],[3,4],[5,6]])

print(x[:2] )# [[1 2],[3 4]]

print(x[:2,:1] )# [[1],[3]]

x[:2,:1] = 0 # 用標量賦值

print(x )# [[0,2],[0,4],[5,6]]

x[:2,:1] = [[8],[6]] # 用數(shù)組賦值

print(x) # [[8,2],[6,4],[5,6]]

六、ndarray數(shù)組的布爾索引和其他索引:

# -*- coding:utf-8 -*-

# author:

import numpy

'''ndarray的布爾型索引'''

x = numpy.array([3,2,3,1,3,0])

# 布爾型數(shù)組的長度必須跟被索引的軸長度一致

y = numpy.array([True,False,True,False,True,False])

print(x[y] )# [3,3,3]

print(x[y==False]) # [2,1,0]

print(x>=3) # [ True False True False True False]

print(x[~(x>=3)]) # [2,1,0]

print((x==2)|(x==1) )# [False True False True False False]

print(x[(x==2)|(x==1)] )# [2 1]

x[(x==2)|(x==1)] = 0

print(x )# [3 0 3 0 3 0]

七、ndarray數(shù)組的轉(zhuǎn)置和軸對換:

# -*- coding:utf-8 -*-

# author:

import numpy

'''ndarray數(shù)組的轉(zhuǎn)置和軸對換'''

k = numpy.arange(9) #[0,1,....8]

m = k.reshape((3,3)) # 改變數(shù)組的shape復制生成2維的，每個維度長度為3的數(shù)組

print(k )# [0 1 2 3 4 5 6 7 8]

print(m )# [[0 1 2] [3 4 5] [6 7 8]]

# 轉(zhuǎn)置(矩陣)數(shù)組：T屬性 : mT[x][y] = m[y][x]

print(m.T )# [[0 3 6] [1 4 7] [2 5 8]]

# 計算矩陣的內(nèi)積 xTx

print(numpy.dot(m,m.T)) # numpy.dot點乘

# 高維數(shù)組的軸對象

k = numpy.arange(8).reshape(2,2,2)

print(k )# [[[0 1],[2 3]],[[4 5],[6 7]]]

print(k[1][0][0])

# 軸變換 transpose 參數(shù):由軸編號組成的元組

m = k.transpose((1,0,2)) # m[y][x][z] = k[x][y][z]

print(m )# [[[0 1],[4 5]],[[2 3],[6 7]]]

print(m[0][1][0])

# 軸交換 swapaxes (axes：軸)，參數(shù):一對軸編號

m = k.swapaxes(0,1) # 將第一個軸和第二個軸交換 m[y][x][z] = k[x][y][z]

print(m )#) [[[0 1],[4 5]],[[2 3],[6 7]]]

print(m[0][1][0])

# 使用軸交換進行數(shù)組矩陣轉(zhuǎn)置

m = numpy.arange(9).reshape((3,3))

print(m )# [[0 1 2] [3 4 5] [6 7 8]]

print(m.swapaxes(1,0)) # [[0 3 6] [1 4 7] [2 5 8]]

八、ndarray通用函數(shù):

九、NumPy的where函數(shù)使用:

# -*- coding:utf-8 -*-

# author:

import numpy

'''where函數(shù)的使用'''

cond = numpy.array([True,False,True,False])

x = numpy.where(cond,-2,2)

print(x) # [-2 2 -2 2]

cond = numpy.array([1,2,3,4])

x = numpy.where(cond>2,-2,2)

print(x) # [ 2 2 -2 -2]

y1 = numpy.array([-1,-2,-3,-4])

y2 = numpy.array([1,2,3,4])

x = numpy.where(cond>2,y1,y2) # 長度須匹配

print(x) # [1,2,-3,-4]

'''where函數(shù)的嵌套使用'''

y1 = numpy.array([-1,-2,-3,-4,-5,-6])

y2 = numpy.array([1,2,3,4,5,6])

y3 = numpy.zeros(6)

cond = numpy.array([1,2,3,4,5,6])

x = numpy.where(cond>5,y3,numpy.where(cond>2,y1,y2))

print(x) # [ 1. 2. -3. -4. -5. 0.]

十、ndarray常用的統(tǒng)計方法:

十一、ndarray數(shù)組的去重以及集合運算:

# -*- coding:utf-8 -*-

# author:

import numpy

'''ndarray的唯一化和集合運算'''

x = numpy.array([[1,6,2],[6,1,3],[1,5,2]])

print(numpy.unique(x)) # [1,2,3,5,6]

y = numpy.array([1,6,5])

print(numpy.in1d(x,y)) # [ True True False True True False True True False]

print(numpy.setdiff1d(x,y) )# [2 3]

print(numpy.intersect1d(x,y) )# [1 5 6]

十二、numpy中的線性代數(shù):

十三、numpy中的隨機數(shù)生成:

# -*- coding:utf-8 -*-

# author:

import numpy as np

a=np.random.randint(0,10,100)#范圍內(nèi)的整數(shù)

print(a)

b=np.random.rand(40)#0到1的均勻分布

print(b)

c=np.random.randn(10)#標準正態(tài)分布

print(c)

d=np.random.normal(0,1,100)#生成指定正態(tài)分布

print(d)

e=np.random.random(20)#0到1的均勻分布

print(e)

f=np.random.ranf(20)#0到1的均勻分布

print(f)

g=np.random.uniform(-1,1,100)#指定均勻分布

print(g)

十四、ndarray數(shù)組重塑:

# -*- coding:utf-8 -*-

# author:無錫人流醫(yī)院 http://www.bhnkyy39.com/

import numpy

'''ndarray數(shù)組重塑'''

x = numpy.arange(0,6) #[0 1 2 3 4]

print(x) #[0 1 2 3 4]

print(x.reshape((2,3))) #) [[0 1 2][3 4 5]]

print(x )#[0 1 2 3 4]

print(x.reshape((2,3)).reshape((3,2))) # [[0 1][2 3][4 5]]

y = numpy.array([[1,1,1],[1,1,1]])

x = x.reshape(y.shape)

print(x )# [[0 1 2][3 4 5]]

print(x.flatten() )# [0 1 2 3 4 5]

x.flatten()[0] = -1 # flatten返回的是拷貝

print(x )# [[0 1 2][3 4 5]]

print(x.ravel()) # [0 1 2 3 4 5]

x.ravel()[0] = -1 # ravel返回的是視圖(引用)

print(x) # [[-1 1 2][3 4 5]]

'''"維度大小自動推導"'''

arr = numpy.arange(15)

print(arr.reshape((5, -1))) # 15 / 5 = 3

十五、ndarray數(shù)組的拆分與合并:

十六、數(shù)組的元素重復操作:

# -*- coding:utf-8 -*-

# author:

import numpy

'''數(shù)組的元素重復操作'''

x = numpy.array([[1,2],[3,4]])

print(x.repeat(2)) # 按元素重復 [1 1 2 2 3 3 4 4]

print(x.repeat(2,axis=0)) # 按行重復 [[1 2][1 2][3 4][3 4]]

print(x.repeat(2,axis=1)) # 按列重復 [[1 1 2 2][3 3 4 4]]

x = numpy.array([1,2])

print(numpy.tile(x,2)) # tile瓦片：[1 2 1 2]

print(numpy.tile(x, (2, 2))) # 指定從低維到高維依次復制的次數(shù)。

# [[1 2 1 2][1 2 1 2]]

參考：

NumPy 官網(wǎng) http://www.numpy.org/

NumPy 源代碼：https://github.com/numpy/numpy

SciPy 官網(wǎng)：https://www.scipy.org/

SciPy 源代碼：https://github.com/scipy/scipy

Matplotlib 官網(wǎng)：https://matplotlib.org/

Matplotlib 源代碼：https://github.com/matplotlib/matplotlib

https://blog.csdn.net/cxmscb/article/details/54583415

另外有需要云服務器可以了解下創(chuàng)新互聯(lián)cdcxhl.cn，海內(nèi)外云服務器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務器、裸金屬服務器、高防服務器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應用場景需求。

當前標題：Python關(guān)于Numpy的操作基礎-創(chuàng)新互聯(lián)
鏈接地址：http://jinyejixie.com/article4/ghdoe.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站建設、外貿(mào)網(wǎng)站建設、網(wǎng)站營銷、域名注冊、搜索引擎優(yōu)化、微信小程序

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)