numpy学习

豆萁～2024-05-01 14:02
python 复制代码 
import numpy as np
python 复制代码 
## 创建一个一维数组
np.array([1,2,3])
复制代码 
array([1, 2, 3])
python 复制代码 
np.array([1,2,3])
复制代码 
array([1, 2, 3])
python 复制代码 
np.array([[1,2,3]])
复制代码 
array([[1, 2, 3]])
python 复制代码 
np.array([[1,2,3]]).T
复制代码 
array([[1],
       [2],
       [3]])
python 复制代码 
np.ones(4)
复制代码 
array([1., 1., 1., 1.])
python 复制代码 
np.zeros(4)
复制代码 
array([0., 0., 0., 0.])
python 复制代码 
np.random.random(3)
复制代码 
array([0.76998129, 0.65607576, 0.23038928])

常见错误

1.保留中括号

python 复制代码 
a = np.array([[1,2,3]])
a.dtype
复制代码 
dtype('int32')
python 复制代码 
a = np.array([[1.,2,3]])
a.dtype
复制代码 
dtype('float64')
python 复制代码 
a = np.array([[1,2,'3']])
a.dtype
复制代码 
dtype('<U11')

常用的api

python 复制代码 
## 创建一个数组1-10
np.arange(1,11)
复制代码 
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10])
python 复制代码 
np.arange(-2,2,0.5)# 0.5是步长
复制代码 
array([-2. , -1.5, -1. , -0.5,  0. ,  0.5,  1. ,  1.5])
python 复制代码 
## 把数据切割几段
np.linspace(0,2,5)
复制代码 
array([0. , 0.5, 1. , 1.5, 2. ])
python 复制代码 
np.linspace(0,100,10)
复制代码 
array([  0.        ,  11.11111111,  22.22222222,  33.33333333,
        44.44444444,  55.55555556,  66.66666667,  77.77777778,
        88.88888889, 100.        ])
python 复制代码 
## 创建高维度数组
python 复制代码 
np.ones([2,3])
复制代码 
array([[1., 1., 1.],
       [1., 1., 1.]])
python 复制代码 
np.zeros([3,3])
复制代码 
array([[0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.]])

创建对角矩阵

python 复制代码 
a =np.eye(3)
python 复制代码 
b = np.array([1,2,3])
python 复制代码 
np.dot(a,b)
复制代码 
array([1., 2., 3.])
python 复制代码 
c = np.array([4,5,6])
python 复制代码 
np.diag(c)
复制代码 
array([[4, 0, 0],
       [0, 5, 0],
       [0, 0, 6]])
numpy数组的属性
python 复制代码 
c = np.array([1,2,3,4])
c.ndim
复制代码 
1
  • 数组的形状
python 复制代码 
 a= np.array([
     [2,3,4],
     [1,3,7]
 ])
python 复制代码 
a.shape
复制代码 
(2, 3)
python 复制代码 
a.size #数量
复制代码 
6
python 复制代码 
a.dtype
复制代码 
dtype('int32')

数组的运算

python 复制代码 
data = np.array([1,2])
ones = np.ones(2)
python 复制代码 
data
复制代码 
array([1, 2])
python 复制代码 
ones
复制代码 
array([1., 1.])
python 复制代码 
data+ones
复制代码 
array([2., 3.])
python 复制代码 
data - ones
复制代码 
array([0., 1.])
python 复制代码 
data * ones
复制代码 
array([1., 2.])
python 复制代码 
data/ones
复制代码 
array([1., 2.])
python 复制代码 
data * 3
复制代码 
array([3, 6])
python 复制代码 
data ** 2
复制代码 
array([1, 4], dtype=int32)
python 复制代码 
np.sin(data)
复制代码 
array([0.84147098, 0.90929743])
python 复制代码 
np.exp(data)
复制代码 
array([2.71828183, 7.3890561 ])
python 复制代码 
np.sqrt(data)
复制代码 
array([1.        , 1.41421356])

布尔过滤

python 复制代码 
a = np.array([168,159,165,178,190])
python 复制代码 
a >=175
复制代码 
array([False, False, False,  True,  True])
python 复制代码 
a = [10,20,30,40]
python 复制代码 
a * 2
复制代码 
[10, 20, 30, 40, 10, 20, 30, 40]

索引入门

python 复制代码 
a = np.array([1,2,3])
python 复制代码 
a[1]
复制代码 
2
python 复制代码 
#索引范围
a[0:2]
复制代码 
array([1, 2])
python 复制代码 
a[1:30]
复制代码 
array([2, 3])
python 复制代码 
a[1:]
复制代码 
array([2, 3])
python 复制代码 
a[:5]
复制代码 
array([1, 2, 3])
python 复制代码 
a[:]
复制代码 
array([1, 2, 3])
python 复制代码 
a[-1]
复制代码 
3
python 复制代码 
a[-3:-1]
复制代码 
array([1, 2])

numpy数组的元素操作

python 复制代码 
data = np.array([1,2,3,4,5,6,7,8,9,8,7,6,5,4])
python 复制代码 
data.max()
复制代码 
9
python 复制代码 
data.min()
复制代码 
1
python 复制代码 
data.sum()
复制代码 
75
python 复制代码 
data.mean() #求平均值
复制代码 
5.357142857142857

二位数组切片

python 复制代码 
data = np.array([
    [1,2],
    [3,4],
    [5,6]
])
python 复制代码 
data
复制代码 
array([[1, 2],
       [3, 4],
       [5, 6]])
python 复制代码 
data[0][1]
复制代码 
2
python 复制代码 
data[0,1]
复制代码 
2
python 复制代码 
data[1:3]
复制代码 
array([[3, 4],
       [5, 6]])
python 复制代码 
data[0:2,0:1]
复制代码 
array([[1],
       [3]])

numpy 数据形状的改变

python 复制代码 
data= np.array([1,2,3,4,5,6])
python 复制代码 
data.shape
复制代码 
(6,)
python 复制代码 
data.reshape(2,3)
复制代码 
array([[1, 2, 3],
       [4, 5, 6]])
python 复制代码 
data.reshape(3,2)
## 注意行乘以列等于数据的总量
复制代码 
array([[1, 2],
       [3, 4],
       [5, 6]])
python 复制代码 
data.reshape(3,-1)
复制代码 
array([[1, 2],
       [3, 4],
       [5, 6]])

数据降维

python 复制代码 
c = np.array([
    [1,2,3],
    [2,3,4]
])
python 复制代码 
c.ravel()
复制代码 
array([1, 2, 3, 2, 3, 4])
python 复制代码 
a = np.array([
[3000,3500],
[4500,5000],
[10000,11000]]
)
python 复制代码 
np.sum(a)
复制代码 
37000
python 复制代码 
np.sum(a,axis=0)
复制代码 
array([17500, 19500])
python 复制代码 
np.sum(a,axis=1)
复制代码 
array([ 6500,  9500, 21000])
python 复制代码 
np.max(a)
复制代码 
11000
python 复制代码 
np.min(a)
复制代码 
3000
python 复制代码 
np.mean(a)
复制代码 
6166.666666666667
python 复制代码 
np.median(a)
复制代码 
4750.0

方差

python 复制代码 
np.var(a)
复制代码 
9888888.888888888

标准差

python 复制代码 
np.std(a)
复制代码 
3144.660377352201

随机数

python 复制代码 
np.random.rand(2,3)
复制代码 
array([[0.14406139, 0.58255917, 0.56687269],
       [0.45931544, 0.27684285, 0.53764072]])
python 复制代码 
np.random.randint(2,6,5)
复制代码 
array([2, 3, 2, 4, 5])
python 复制代码 
np.random.randn(10)
复制代码 
array([ 0.13193888,  0.09997268, -0.071677  , -0.08255967, -0.4487725 ,
       -1.75318345, -0.46725208,  0.34519292, -0.30273565, -0.58354462])

创建正太分布规律的数据

python 复制代码 
np.random.normal(175,15,size=(4,4))
复制代码 
array([[190.6869503 , 162.3662239 , 155.35991852, 185.87871385],
       [179.38113865, 171.48428447, 179.59261062, 169.09543353],
       [166.4724072 , 185.78899473, 168.35652325, 163.75069691],
       [164.24513277, 186.98536138, 164.74146814, 176.38007905]])
python 复制代码 
np.random.randn(4,4)
复制代码 
array([[-3.08839751e-01,  7.66951959e-01, -4.02554299e-01,
         6.24276206e-01],
       [-6.56442394e-01, -5.90405577e-01, -2.12262531e+00,
        -2.38134835e-01],
       [-2.17110459e-01, -6.00174700e-01,  1.06536890e-01,
         1.70518271e+00],
       [ 2.33097080e-01, -4.03758442e-01,  2.64799870e-01,
         6.67566195e-04]])
python 复制代码 
np.average(np.random.randn(400,400))
复制代码 
-0.005990795466101744
python 复制代码 
np.std(np.random.randn(400,400))
复制代码 
1.0005126387054453

numpy数据打散

python 复制代码 
a = np.arange(10)
a
复制代码 
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
python 复制代码 
np.random.permutation(a)
复制代码 
array([6, 1, 7, 5, 9, 4, 2, 3, 8, 0])
python 复制代码 
a
复制代码 
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

直接修改原始数组

python 复制代码 
np.random.shuffle(a)
python 复制代码 
a
复制代码 
array([2, 0, 9, 1, 7, 6, 4, 3, 8, 5])

numpy指定随机数种子

python 复制代码 
np.random.seed(3)
np.random.randint(24)
复制代码 
10

numpy逻辑操作

python 复制代码 
a = np.array([True,False,True,True,False])
python 复制代码 
np.all(a)
复制代码 
False
python 复制代码 
np.any(a)
复制代码 
True
python 复制代码 
a = np.array([50,55,65,57,58,66,100])
a >19
复制代码 
array([ True,  True,  True,  True,  True,  True,  True])

numpy数据排序

python 复制代码 
b = np.random.randn(10)
b
复制代码 
array([ 0.87226552, -0.01554175,  1.16668206, -2.15861048,  0.75620445,
       -1.69049879, -0.34879409, -1.72951471,  0.69631161,  0.56496171])
python 复制代码 
b.sort()
python 复制代码 
b
复制代码 
array([-2.15861048, -1.72951471, -1.69049879, -0.34879409, -0.01554175,
        0.56496171,  0.69631161,  0.75620445,  0.87226552,  1.16668206])

不修改元素族排序

python 复制代码 
a = np.random.randn(10)
python 复制代码 
a
复制代码 
array([ 0.47986141, -0.29594453, -0.42030926, -0.85961379, -0.40791451,
        1.24757841, -1.82938368, -1.59651767,  0.69031204,  0.92812246])
python 复制代码 
a.argsort()
复制代码 
array([6, 7, 3, 2, 4, 1, 0, 8, 9, 5], dtype=int64)
python 复制代码 
a
复制代码 
array([ 0.47986141, -0.29594453, -0.42030926, -0.85961379, -0.40791451,
        1.24757841, -1.82938368, -1.59651767,  0.69031204,  0.92812246])
python 复制代码 
a[a.argsort()]
复制代码 
array([-1.82938368, -1.59651767, -0.85961379, -0.42030926, -0.40791451,
       -0.29594453,  0.47986141,  0.69031204,  0.92812246,  1.24757841])

二维数组

python 复制代码 
b = np.random.randn(3,3)
python 复制代码 
b
复制代码 
array([[ 1.58653631,  0.40130586, -1.26968864],
       [ 0.46920629,  1.30385884,  1.23128365],
       [ 0.22948181,  0.27360762, -0.666784  ]])
python 复制代码 
b.sort(axis=1)
python 复制代码 
b
复制代码 
array([[-1.26968864,  0.40130586,  1.58653631],
       [ 0.46920629,  1.23128365,  1.30385884],
       [-0.666784  ,  0.22948181,  0.27360762]])
python 复制代码 
b.sort(axis=0)
python 复制代码 
b
复制代码 
array([[-1.26968864,  0.22948181,  0.27360762],
       [-0.666784  ,  0.40130586,  1.30385884],
       [ 0.46920629,  1.23128365,  1.58653631]])
python 复制代码 
b.argsort(axis=1)
复制代码 
array([[1, 0],
       [1, 0],
       [1, 0],
       ...,
       [1, 0],
       [0, 1],
       [1, 0]], dtype=int64)
python 复制代码 
np.set_printoptions(suppress=True)
totalpoint = 1000
b = np.random.rand(totalpoint,2)
b
复制代码 
array([[0.03393228, 0.16615602],
       [0.07044839, 0.25010443],
       [0.37316487, 0.33790676],
       ...,
       [0.2200427 , 0.60226645],
       [0.04297848, 0.38231248],
       [0.45174169, 0.16641803]])
python 复制代码 
c = np.sqrt(np.sum(b**2,axis=1))
c
复制代码 
array([0.73849201, 0.78324931, 0.2300633 , ..., 0.77652285, 0.78353274,
       0.62629663])
python 复制代码 
c < 1
复制代码 
array([ True,  True,  True, ..., False,  True,  True])
python 复制代码 
np.sum(c<=1)
复制代码 
785401387

行向量和列向量

python 复制代码 
a = np.array([1,2,3])
python 复制代码 
a
复制代码 
array([1, 2, 3])
python 复制代码 
a.transpose()
复制代码 
array([1, 2, 3])

ID数组（一维数组）

python 复制代码 
b = np.arange(10)
python 复制代码 
b
复制代码 
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
python 复制代码 
b[::2]
复制代码 
array([0, 2, 4, 6, 8])

数组倒序排列

python 复制代码 
b
复制代码 
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

b::-1

2D(二位数组)

python 复制代码 
a = np.array([
    [1,2],
    [3,4],
    [5,6]
])
a
复制代码 
array([[1, 2],
       [3, 4],
       [5, 6]])
python 复制代码 
a[1,1]
复制代码 
4
python 复制代码 
data = np.arange(25).reshape(5,5)
data
复制代码 
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19],
       [20, 21, 22, 23, 24]])
python 复制代码 
data[1,2:4]
复制代码 
array([7, 8])
python 复制代码 
data[3:,3:]
复制代码 
array([[18, 19],
       [23, 24]])
python 复制代码 
data[::2,2::2]
复制代码 
array([[ 2,  4],
       [12, 14],
       [22, 24]])
python 复制代码 
data[:,1:2]
复制代码 
array([[ 1],
       [ 6],
       [11],
       [16],
       [21]])
python 复制代码 
data[[0,2,4],[0,2,4]]
复制代码 
array([ 0, 12, 24])
python 复制代码 
data[[1,3,4],3:]
复制代码 
array([[ 8,  9],
       [18, 19],
       [23, 24]])

数组拆分和合并

python 复制代码 
data = np.arange(9).reshape(3,3)
data
复制代码 
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
python 复制代码 
np.vsplit(data,3)
复制代码 
[array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]
python 复制代码 
np.hsplit(data,3)
复制代码 
[array([[0],
        [3],
        [6]]),
 array([[1],
        [4],
        [7]]),
 array([[2],
        [5],
        [8]])]

数组的合并

python 复制代码 
a = np.array([
    [1,2],
    [3,4]
])
b = np.array([
    [7,8],
    [9,10]
])
python 复制代码 
np.vstack((a,b))
复制代码 
array([[ 1,  2],
       [ 3,  4],
       [ 7,  8],
       [ 9, 10]])
python 复制代码 
np.hstack((a,b))
复制代码 
array([[ 1,  2,  7,  8],
       [ 3,  4,  9, 10]])

numpy 高级操作，索引数组

python 复制代码 
b = np.array([1,3,5,2,4,6])
python 复制代码 
b[np.argsort(b)]
复制代码 
array([1, 2, 3, 4, 5, 6])
python 复制代码 
## mnumpy广播机制
python 复制代码 
a = np.arange(3)
python 复制代码 
a + 1
复制代码 
array([1, 2, 3])

其他常用的api

python 复制代码 
b = np.array([1,2,3,4,5,6,7,8,9])
python 复制代码 
np.argmax(b)
复制代码 
8
python 复制代码 
np.argmin(b)
复制代码 
0
python 复制代码 
np.nonzero(b)
复制代码 
(array([0, 1, 2, 3, 4, 5, 6, 7, 8], dtype=int64),)
python 复制代码 
np.count_nonzero(b)
复制代码 
9
python 复制代码
相关推荐
广州景颐光电4 天前
3种NumPy向量化实测：光源数据处理从2.3秒压到12.3ms
numpy
梅雅达编程笔记5 天前
零基础学 Python 第14章 | 模块、包与第三方库
开发语言·python·django·numpy·pandas
梅雅达编程笔记5 天前
零基础学 Python 第15章 | 类与对象：面向对象编程入门
开发语言·python·django·numpy·pandas
pulinzt5 天前
Tableau的基础使用
数据库·numpy
梅雅达编程笔记6 天前
编程启蒙｜Scratch 转 Python 系列第9天：字典/哈希表积木双向对照（AI大模型参数配置表实战）
开发语言·人工智能·python·numpy·pandas
汤姆小白8 天前
08-应用部署
人工智能·python·机器学习·numpy·transformer
汤姆小白10 天前
02-Tokenizer原理与实现
人工智能·python·机器学习·numpy
汤姆小白10 天前
01-环境搭建与项目导览
人工智能·python·机器学习·numpy
CS创新实验室11 天前
NumPy数组的C风格和Fortran风格
c语言·开发语言·numpy
梅雅达编程笔记11 天前
零基础学 Python 第7章 | 字典 dict：键值对存储
开发语言·python·beautifulsoup·numpy·pandas
热门推荐
01GitHub 镜像站点02如何新建文件夹？ 电脑新建文件夹的4种方法032026年7月AI圈大地震：GPT-5.6被政府限制、Claude入驻Slack、Anthropic自研芯片04国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）05AI科技热点日报 | 2026年07月01日06幻兽帕鲁 - 服务器管理员权限与 GM 命令完全指南07AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路08微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新09【解构】DeepSeek V4 发布：技术报告深度解读 + 横向对比六大开源模型，我们的判断是……102026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？