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])
array([1, 2, 3])
python 复制代码 
np.array([1,2,3])
array([1, 2, 3])
python 复制代码 
np.array([[1,2,3]])
array([[1, 2, 3]])
python 复制代码 
np.array([[1,2,3]]).T
array([[1],
       [2],
       [3]])
python 复制代码 
np.ones(4)
array([1., 1., 1., 1.])
python 复制代码 
np.zeros(4)
array([0., 0., 0., 0.])
python 复制代码 
np.random.random(3)
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
dtype('int32')
python 复制代码 
a = np.array([[1.,2,3]])
a.dtype
dtype('float64')
python 复制代码 
a = np.array([[1,2,'3']])
a.dtype
dtype('<U11')

常用的api

python 复制代码 
## 创建一个数组1-10
np.arange(1,11)
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
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)
array([0. , 0.5, 1. , 1.5, 2. ])
python 复制代码 
np.linspace(0,100,10)
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])
array([[1., 1., 1.],
       [1., 1., 1.]])
python 复制代码 
np.zeros([3,3])
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)
array([1., 2., 3.])
python 复制代码 
c = np.array([4,5,6])
python 复制代码 
np.diag(c)
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
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
(2, 3)
python 复制代码 
a.size #数量
6
python 复制代码 
a.dtype
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
array([1, 2])
python 复制代码 
ones
array([1., 1.])
python 复制代码 
data+ones
array([2., 3.])
python 复制代码 
data - ones
array([0., 1.])
python 复制代码 
data * ones
array([1., 2.])
python 复制代码 
data/ones
array([1., 2.])
python 复制代码 
data * 3
array([3, 6])
python 复制代码 
data ** 2
array([1, 4], dtype=int32)
python 复制代码 
np.sin(data)
array([0.84147098, 0.90929743])
python 复制代码 
np.exp(data)
array([2.71828183, 7.3890561 ])
python 复制代码 
np.sqrt(data)
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
array([False, False, False,  True,  True])
python 复制代码 
a = [10,20,30,40]
python 复制代码 
a * 2
[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]
2
python 复制代码 
#索引范围
a[0:2]
array([1, 2])
python 复制代码 
a[1:30]
array([2, 3])
python 复制代码 
a[1:]
array([2, 3])
python 复制代码 
a[:5]
array([1, 2, 3])
python 复制代码 
a[:]
array([1, 2, 3])
python 复制代码 
a[-1]
3
python 复制代码 
a[-3:-1]
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()
9
python 复制代码 
data.min()
1
python 复制代码 
data.sum()
75
python 复制代码 
data.mean() #求平均值
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
array([[1, 2],
       [3, 4],
       [5, 6]])
python 复制代码 
data[0][1]
2
python 复制代码 
data[0,1]
2
python 复制代码 
data[1:3]
array([[3, 4],
       [5, 6]])
python 复制代码 
data[0:2,0:1]
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
(6,)
python 复制代码 
data.reshape(2,3)
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
array([[1, 2],
       [3, 4],
       [5, 6]])
python 复制代码 
data.reshape(3,-1)
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()
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)
37000
python 复制代码 
np.sum(a,axis=0)
array([17500, 19500])
python 复制代码 
np.sum(a,axis=1)
array([ 6500,  9500, 21000])
python 复制代码 
np.max(a)
11000
python 复制代码 
np.min(a)
3000
python 复制代码 
np.mean(a)
6166.666666666667
python 复制代码 
np.median(a)
4750.0

方差

python 复制代码 
np.var(a)
9888888.888888888

标准差

python 复制代码 
np.std(a)
3144.660377352201

随机数

python 复制代码 
np.random.rand(2,3)
array([[0.14406139, 0.58255917, 0.56687269],
       [0.45931544, 0.27684285, 0.53764072]])
python 复制代码 
np.random.randint(2,6,5)
array([2, 3, 2, 4, 5])
python 复制代码 
np.random.randn(10)
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))
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)
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))
-0.005990795466101744
python 复制代码 
np.std(np.random.randn(400,400))
1.0005126387054453

numpy数据打散

python 复制代码 
a = np.arange(10)
a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
python 复制代码 
np.random.permutation(a)
array([6, 1, 7, 5, 9, 4, 2, 3, 8, 0])
python 复制代码 
a
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
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)
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)
False
python 复制代码 
np.any(a)
True
python 复制代码 
a = np.array([50,55,65,57,58,66,100])
a >19
array([ True,  True,  True,  True,  True,  True,  True])

numpy数据排序

python 复制代码 
b = np.random.randn(10)
b
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
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
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()
array([6, 7, 3, 2, 4, 1, 0, 8, 9, 5], dtype=int64)
python 复制代码 
a
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()]
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
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
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
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)
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
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
array([0.73849201, 0.78324931, 0.2300633 , ..., 0.77652285, 0.78353274,
       0.62629663])
python 复制代码 
c < 1
array([ True,  True,  True, ..., False,  True,  True])
python 复制代码 
np.sum(c<=1)
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
array([1, 2, 3])
python 复制代码 
a.transpose()
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
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
python 复制代码 
b[::2]
array([0, 2, 4, 6, 8])

数组倒序排列

python 复制代码 
b
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
array([[1, 2],
       [3, 4],
       [5, 6]])
python 复制代码 
a[1,1]
4
python 复制代码 
data = np.arange(25).reshape(5,5)
data
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]
array([7, 8])
python 复制代码 
data[3:,3:]
array([[18, 19],
       [23, 24]])
python 复制代码 
data[::2,2::2]
array([[ 2,  4],
       [12, 14],
       [22, 24]])
python 复制代码 
data[:,1:2]
array([[ 1],
       [ 6],
       [11],
       [16],
       [21]])
python 复制代码 
data[[0,2,4],[0,2,4]]
array([ 0, 12, 24])
python 复制代码 
data[[1,3,4],3:]
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
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
python 复制代码 
np.vsplit(data,3)
[array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])]
python 复制代码 
np.hsplit(data,3)
[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))
array([[ 1,  2],
       [ 3,  4],
       [ 7,  8],
       [ 9, 10]])
python 复制代码 
np.hstack((a,b))
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)]
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
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)
8
python 复制代码 
np.argmin(b)
0
python 复制代码 
np.nonzero(b)
(array([0, 1, 2, 3, 4, 5, 6, 7, 8], dtype=int64),)
python 复制代码 
np.count_nonzero(b)
9
python 复制代码
相关推荐
竹笋常青9 小时前
《流星落凡尘》
django·numpy
西柚小萌新1 天前
七.numpy模块
numpy
FreedomLeo13 天前
Python数据分析NumPy和pandas（二十三、数据清洗与预处理之五：pandas的分类类型数据）
python·数据分析·numpy·pandas·categoricals·数据分类分析·建模和机器学习
Kalika0-04 天前
NumPy Ndarray学习
python·学习·numpy
上海亚商投顾5 天前
上海亚商投顾：沪指缩量调整 华为概念股午后爆发
numpy
表示这么伤脑筋的题我不会6 天前
请用python写一段训练模型【InsCode AI 创作助手】
python·numpy
緈福的街口8 天前
ValueError: Object arrays cannot be loaded when allow_pickle=False
python·numpy
阿丁小哥8 天前
【Python各个击破】numpy
开发语言·python·numpy
敲代码不忘补水8 天前
Pandas 数据可视化指南：从散点图到面积图的全面展示
python·信息可视化·数据分析·numpy·pandas·matplotlib
人生の三重奏10 天前
numpy——数学运算
开发语言·python·numpy
热门推荐
01【HarmonyOS】HUAWEI DevEco Studio 下载地址汇总02(欧拉)openEuler系统添加网卡文件配置流程、(欧拉)openEuler系统手动配置ipv6地址流程、(欧拉)openEuler系统网络管理说明03组基轨迹建模 GBTM的介绍与实现（Stata 或 R）04【AIGC】重塑未来的科技巨轮05全面解析：构建基于深度学习的安全帽检测系统（UI界面+YOLO代码+数据集）06【经验分享】Ubuntu22.04安装微信(linux官方版)07基于YOLOv10深度学习的CT扫描图像肾结石智能检测系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标检测08Ubuntu 20.04使用Livox mid 360 测试 FAST_LIO09RAG 实践- Ollama+RagFlow 部署本地知识库10【TC3xx芯片】TC3xx芯片电源管理系统PMS详解