Python笔记(十一)--Numpy(一)

这一节了解一下Python中的Numpy基础,NumPy是Python语言的一个扩展程序库，它的核心是ndarray，也就是N维数组对象。你可以把它理解成"高性能、固定大小、元素类型统一"的列表，专门用来存数字、做矩阵和数组运算，简单总结如下:

API:

np.array():创建ndarray数组，把列表/元组转为numpy数组。numpy最基础入口，支持指定dtype、维度。

python 复制代码

arr = np.array(序列, dtype=数据类型)
关联A：np.asarray()，区别是array默认拷贝，asarray尽量不拷贝。

2.np.arange():生成等差一维数组，类似python range，支持浮点数。快速生成连续数值序列。

python 复制代码

arr = np.arange(start, stop, step, dtype)
关联：np.linspace()

3.np.linspace():在起止区间均匀生成指定个数的元素，包含首尾，画函数曲线、采样点。

python 复制代码

arr = np.linspace(start, stop, num=数量)
关联：np.logspace（等比数列）

4.np.zeros():创建全0数组，初始化占位数组。

python 复制代码

arr = np.zeros(shape, dtype)
关联：np.zeros_like，按另一个数组形状生成全0。

np.ones()：创建全1数组，权重初始化、掩码。

python 复制代码

arr = np.ones(shape, dtype)
关联：np.ones_like

np.empty()：创建空数组，不初始化值，追求性能，后续会覆盖所有元素场景。

python 复制代码

arr = np.empty(shape)
关联：np.empty_like

7.np.eye(),生成单位矩阵，线性代数、矩阵初始化。

python 复制代码

mat = np.eye(N, M=None)

8.arr.shape，数组属性，返回每个维度的大小元组，查看维度，判断行列。

python 复制代码

shape_tuple = arr.shape
关联：arr.reshape() 修改形状

arr.reshape()：改变数组形状，不修改原始数据，返回新视图。一维转二维、重塑维度。

python 复制代码

new_arr = arr.reshape(行, 列)
关联：arr.flatten()、arr.ravel()

10.arr.flatten()，将多维数组展开成一维，返回拷贝。展平数组，修改结果不影响原数组。

python 复制代码

one_arr = arr.flatten()
关联：arr.ravel()返回视图，修改会影响原数组

11.arr.ndim，属性，获取数组维度数量。判断是一维、二维、三维数组。

python 复制代码

n = arr.ndim

12.arr.size，属性，查看数组元素数据类型，防止类型溢出、精度丢失。

python 复制代码

dt = arr.dtype
关联：arr.astype()

arr.astype()：类型强制转换，返回新数组。

python 复制代码

new_arr = arr.astype(np.float32)

15.np.sum()：求和，可指定axis按轴求和，统计总和、行和、列和。

python 复制代码

s = np.sum(arr, axis=轴编号)

16.np.mean()：求平均值，支持axis。

python 复制代码

m = np.mean(arr, axis=None)
关联：np.average（可加权平均）

np.max() / arr.max()：求最大值，支持axis，找极值。

python 复制代码

max_val = np.max(arr, axis=0)
关联：np.argmax返回最大值下标

18.np.min() / arr.min()：求最小值，支持axis。

python 复制代码

min_val = np.min(arr)
关联：np.argmin返回最小值下标

np.argmax()：返回最大值对应的索引。

python 复制代码

idx = np.argmax(arr, axis=1)

np.argmin()：返回最小值对应的索引。

python 复制代码

idx = np.argmin(arr)

21.np.sqrt()：逐元素开平方根。

python 复制代码

res = np.sqrt(arr)

22.np.exp()：逐元素计算自然指数 e^x。

python 复制代码

res = np.exp(arr)

23.np.concatenate()：沿指定轴拼接多个数组。

python 复制代码

new_arr = np.concatenate([a,b], axis=0)
关联：np.vstack、np.hstack

24.np.vstack()：垂直堆叠

python 复制代码

new_arr = np.vstack([a,b])

25.np.hstack()：水平堆叠

python 复制代码

new_arr = np.hstack([a,b])

26.np.where()：条件筛选，满足条件取A，否则取B；也可只返回满足条件的下标。

python 复制代码

res = np.where(条件, 真值, 假值)

栗子：

python 复制代码

import numpy as np

# 构造等差数组，重塑成4行5列
arr = np.arange(20).reshape(4,5)
print("原始数组：\n", arr)


all_sum = np.sum(arr)
col_mean = np.mean(arr, axis=0)
row_max = np.max(arr, axis=1)
pos = np.argmax(arr)
print("全部求和：", all_sum)
print("每一列均值：", col_mean)
print("每一行最大值：", row_max)
print("全局最大值下标：", pos)

#  where条件替换，大于10的值改为0
filter_arr = np.where(arr > 10, 0, arr)
print("过滤后数组：\n", filter_arr)

a = np.ones((2,5))
b = np.zeros((2,5))
stack_arr = np.vstack([a,b])
print("垂直拼接：\n", stack_arr)

python 复制代码

import numpy as np

data = np.array([
    [12, 45, 7.2],
    [18, 39, 8.1],
    [9, 52, 6.5],
    [22, 41, 9.3],
    [15, 44, 7.8]
], dtype=np.float64)
print("原始样本：\n", data)

# 归一化
min_v = np.min(data, axis=0)
max_v = np.max(data, axis=0)
norm_data = (data - min_v) / (max_v - min_v)
print("归一化后：\n", norm_data)

#  展平为一维数组
flat = norm_data.flatten()
print("展平一维：", flat)

# 开根号运算
sqrt_data = np.sqrt(norm_data)
print("开根结果：\n", sqrt_data)

#  筛选：找出第二列特征大于0.5的行
mask = norm_data[:,1] > 0.5
select_data = norm_data[mask]
print("筛选后的样本：\n", select_data)

# 类型转换
int_data = (data * 10).astype(np.int32)
print("转int32：\n", int_data)