Numpy對(duì)數(shù)組的操作：創(chuàng)建、計(jì)算、合并等

1. 簡(jiǎn)介

成都創(chuàng)新互聯(lián)公司于2013年創(chuàng)立，是專業(yè)互聯(lián)網(wǎng)技術(shù)服務(wù)公司，擁有項(xiàng)目網(wǎng)站制作、成都網(wǎng)站設(shè)計(jì)網(wǎng)站策劃，項(xiàng)目實(shí)施與項(xiàng)目整合能力。我們以讓每一個(gè)夢(mèng)想脫穎而出為使命，1280元左貢做網(wǎng)站,已為上家服務(wù),為左貢各地企業(yè)和個(gè)人服務(wù),聯(lián)系電話:028-86922220

NumPy(Numerical Python) 是 Python 語(yǔ)言的一個(gè)擴(kuò)展程序庫(kù)，支持大量的維度數(shù)組與矩陣運(yùn)算，此外也針對(duì)數(shù)組運(yùn)算提供大量的數(shù)學(xué)函數(shù)庫(kù)。最主要的數(shù)據(jù)結(jié)構(gòu)是ndarray數(shù)組。

NumPy 通常與 SciPy(Scientific Python)和 Matplotlib(繪圖庫(kù))一起使用， 這種組合廣泛用于替代 MatLab。

SciPy 是一個(gè)開源的 Python 算法庫(kù)和數(shù)學(xué)工具包。SciPy 包含的模塊有最優(yōu)化、線性代數(shù)、積分、插值、特殊函數(shù)、快速傅里葉變換、信號(hào)處理和圖像處理、常微分方程求解和其他科學(xué)與工程中常用的計(jì)算。

Matplotlib 是 Python 編程語(yǔ)言及其數(shù)值數(shù)學(xué)擴(kuò)展包 NumPy 的可視化操作界面。

2. 創(chuàng)建

創(chuàng)建一維數(shù)組

(1)直接創(chuàng)建：np.array([1, 2, 3, 4, 5, 6])

(2)從python的list中建立：np.array(list([1, 2, 3, 4, 5, 6]))

創(chuàng)建常量值的一維數(shù)據(jù)

(1)創(chuàng)建以0為常量值：np.zeros(n,dytpe=float/int)

(2)創(chuàng)建以1為常量值：np.ones(n)

(3)創(chuàng)建一個(gè)空數(shù)組：np.empty(4)

創(chuàng)建一個(gè)元素遞增的數(shù)組

(1)從0開始增長(zhǎng)的遞增數(shù)組：np.arange(8)

(2)給定區(qū)間，自定義步長(zhǎng)：np.arange(0,1,0.2)

(3)給定區(qū)間，自定義個(gè)數(shù)：np.linspace(-1,1,50)

創(chuàng)建多維數(shù)組：創(chuàng)建單維數(shù)組，再添加進(jìn)多維數(shù)組

# 數(shù)組的結(jié)構(gòu)一定是np.array([]) 無(wú)論數(shù)組中間存放的是多少“層”數(shù)據(jù)

# 二維數(shù)組相當(dāng)于存放的是“兩層”數(shù)組而已

arr1=np.array(list([1, 2, 3, 4, 5]))

arr2=np.array([arr1,[1,0,0,1,0]]) # 2*5的兩維數(shù)組

arr3=np.array(list([[0,0,1,1,1],[1,1,1,0,0],[2,3,4,5,6]])) # 3*5的兩維數(shù)組

arrx=np.array([arr1,list([1, 2, 3, 4, 5],[1,1,1,0,0])]) # 報(bào)錯(cuò)

arry=np.array([list([[ 1,2,3, 7, 11],[2,3,4,5,6]]),[1, 2, 3, 4, 5]]) # 報(bào)錯(cuò)

創(chuàng)建常量值的(n*m)維數(shù)據(jù)

(1)創(chuàng)建以0為常量值：np.zeros((n*m),dytpe=float/int)

(2)創(chuàng)建以1為常量值：np.ones((n*m))

(3)創(chuàng)建一個(gè)空數(shù)組：np.empty((n*m))

創(chuàng)建隨機(jī)數(shù)字的數(shù)組

生成隨機(jī)數(shù)種子：

(1)np.random.seed()

(2)np.random.RandomState()

生成隨機(jī)數(shù)：

函數(shù)　　取值　　說(shuō)明

1　　np.random.rand(d0,d1,…,dn)　　[0,1)　　根據(jù)給定維度生成數(shù)組，服從均勻分布

2　　np.random.randint(low, high=None, size=None, dtype=’l’)　　[0,low)或者[low,high)　　根據(jù)size生成離散均勻分布的整數(shù)值

3　　np.random.randn(d0,d1,…,dn)　　　　根據(jù)給定維度生成數(shù)組，服從標(biāo)準(zhǔn)正態(tài)分布

4　　np.random.random_sample(size=None)　　[0,1)　　根據(jù)給定維度生成隨機(jī)浮點(diǎn)數(shù)

5　　np.random.random(size=None)　　[0,1)　　根據(jù)給定維度生成隨機(jī)浮點(diǎn)數(shù)

6　　np.random.ranf(size=None)　　[0,1)　　根據(jù)給定維度生成隨機(jī)浮點(diǎn)數(shù)

7　　np.random.sample(size=None)　　[0,1)　　根據(jù)給定維度生成隨機(jī)浮點(diǎn)數(shù)

生成有分布規(guī)律的隨機(jī)數(shù)組

(1)二項(xiàng)分布：np.random.binomial(n, p, size)

(2)正態(tài)分布：np.random.normal(loc, scale, size)

將csv文件轉(zhuǎn)化成數(shù)組或陣列

使用 np.genfromtxt( ‘csv文件名’，delimiter = ‘文件中的分割符’ )函數(shù)將文件轉(zhuǎn)化成數(shù)組

csv_array = np.genfromtxt('sample.csv', delimiter=',')

print(csv_array)

3. 數(shù)組的變形

生成數(shù)組/矩陣轉(zhuǎn)置的函數(shù)，即行列數(shù)字交換，使用.T

a = np.array([[32, 15, 6, 9, 14],

[12, 10, 5, 23, 1],

[2, 16, 13, 40, 37]])

print(a.T)

-------------------

# 結(jié)果如下

[[32 12 2]

[15 10 16]

[ 6 5 13]

[ 9 23 40]

[14 1 37]]

改變數(shù)組的形狀：

(1)arr.resize(n,m) ：arr.resize(n,m)函數(shù)是原地修改數(shù)組，要求：元素的個(gè)數(shù)必須一致

a=np.arange(8)

a.resize(2,4)

print(a)

---------------------------

[[0 1 2 3]

[4 5 6 7]]

(2)arr.reshape(n,m)：如果某一個(gè)維度的參數(shù)為-1，則表示元素總個(gè)數(shù)會(huì)遷就另一個(gè)維度來(lái)計(jì)算

a=np.arange(8).reshape(-1,1)

print(a)

-----------------

[[0]

[1]

[2]

[3]

[4]

[5]

[6]

[7]]

將一維升至二維：np.newaxis

np.newaxis實(shí)際上是直接增加維度的意思，我們一般不會(huì)給數(shù)組增加太多維度，這里以一維增加到二維為例：

(1)增加行維度：arr[np.newaxis, :]

(2)增加列維度：arr[: , np.newaxis]

a=np.arange(8)

a # array([0, 1, 2, 3, 4, 5, 6, 7])

a.shape # (8,)

a[np.newaxis, :] # array([[0, 1, 2, 3, 4, 5, 6, 7]])

a.shape # (8,)

a[: , np.newaxis] # array([[0],[1],[2],[3],[4],[5],[6],[7]])

a.shape # (8,)

降維：arr.ravel()

arr.ravel()函數(shù)在降維時(shí)：默認(rèn)是行序優(yōu)先生成新數(shù)組(就是一行行讀);如果傳入?yún)?shù)“F”則是列序降維生成新數(shù)組

a=np.array([[1,2],[3,4]])

a.ravel()

a.ravel('F')

----------------------------

# 結(jié)果 array([1, 2, 3, 4])

# 結(jié)果 array([1, 3, 2, 4])

4. 計(jì)算

對(duì)數(shù)組進(jìn)行計(jì)算操作

(1)對(duì)元素進(jìn)行加減計(jì)算

a=np.arange(8).reshape(2,4) # array([[0, 1, 2, 3], [4, 5, 6, 7]])

b=np.random.randint(8,size=(2,4)) # array([[1, 2, 5, 3], [4, 1, 0, 6]])

a+b

a-b

----------------------------

# a+b和a-b結(jié)果分別是：

array([[ 1, 3, 7, 6],

[ 8, 6, 6, 13]])

array([[-1, -1, -3, 0],

[ 0, 4, 6, 1]])

(2)乘法：平方/矩陣中元素相乘

a=np.arange(8).reshape(2,4) # array([[0, 1, 2, 3], [4, 5, 6, 7]])

b=np.random.randint(8,size=(2,4)) # array([[1, 2, 5, 3], [4, 1, 0, 6]])

a**2

a*b

-----------------------

# a矩陣平方/a*b矩陣中元素相乘結(jié)果分別：

array([[ 0, 1, 4, 9],

[16, 25, 36, 49]])

array([[ 0, 2, 10, 9],

[16, 5, 0, 42]])

(3)矩陣*矩陣：

# 要求a矩陣的行要等于b矩陣的列數(shù);且a矩陣的列等于b矩陣的行數(shù)

a=np.arange(8).reshape(2,4) # array([[0, 1, 2, 3], [4, 5, 6, 7]])

b=np.random.randint(8,size=(4,2)) # array([[3, 0],[3, 3],[5, 6],[6, 7]])

c1 = np.dot(a,b)

c2 = a.dot(b)

----------------------

# ab矩陣相乘的結(jié)果：c1=c2

array([[ 31, 36],

[ 99, 100]])

(4)邏輯計(jì)算

【注】列表是無(wú)法作為一個(gè)整體對(duì)其中的各個(gè)元素進(jìn)行邏輯判斷的!

# 結(jié)果返回：一個(gè)數(shù)組，其中每個(gè)元素根據(jù)邏輯判斷的布爾類型的結(jié)果

a > 3

-----------------------------

# 結(jié)果如下：

array([[False, False, False, False],

[ True, True, True, True]])

5. 取值

獲取一維數(shù)組中的某個(gè)元素：操作和list列表的index一樣

a = np.array([5, 2, 7, 0, 11])

a[0] # 結(jié)果為 5

a[:4] # 結(jié)果為 從頭開始到索引為4結(jié)束

a[2:] # 結(jié)果為 從索引為2的開始到結(jié)尾

a[::2] # 結(jié)果為 從頭開始到結(jié)尾，每2個(gè)取一個(gè)值

獲取多維數(shù)組的某個(gè)元素，某行或列值

a = np.array([[32, 15, 6, 9, 14],

[12, 10, 5, 23, 1],

[2, 16, 13, 40, 37]])

a[2,1] # 結(jié)果是一個(gè)元素 16

a[2][1] # 結(jié)果是一個(gè)元素 16

a[1] # 第2行 array([12, 10, 5, 23, 1])

a[：，2] # 取出全部行，第2列 [15,10,16]

a[1:3, :] # 取出[1，3)行，全部列

a[1,1:] # array([10, 5, 23, 1])

獲取滿足邏輯運(yùn)算的

# 需要注意的是，我們數(shù)據(jù)進(jìn)行邏輯計(jì)算操作得到的仍然是一個(gè)數(shù)組

# 如果我們想要的是一個(gè)過(guò)濾后的數(shù)組，就需要將"邏輯判斷"傳入數(shù)組中

a = np.array([[32, 15, 6, 9, 14],

[12, 10, 5, 23, 1],

[2, 16, 13, 40, 37]])

a[a > 3]

a[(a > 3) | (a < 2)]

------------------------------

# 結(jié)果分別是：

array([32, 15, 6, 9, 14, 12, 10, 5, 23, 16, 13, 40, 37])

array([32, 15, 6, 9, 14, 12, 10, 5, 23, 1, 16, 13, 40, 37])

遍歷：結(jié)果是按行輸出

a = np.array([[32, 15, 6, 9, 14],

[12, 10, 5, 23, 1],

[2, 16, 13, 40, 37]])

for x in a:

print(x)

--------------------

[32 15 6 9 14]

[12 10 5 23 1]

[ 2 16 13 40 37]

6. 復(fù)制/分割/合并

復(fù)制：arr.cope()

分割：無(wú)錫看婦科的醫(yī)院 http://www.ytsgfk120.com/

(1)等分：np.split(arr, n, axis=0/1)(即行數(shù)或列數(shù)可以整除n時(shí)才可以)

(2)不等分：np.array_split(arr, n) 默認(rèn)按行分n份

a = np.array([[32, 15, 6, 9, 14, 21],

[12, 10, 5, 23, 1, 10],

[2, 16, 13, 40, 37, 8]])

# 可以看到a矩陣是(3*6)，所以使用np.split()只能嘗試行分成3份;或者列分成2/3/6份

np.split(a,3,axis=0)

np.split(a,3,axis=1)

np.array_split(a,2)

np.array_split(a,4,axis=1)

-------------------------------------------

[array([[32, 15, 6, 9, 14, 21]]),

array([[12, 10, 5, 23, 1, 10]]),

array([[ 2, 16, 13, 40, 37, 8]])]

[array([[32, 15],

[12, 10],

[ 2, 16]]), array([[ 6, 9],

[ 5, 23],

[13, 40]]), array([[14, 21],

[ 1, 10],

[37, 8]])]

[array([[32, 15, 6, 9, 14, 21],

[12, 10, 5, 23, 1, 10]]), array([[ 2, 16, 13, 40, 37, 8]])]

[array([[32, 15],

[12, 10],

[ 2, 16]]), array([[ 6, 9],

[ 5, 23],

[13, 40]]), array([[14],

[ 1],

[37]]), array([[21],

[10],

[ 8]])]

合并：np.concatenate((arr1,arr2,arr3), axis=0/1) 默認(rèn)接在數(shù)據(jù)下面

a=np.random.rand(2,3)

b=np.random.randint(1,size=(2,3))

np.concatenate((a,b,a)) # 接在下面

np.concatenate((a,b,a),axis=1) # 接在后面

------------------------

array([[0.95912866, 0.81396527, 0.809493 ],

[0.4539276 , 0.24173315, 0.63931439],

[0. , 0. , 0. ],

[0. , 0. , 0. ],

[0.95912866, 0.81396527, 0.809493 ],

[0.4539276 , 0.24173315, 0.63931439]])

array([[0.95912866, 0.81396527, 0.809493 , 0. , 0. ,

0. , 0.95912866, 0.81396527, 0.809493 ],

[0.4539276 , 0.24173315, 0.63931439, 0. , 0. ,

0. , 0.4539276 , 0.24173315, 0.63931439]])

文章題目：Numpy對(duì)數(shù)組的操作：創(chuàng)建、計(jì)算、合并等
文章起源：http://muchs.cn/article40/jsogho.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供微信小程序、標(biāo)簽優(yōu)化、手機(jī)網(wǎng)站建設(shè)、靜態(tài)網(wǎng)站、品牌網(wǎng)站建設(shè)、網(wǎng)站策劃

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(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)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(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)