Python中NumPy基礎使用

Python發展至今，已經有越來越多的人使用python進行科學技術，NumPY是python中的一款高性能科學計算和數據分析的基礎包。

 

ndarray

ndarray（以下簡稱數組）是numpy的數組對象，需要注意的是，它是同構的，也就是說其中的所有元素必須是相同的類型。其中每個數組都有一個shape和dtype。

shape既是數組的形狀，比如

import numpy as np
from numpy.random import randn

arr = randn(12).reshape(3, 4)

arr

[[ 0.98655235  1.20830283 -0.72135183  0.40292924]
 [-0.05059849 -0.02714873 -0.62775486  0.83222997]
 [-0.84826071 -0.29484606 -0.76984902  0.09025059]]

arr.shape 
(3, 4)

其中(3, 4)即代表arr是3行4列的數組，其中dtype為float64

一下函數可以用來創建數組

array	將輸入數據轉換為ndarray，類型可制定也可默認
asarray	將輸入轉換為ndarray
arange	類似內置range
ones、ones_like	根據形狀創建一個全1的數組、后者可以復制其他數組的形狀
zeros、zeros_like	類似上面，全0
empty、empty_like	創建新數組、只分配空間
eye、identity	創建對角線為1的對角矩陣

數組的轉置和軸對稱

轉置是多維數組的基本運算之一。可以使用.T屬性或者transpose()來實現。.T就是進行軸對換而transpose則可以接收參數進行更豐富的變換

arr = np.arange(6).reshape((2,3))
print arr

[[0 1 2]
 [3 4 5]]

print arr.T

[[0 3]
 [1 4]
 [2 5]]

arr = np.arange(24).reshape((2,3,4))
print arr

[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]

print arr.transpose((0,1,2))
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]

 

 

數組的運算

大小相等的數組之間做任何算術運算都會將運算應用到元素級別。

arr = np.arange(9).reshape(3, 3)
print arr

[[0 1 2]
 [3 4 5]
 [6 7 8]]

print arr*arr

[[ 0  1  4]
 [ 9 16 25]
 [36 49 64]]

print arr+arr

[[ 0  2  4]
 [ 6  8 10]
 [12 14 16]]

print arr*4

[[ 0  4  8]
 [12 16 20]
 [24 28 32]]

numpy的簡單計算中，ufunc通用函數是對數組中的數據執行元素級運算的函數。

如：

arr = np.arange(6).reshape((2,3))
print arr

[[0 1 2]
 [3 4 5]]

print np.square(arr)

[[ 0  1  4]
 [ 9 16 25]]

類似的有：abs,fabs,sqrt,square,exp,log,sign,ceil,floor,rint,modf,isnan,isfinite,isinf,cos,cosh,sin,sinh,tan,tanh，

add,subtract,multiply,power,mod,equal,等等