1.概述
1.np.array() # 將列表轉換為數組
import numpy as np array = [1, 2, 3, 4, 5] array = np.array(array)
2..shape # 打印矩陣的維度, 也可以使用np.shape
import numpy as np array = [1, 2, 3, 4, 5] array = np.array(array) print(array.shape)
2.array 結構
3.dtype 打印數組的數據類型
import numpy as np tang_array = [1, 2, 3, 4] tang_array = np.array(tang_array) print(tang_array.dtype)
4. .itemsize # 判斷數組中每一個數字所占的字節數
print(tang_array.itemsize)
5. .size # 打印出數組中的元素個數, 不關心矩陣的維度
print(tang_array.size)
6. .ndim # 打印數組中的維度信息
print(tang_array.ndim)
7. .fill(0) # 表示對當前數據進行填充，0表示填充的值
# .fill 對當前數據進行填充 tang_array = np.array([1, 2]) tang_array.fill(0) print(tang_array)
8. numpy索引與切片
tang_array = np.array([1, 2, 3, 4]) print(tang_array[0]) print(tang_array[-2:])
9 .copy # 進行淺拷貝
tang_array2 = tang_array.copy()
10 .dtype設置數組類型 將列表轉換為bool值根據bool值進行取值操作
tang_array = np.arange(0, 100, 10) # 將列表轉換為Bool值 bool_array = np.array([1, 0, 0, 1, 1, 1, 1, 0, 0, 0], dtype=bool) # 根據bool值進行取值 print(tang_array[bool_array])
11.根據大於或者小於獲得bool值根據bool值進行取值操作
tang_array = np.random.rand(10) print(tang_array) bool_array = tang_array > 0.5 print(bool_array)
12. np.where 對bool值進行操作，獲得True的索引值
tang_array = np.random.rand(10) bool_array = tang_array > 0.5 index = np.where(bool_array) print(index) print(tang_array[index])
13 .ndtype # 輸出字節數
print(tang_array.nbytes)
14. .astype # 進行數據類型的轉換，但是實際數據不發生改變
tang_array2 = tang_array.astype(np.float32) print(tang_array2.dtype)
15. np.object格式，保存了數據的原來格式
array = np.array([1, 10, 3.5, 'str'], dtype=np.object)
3.數值計算
16. .sum(axis=0) # 進行數組的加和操作
import numpy as np tang_array = np.array([[1, 2, 3], [4, 5, 6]]) # 對axis=0,進行行與行進行加和 print(tang_array.sum(axis=0)) # 進行所有數據的加和
print(tang_array.min(axis=0))
print(tang_array.sum()) print(tang_array.sum(axis=-1))
17. .prod(axis=0) # 進行數組之間的乘積操作,axis=0表示行與行之間進行乘積
print(tang_array.prod()) # 所有元素進行相乘操作
print(tang_array.prod(axis=1))
18. .min(axis=0) 找出數組中數據最小的值，axis=0表示找出每一列的最小值,從上到下的操作
print(tang_array.min(axis=0))
19 .max(axis=0) # 找出數組中數據最大值的操作
print(tang_array.max(axis=0))
20 .argmax(axis=1) # 找出數組中每一行的最大值的位置
print(tang_array.argmax(axis=1))
21 .mean(axis=1) # 找出數組中每一行均值的大小
print(tang_array.mean(axis=1))
22. std(axis=1) # 求出數組中每一行的標准差
print(tang_array.std(axis=1))
23. .var(axis=1) # 求出數組中每一行的方差
print(tang_array.var(axis=1))
24. .clip(2, 4)進行數據的范圍限制, 小於2的用2表示，大於4的用4表示
print(tang_array.clip(2, 4))
25. .round(decimals=1) # 進行四舍五入，decimals表示保留小數點的后幾位數
tang_array = np.array([1.12, 2.12, 3.12, 4.6]) print(tang_array.round(decimals=1))
4.排序
26. np.sort(value, axis=0)# 對數據進行排序操作
import numpy as np tang_array = np.array([[1.5, 1.3, 7.5], [5.6, 7.8, 1.2]]) # 對每一列進行排序 print(np.sort(tang_array, axis=0))
27. .argsort(axis=0) # 打印排序后的索引位置
print(tang_array.argsort(axis=0))
28. np.linspace(0, 10, 11) # 進行范圍的數據拆分
tang_array = np.linspace(0, 10, 11)
29. np.searchsorted(tang, value) # 將value插入tang_array 返回的是插入后的索引值
print(np.searchsorted(tang_array, value))
30. np.lexsort # 指定列隊數組進行排序操作
tang_array = np.array([[1, 0, 6], [2, 7, 0], [3, 3, 1], [2, 4, 0]]) index = np.lexsort([tang_array[:, 2]])
print(tang_array[index])
5-數組形狀
31. np.reshape(value, (2, 5)) # 進行矩陣的維度變化
tang_array = np.arange(10) print(tang_array.shape) # 通過.shape改變數據的維度 tang_array.shape = 2, 5 print(np.reshape(tang_array, (2, 5))) print(tang_array)
32. np.newaxis # 表示增加一個矩陣維度
# 新增加一個維度 np.newaxis tang_array = np.array([[1, 2], [3, 4]]) tang_array = tang_array[:, :, np.newaxis] print(tang_array.shape)
33 .squeeze(axis=3) # 表示指定一個維度進行去除
print(tang_array.squeeze(axis=3).shape)
34 .transpose() 表示進行轉置操作
tang_array = np.arange(0, 10, 1) tang_array.shape = 2, 5 print(tang_array.transpose())
35. np.concatenate((a, b), axis=0) # 進行矩陣的串接操作,(a, b)表示需要串接的tuple,axis=0進行上下的串接
a = np.array([[123, 456, 789], [3234, 456, 134]]) b = np.array([[123, 456, 789], [123, 546, 134]]) c = np.concatenate((a, b), axis=0) print(c)
36. np.vstack((a, b)) # 進行矩陣的上下位置上的串接
c = np.vstack((a, b)) print(c)
37. np.hstack((a, b)) # 進行矩陣左右位置上的串接
c = np.hstack((a, b)) print(c)
38. .flatten() # 進行拉平操作,拉成一個維度
print(c.flatten())
39. .ravel() # 進行拉平操作,也是拉成一個維度
print(c.ravel())
6-數組生成
40. np.arange(0, 10, 1) # 0表示開始，10表示結束，1表示中間間隔
import numpy as np # 根據np.arange進行數組1表示開始位置，10表示末位置, 2表示間隔 print(np.arange(1, 10, 2, dtype=np.float32))
41. np.linspace(0, 9, 10) # 0表示起始位置,9表示結束，10表示拆分成10份
print(np.linspace(0, 9, 10))
42. np.logspace(0, 1, 11) # 0表示起始位置, 1表示終止位置，11表示拆成11分，然后在輸入
print(np.logspace(0, 1, 11)) #等價於10**0.1
43. np.meshgrid(x, y) # 生成一個網格矩陣
x = np.linspace(0, 10, 11) y = np.linspace(10, 20, 11) x, y = np.meshgrid(x, y) print(x) print(y)
44. np.r_[0:10:1] 構造一個行向量
print(np.r_[0:10:1])
45. np.c_[0:10:1] # 構造一個列向量
print(np.c_[0:10:1])
46. np.zeros(3)
import numpy as np # np.zeros 構造一個零矩陣 print(np.zeros(3)) print(np.zeros((2, 3)))
47. np.ones((3, 3)) # np.ones((3, 3)) 表示3*3的維度
print(np.ones((3, 3)))
48. np.empty(size) 生成一個空矩陣
a = np.empty(6) print(a)
49 np.zeros_like() 生成一個維度相同的零矩陣
tang_array = np.array([1, 2, 3, 4, 5]) tang_array2 = np.zeros_like(tang_array) print(tang_array2)
50 np.ones_like() 生成一個維度相同的1矩陣
tang_array3 = np.ones_like(tang_array) print(tang_array3)
51 np.identity(5) # 生成一個形狀是5的單位矩陣
print(np.identity(5))
7-運算
52. np.multiply(x, y) #將x和y進行對應位置相乘操作
import numpy as np x = np.array([5, 5]) y = np.array([2, 2]) # np.multiply(x, y) 將x和y進行對應位置相乘操作 print(np.multiply(x, y))
53. np.dot(x, y) #將x和y進行點乘操作，即矩陣運算(2, 1) * (1, 2) = (2, 2)
print(np.dot(x.reshape(2, 1), y.reshape(1, 2)))
54 # ndarray會進行數據的自動補全操作
x = np.array([1, 1, 1]) y = np.array([[1, 2, 3], [3, 4, 5]]) print(x + y)
55 np.logical_and # 如果兩個都是真的就是真
x = np.array([1, 0, 1]) y = np.array([1, 1, 0]) print(x==y) print(np.logical_and(x, y))
56. np.logical_or # 如果兩個中有一個為真就是真
print(np.logical_or(x, y))
57. np.logical_not # 如果第二個數為1就是1，否者兩個數都為0，等於1
print(np.logical_not(x, y))
8-隨機矩陣
58. np.random.rand(3, 2) # 構造一個(3, 2)的隨機矩陣
import numpy as np # 構造一個0，1之間的隨機矩陣 print(np.random.rand(3, 2))
59. np.random.randint(0, 3, size=(2, 5)) # 構造一個0到2的隨機整數矩陣，矩陣的維度是2，5
print(np.random.randint(0, 3, size=(5, 4)))
60 np.random.sample() # 返回一個0到1的隨機數
print(np.random.sample())
61. np,random.uniform(0, 3, size=(2, 5)) # 從一個均勻的分布中隨機取值
print(np.random.uniform(0, 1, size=(1, 1)))
62. np.random.normal(mu, sigma, size) # 根據均值和標准差進行隨機生成高斯矩陣
m = 0 sigma = 0.1 #標准差 print(np.random.normal(m, sigma, size=(10, 1)))
63. np.set_printoptions(precision=3) # 進行輸出的精度設置，3表示的小數點的個數
np.set_printoptions(precision=3) mu, sigma = 0, 0.1 n = np.random.normal(mu, sigma, 10) print(n)
64 np.random.shuffle() #對樣本進行洗牌操作
tang_array = np.arange(0, 10, 1) np.random.shuffle(tang_array) print(tang_array)
65 np.random.seed(100) # 設置隨機種子，讓每次隨機獲的參數的結果相同，為了更好的進行對比
np.random.seed(100) x = np.random.normal(0, 0.1, size=(1, 10)) print(x)
9-讀寫
66. np.loadtxt('tang.txt', delimiter=",", skiprows=1), delimiter 表示分割符， skiprows表示去除第一行, usecols指定使用那幾列數據
y = np.loadtxt('tang.txt', delimiter=',', skiprows=1) print(y)
67. np.savetxt('tang2.txt', tang_array, fmt='%.2f', delimiter=',')
tang_array = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float32) np.savetxt('tang2.txt', tang_array, fmt='%.2f', delimiter=',')
68. 進行單個array參數的載入和讀取，保存的格式是npy
tang_array = np.array([1, 2, 3, 4], dtype=np.float32) np.save('tang3.npy', tang_array) # 寫入文件 tang_array = np.load('tang3.npy') # 讀取文件 print(tang_array)
69. 進行多個array參數的載入和讀取，使用的是np.savez，保存的格式是.npz,讀取時使用key
tang_array = np.array([1, 2, 3, 4], dtype=np.float32) tang_array2 = np.array([4, 5, 6, 7], dtype=np.float32) np.savez('tang.npz', a=tang_array, b=tang_array2) data = np.load('tang.npz') print(data['a']) print(data['b'])
練習題-1
70. np.__version__ # 打印numpy當前的版本
import numpy as np print(np.__version__)
71 # 構造一個全零矩陣，並打印其所占內存數
z = np.zeros((5, 5)) print(z.size * z.itemsize) print(z.nbytes)
72 # 打印一個函數的幫助文檔 help(np.info(np,add))
print(help(np.info(np.add)))
73. # 創建一個10-49的數組，並將其倒序排列
tang_array = np.arange(10, 50, 1) tang = tang_array[::-1] print(tang)
74 np.nonzero(tang_array) # 找出一個數組中不為0的索引值
print(np.nonzero([1, 2, 3, 4, 5, 0, 0, 3]))
75 # 隨機構造一個3*3矩陣， 打印其最大值和最小值
np.random.seed(9) tang_array = np.random.randint(0, 10, size=(5, 6)) print(tang_array.min()) print(tang_array.max())
76 np.pad(tang_array, add_size, 'constant', constant_values=0) 構造一個5*5的矩陣，令其值為1，在最外層加上一圈0
tang_array = np.ones((5, 5)) tang_array2 = np.pad(tang_array, 1, 'constant', constant_values=0) print(tang_array2)
77. np.unravel_index(100, (6, 7, 8)) # 構建一個shape為(6, 7, 8)的矩陣，並找出第100個元素的索引值
print(np.unravel_index(100, (6, 7, 8)))
78. # 對一個5*5矩陣做0到1歸一化操作
tang_array = np.random.random((5, 5))
tang_array = (tang_array - tang_array.min()) / (tang_array.max() - tang_array.min())
79. np.intersect1d(z1, z2) # 找出兩個數組相同的數
np.random.randint(0, 11, 10) z2 = np.random.randint(0, 11, 10) print(np.intersect1d(z1, z2))
80. np.datetime64('today', 'D') np.timedelta64(1, 'D') # 得到昨天今天明天
yesterday = np.datetime64('today', 'D') - np.timedelta64(1, 'D') today = np.datetime64('today', 'D') tomorrow = np.datetime64('today', 'D') + np.timedelta64(1, 'D') print(yesterday)
81. 得到一個月中所有的天數
print(np.arange('2017-10', '2017-11', dtype='datetime64[D]'))
82. np.floor(value) # 取出一個數的整數部分
tang_array = np.random.uniform(0, 10, 10) print(np.floor(tang_array))
83 z.flags.writeable # 使得這個數組不能被改變
z = np.zeros(5) z.flags.writeable = False z[0] = 1
84. np.set_printoptin(threshold=np.nan) # 使得數組全部打印出來
np.set_printoptions(threshold=np.nan) z = np.zeros((5, 5)) print(z)
85.# 在一個數組中，找出最接近一個數的索引
z = np.arange(100) v = np.random.uniform(0, 100) print(v) index = np.abs(z - v).argmin() print(index)
86 # 進行float32與int32的類型轉換
z = np.arange(10, dtype=np.float32) l = z.astype(np.int32) print(l.dtype)
87. # 打印數組的元素坐標與值
z = np.arange(9).reshape(3, 3) for index, value in np.ndenumerate(z): print(index, value)
88. 按照數組的某一列進行排序
z = np.random.randint(0, 10, (4, 3)) print(z[z[:, 1].argsort()])
89. np.bincount(tang_array) # 統計數組中元素的個數
z = np.array([1, 1, 1, 2, 2, 3, 4, 5]) print(np.bincount(z))
90. 對最后兩個維度進行加和操作
tang_array = np.random.randint(0, 10, (4, 4, 4, 4)) print(tang_array.sum(axis=(-2, -1)))
91 # 交換矩陣的兩行
tang_array = np.random.randint(0, 10, (3, 4)) tang_array[[1, 2]] = tang_array[[2, 1]] print(tang_array)
92 #找出數組中最常出現的數字
z = np.random.randint(0, 10, 10) print(np.bincount(z).argmax())
93 np.argpartition(-z, n)[:n] #找出K個最大值的索引和值
z = np.arange(10000) np.random.shuffle(z) n = 5 print(np.argpartition(-z, n)[:n])
94. np.all(x==y, aixs=1) #找出一行中都相同的數，打印True
# 找出所有元素都相同的數據 x = np.array([[1, 1]]) p = np.array([[1, 1]]) print(np.all(x == p, axis=1)) z = np.random.randint(0, 5, (10, 3)) print(np.all(z[:, 1:]==z[:, :-1]))