numpy 庫簡單使用

numpy 庫簡單使用

一、numpy庫簡介

　　Python標准庫中提供了一個array類型，用於保存數組類型的數據，然而這個類型不支持多維數據，不適合數值運算。作為Python的第三方庫numpy便有了用武之地。

　　numpy庫處理的最基礎數據類型是用同種元素構成的多維數組(ndarray)，簡稱數組。數組中所有元素的類型必須相同，數組中元素可以用整數索引，序號從0開始。ndarray類型的維度叫作軸(axes)，軸的個數叫做秩(rank)。

二、numpy庫下載

pip install numpy

三、導入庫函數

import numpy as np

四、庫函數基本使用

1. 創建數組的函數 (ndarray類型)

 

函數	說明
np.array([ x, y, z], dtype = int)	從列表或數組中創建數組
np.arange(x, y, i)	創建一個由x到y，以i為步長的數組
np.linspace(x, y, n)	創建一個由x到y，等分成n個元素的數組
np.indices((m, n))	創建一個m行n列的矩陣(3維數組)
np.random.rand(m, n)	創建一個m行n列的隨機數組
np.ones((m,n), dtype)	創建一個m行n列的全1數組，dtype為數據類型
np.zeros((m,n), dtype)	創建一個m行n列的全0數組，dtype為數據類型
np.empty((m,n), dtype)	創建一個m行n列的空數組，dtype為數據類型

 

 1 import numpy as np
 2 
 3 ''' numpy --> array() '''
 4 a1 = np.array([1,2,3,5,8,13,21,34,55,89], dtype = int) # 由列表創建數組
 5 array_ = (2.3,8,10/3,5.0,1/7)   # 創建元組
 6 a2 = np.array(array_)   # 由元組創建數組
 7 print('numpy --> array():\n',a1,'\n',a2)
 8 
 9 ''' numpy --> arange() '''
10 arange_1 = np.arange(1,30,4)
11 arange_2 = np.arange(1,3,0.4)
12 print('numpy --> arange():\n',arange_1,'\n',arange_2)
13 
14 ''' numpy --> linspace() '''
15 lins_1 = np.linspace(1,10,10)
16 lins_2 = np.linspace(1,10,9, dtype = int)
17 print('numpy --> linspace():\n',lins_1,'\n',lins_2)
18 
19 ''' numpy --> random.rand() '''
20 rand_ = np.random.rand(3,4)
21 print('numpy --> random.rand():\n',rand_)
22 
23 ''' numpy --> ones() '''
24 ones_1 = np.ones((3,4))      # 默認為float
25 ones_2 = np.ones((3,4),dtype = int)
26 print('numpy --> ones():\n',ones_1,'\n',ones_2)
27 
28 ''' numpy --> zeros() '''
29 zeros_1 = np.zeros((2,3))
30 zeros_2 = np.zeros((2,3), dtype = int)
31 print('numpy --> zeros():\n',zeros_1,'\n',zeros_2)

 

2. ndarray類型的常用屬性

屬性	說明
ndarray.ndim	返回數組軸的個數，即數組的秩
ndarray.shape	返回數組在每個維度上大小的整數元組
ndarray.size	返回數組元素的總個數
ndarray.dtype	返回數組元素的數據類型
ndarray.itemsize	返回數組元素的字節大小
ndarray.data	返回數組元素的緩存區地址
ndarray.flat	數組元素的迭代器

 1 import numpy as np
 2 a = np.indices((5,8)) # 創建一個m行n列的矩陣
 3 print("數組a的秩：",a.ndim)
 4 print("數組a各維度的大小：",a.shape)
 5 print("數組a元素的總個數：",a.size)
 6 print("數組a元素的數據類型：",a.dtype)
 7 print("數組a元素的字節大小：",a.itemsize)
 8 print("數組a元素的緩存區地址：",a.data)
 9 print("數組a元素的迭代器：",a.flat)
10 print("數組a的元素:\n",a)

 

3. ndarray類型的形態操作方法

操作方法	說明
ndarray.reshape(n, m)	返回一個維度為(n, m)的數組副本
ndarray.resize(new_shape)	修改數組的維度大小
ndarray.swapaxes(ax1, ax2)	調換數組ax1維度與ax2維度，返回調換后的數組
ndarray.flatten()	對數組進行降維，返回一維數組
ndarray.ravel()	對數組進行降維，返回數組的一個視圖

 1 import numpy as np
 2 a = np.arange(20)
 3 print('(1) 創建一維數組a:\n',a)
 4 b = a.reshape(2,10)
 5 print('(2) 由a創建(2,10)的數組b:\n',b)
 6 a.resize(4,5)
 7 print('(3) 修改數組a為(4,5):','Shape of a:',a.shape,'\n',a)
 8 c = a.swapaxes(0,1)
 9 print('(4) 調換數組a第1維度與第2維度得到數組c:(5,4)','Shape of c:',c.shape,'\n',c)
10 d = a.flatten()
11 print('(5) 對數組a降維，得到一維數組d:','Shape of d:',d.shape,'\n',d)
12 e = a.ravel()
13 print('(6) 對數組a降維，得到數組a的視圖e','Shape of e:',e.shape,'\n',e)

 

4. ndarray類型的索引與切片方法

方法	說明
x [i]	索引數組x的第i個元素
x [-i]	從后往前索引數組x的第i個元素
x [n : m]	從前往后索引數組x，不包含第m個元素
x [-m : -n]	從后往前索引數組x，結束位置為n
x [n : m: i]	以i為步長索引數組x

1 import numpy as np
2 a = np.arange(8)
3 print('a:',a)
4 print('a[4]:',a[4])
5 print('a[-6:-3]:',a[-6:-3])
6 print('a[1:6:2]:',a[1:6:2])

 

5. ndarray類型的算術運算函數

函數	說明
np.add(x1, x2 [,y])	y = x1 + x2
np.subtract(x1, x2 [,y])	y = x1 - x2
np.multiply(x1, x2 [,y])	y = x1 * x2
np.divide(x1, x2 [,y])	y = x1 / x2
np.floor_divide(x1, x2 [,y])	y = x1 // x2
np.negative(x [,y])	y = -x
np.power(x1, x2 [,y])	y = x1 ** x2
np.remainder(x1, x2 [,y])	y = x1 % x2

1 import numpy as np
2 A1 = np.arange(1,9)
3 A2 = np.arange(1,30,4)
4 
5 print('A1:',A1)
6 print('A2:',A2)
7 print('A2-A1:',np.subtract(A2,A1))
8 print('A2//A1:',np.floor_divide(A2,A1))
9 print('A2%A1:',np.remainder(A2,A1))

 

6. ndarray類型的比較運算函數

函數	說明
np.equal(x1, x2 [,y])	y = x1 == x2
np.not_equal(x1, x2 [,y])	y = x1 != x2
np.less(x1, x2 [,y])	y = x1 < x2
np.less_equal(x1, x2 [,y])	y = x1 <= x2
np.greater(x1, x2 [,y])	y = x1 > x2
np.greater_equal(x1, x2 [,y])	y = x1 >= x2
np.where(condition [x, y])	根據條件判斷輸出x或y

 1 import numpy as np
 2 A1 = np.arange(1,9)
 3 A2 = np.arange(1,30,4)
 4 
 5 print('A1:',A1)
 6 print('A2:',A2)
 7 print('A1 != A2:',np.not_equal(A1,A2))
 8 print('A1 <= A2:',np.less_equal(A1,A2))
 9 print('Use of where_1:',np.where(A1>=5,'Y','N'))
10 print('Usage as much of where:{}'.format('Y' if A1[3]>=5 else 'N'))

 

7. ndarray類型的其他運算函數

函數	說明
np.abs(x)	返回數組x每個元素的絕對值
np.sqrt(x)	返回數組x每個元素的平方根
np.square(x)	返回數組x每個元素的平方
np.sign(x)	返回數組x每個元素的符號：1(+)、0、-1(-)
np.ceil(x)	返回大於或等於數組x每個元素的最小值
np.floor(x)	返回小於或等於數組x每個元素的最大值
np.rint(x [,out])	返回數組x每個元素最接近的整數
np.exp(x [,out])	返回數組x每個元素的指數值
np.log(x) / np.log2(x) / np.log10(x)	返回數組x每個元素相應的對數(e、2、10)

1 import numpy as np
2 A1 = np.arange(1,9)
3 A2 = np.arange(1,30,4)
4 
5 print('A1:',A1)
6 print('A2:',A2)
7 print('A2的平方根：',np.sqrt(A2))
8 print('A1的平方：',np.sqrt(A1))
9 print('A2 2的對數：',np.log2(A2))