数据分析库之Numpy

Posted louyifei0824

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数据分析库之Numpy相关的知识,希望对你有一定的参考价值。

Numpy get started

NumPy中我们要学习的核心其实就是一个 ndarray n多 d dimension 维度 array数组 多维数组

创建一个ndarray的几种方法

1. 使用np.array()创建多维数组

np.array([1,2,3])  # 多维数组的构造函数
# 传入 列表 就可以创建响应的多维数组

2. 使用np的常用函数(routines)创建

1) np.ones(shape, dtype=None)
功能:按照指定形状创建多维数组,并用1填充
参数:
shape 用于指定创建的多维数组的形状 可以传入2 或者 (2,3)
dtype 数据的类型 np.int8 np.float64
返回值:返回创建好的多维数组数组
测试代码:
shape用来指定创建的多维数组的 形状
np.ones(2)  # 传入2 产生有两个元素的多维数组
np.ones(shape=(2,3))  # ones创建出来的多维数组 内部的值 都是用1来填充
np.ones(shape=(2,3,3,3,3))
np.ones(shape=2)  # 一维
np.ones(shape=(2,3))  # 二维
np.ones(shape=(2,3,3))  # 这是一个三维数组 里面有两个元素 里面套了3个元素 
np.ones(shape=(5,3,4))  # 这是一个三维数组 数组里面有5个元素 里面有3个元素 里面有4个元素
2) np.zeros(shape, dtype=float)
功能类似np.zeros只不过不是用1填充 而是用0填充
3) np.full(shape, fill_value, dtype=None)
# shape用来指定形状, fill_value用来指定用什么值来填充
示例:
np.full(shape=(2,3),fill_value=5)
4) np.eye(N, dtype=float)
功能:创建一个N行N列的方阵(方阵就是行和列的数量相等的矩阵)
参数:N 指定矩阵中有多少行(也是多少列)
返回值: 主对角线上是1,其他地方是0的方阵(单位矩阵)
主对角线为1其他的位置为0(左上角的右下角的对角线叫做主对角线)
示例:
np.eye(5)
# 单位矩阵
# 主对角线上是1 其他地方是0的矩阵就是单位矩阵
# 左上角到右下角的对角线 就是主对角线
# 单位矩阵和其他矩阵相乘 得到的结果 还是原来的矩阵
结果展示:
array([[1., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0.],
       [0., 0., 1., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.]])
5.1) np.linspace(start, stop, num=50, dtype=None)
功能:把start到stop的这个范围的数,等分成num份儿,填入数组
5.2) np.logspace(start, stop, num=50, dtype=None)
功能:把start到stop的这个范围的数,等分成num份儿,获得的值作为10的指数,求出来的值,填入数组

  参数说明:

  # start, stop, num=50
  # 从几开始 到几结束 num指定是要多少个 (0,5) (0,4] [0,5) [start,end]
  # np.linspace(1,5,3)
  # np.linspace(1,5,2) # 从1到5 的 等差数列
  # np.linspace(1,5,4)
  np.linspace(1,5,5)

6) np.arange([start, ]stop, [step, ]dtype=None)
从start,到end,每隔step取一个值,放入一个数组

# [start,] stop[, step,]
# np.arange(5) # 不指定start和step start默认是0 step默认是1 [0,5)每隔1取一个
# np.arange(1,5) # 从1开始到5结束 每隔一个取一个
np.arange(1,11,2)

7) np.random.randint(low, high=None, size=None, dtype=l)
从low到high的范围随机取整数,填充多维数组 size用于指定数组的形状 如 2 (2,3)
8) np.random.randn(d0, d1, ..., dn)
传入几个参数,就创建几维数组

产生以0为中心 方差为1 的 标准正太分布 的随机数 填充数组

如 np.random.randn(2,3,3) 产生一个三维数组 数组中有两个数组 两个数组中分别有三个数组 三个数组中每个都有三个元素
# 里面的参数 用来指定各个维度中元素的个数
np.random.randn(2,3)  # 产生一个多维数组 里面有2个元素 里面有三个元素
# 标准正态分布 平均值是0 标准差是1 的正态分布 就是 标准正态分布
# randn 按照指定的形状去产生 多维数组 里面的值用随机值来填充(随机值的产生 满足标准正态分布)
9) np.random.normal(loc=0.0, scale=1.0, size=None)
np.random.randn是标准正态分布(以0为中心,方差是1) normal是可以指定中心和方差的一般正态分布

loc 正态分别的中心

scale 正态分布的变化范围

size 数组的形状 如 2 (2,3)
# loc=0.0, scale=1.0, size=None
# 指定分布中心 scale用来指定标准差 size指定形状
# np.random.normal(loc=0,scale=1,size=(2,3))
np.random.normal(loc=175,scale=15,size=(7,11))
# np.random.normal(loc=175,scale=15,size=(3,4))

naarray的属性

4个必记参数:

ndim:维度

shape:形状(各维度的长度)

size:总长度

dtype:元素类型

数组应用:用于绘图

import matplotlib.pyplot as plt
# imread可以读取图片
jin = plt.imread(../backup/jin.png)
jin.shape  # 这是一个三维数组 里面有273个元素 里面有411个元素 里面有3个元素
plt.imshow(jin)

 













以上是关于数据分析库之Numpy的主要内容,如果未能解决你的问题,请参考以下文章

Python 数值计算库之-[NumPy]

Python3 NumPy库之ndarray数组

Python3 NumPy库之ndarray数组

机器学习--Python机器学习库之Numpy

Python3 NumPy库之ndarray数组

python库之numpy学习---nonzero()用法