Python开发:NumPy学习ndarray数组

Posted guobin-

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Python开发:NumPy学习ndarray数组相关的知识,希望对你有一定的参考价值。

一、数据维度

  一个数据表达一个含义,一组数据表达一个或多个含义。

  数据维度概念:一组数据的组织形式,其中有一维数据、二维数据、多维数据、高维数据。

  1、  一维数据

  一维数据由对等关系的有序或无序数据构成,采用线性方式组织。

  对应:列表、集合

#列表有序
[1,2,3,4,5]
#集合无序
1,2,3,4,5

  2、二维数据

  二维数据由多个一维数据构成,是一维数据的组合形式。

  对应:列表

[[1,2,3],[4,5,6]]

  3、多维数据

  多维数据由一维或二维数据在新维度上扩展形成。

  对应:列表

[[[1],[2],[3]],[[4],[5],[6]],[[7],[8],[9]]]

  4、高维数据

  高维数据仅使用最基本二元关系展示数据间的复杂结构。

  对应:字典或数据表示格式

#字典一一对应为二元关系
dict=
          "x1":"1",  
          "y1":"2",  
     

  数据表示格式:JSON、XML、YAML等格式

二、NumPy

  1、简介

  NumPy是一个开源的科学计算基础库,是SciPy、Pandas等数据处理或科学计算库的基础。

  2、主要功能:

  (1)、提供了一个强大的N维数组对象ndarray

    优点:

    1、数组对象可以去掉元素间运算所需的循环,使一维向量更像单个数据。

    2、设置专门的数组对象,经过优化可以提升这类应用的运算速度。

    3、数组对象采用相同的数据类型,有助于节省运算和存储空间。

    实例:

import numpy as np
a=np.array([1,2,3,4,5])
b=np.array([6,7,8,9,10])
c=[]
c=a**2+b**2
print(c)

    技术图片

  (2)、提供了一组广播功能相关的函数,用来在数据间进行计算;

  (3)、整合了C/C++/Fortran代码,并提供整合工具;

  (4)、提供了线性代数、傅里叶变换、随机数生成等功能用于科学计算。

三、ndarray:

  多维数组,由实际数据和描述这些数据的元数据(数据维度、数据类型)两部分构成。

  一般要求所有元素类型相同,数组下标从0开始。

  np.array()可以生成一个ndarray数组,输出成[]形式,元素由空格分割。

  两个属性:

  轴(axis):保存数据维度;秩(rank):轴的数量  

  ndarray对象的属性:

  1、ndim:秩,轴数量或维度数量

import numpy as np
a=np.array([[1,2,3,4,5],[6,7,8,9,10]])
print(a.ndim)

  技术图片

  2、shape:ndarray对象尺度,即n行m列

import numpy as np
a=np.array([[1,2,3,4,5],[6,7,8,9,10]])
print(a.shape)

  技术图片

  3、size:ndarray对象元素个数,为shape中n*m

import numpy as np
a=np.array([[1,2,3,4,5],[6,7,8,9,10]])
print(a.size)

  技术图片

  4、dtype:ndarray对象的元素的类型

import numpy as np
a=np.array([[1,2,3,4,5],[6,7,8,9,10]])
print(a.dtype)

  技术图片

  5、itemsize:ndarray对象中每个元素大小

import numpy as np
a=np.array([[1,2,3,4,5],[6,7,8,9,10]])
print(a.itemsize)

  技术图片

四、ndarray的相关操作

1、创建:

  (1)、从Python中的列表、元组等

import numpy as np
#不声明数据类型,创建时会自动读取类型
nd=np.array(list/tuple)
import numpy as np
#声明数据类型
nd=np.array(list/tuple,dtype=np.int32)

  (2)、使用NumPy中函数

函数 说明
arange(n) 返回ndarray类型,元素从0到n-1
ones(shape) 根据shape生成一个全1数组
zeros(shape) 根据shape生成全0数组
full(shape,value) 根据shape生成一个数组,每元素值全为value
eye(n) 一个正方形的n*n单位矩阵,对角线为1,其余为0
ones_like(a) 根据数组a的形状生成一个全1数组
zeros_like(a) 根据数组a的形状生成一个全0数组
full_like(a,value) 根据数组a的形状生成一个数组,每元素值全为value
linspace() 根据起止数据等间距地填充数据,形成数组
concatenate() 根据两个或多个数组合并成一个新数组
 
  arange函数默认是整数类型,其他函数默认为float类型,np.ones((1,2),dtype=np.int32)将ones生成的数组类型为int32。
  举例:
 
  【2,20】linspace前闭合后闭合等分:
import numpy as np
nd=np.linspace(2,20,10)
print(nd)
  技术图片

  

  添加endpoint=Flase,【2,20)linspace前闭合后开放等分:

import numpy as np
nd=np.linspace(2,20,10,endpoint=False)
print(nd)

  技术图片

 

  concatenate合并:

import numpy as np
nd=np.linspace(2,20,10)
nd2=np.linspace(2,10,3)
nd3=np.concatenate((nd,nd2))
print(nd3)

  技术图片

  (3)、从字节流中

  (4)、从文件中读取特定格式

2、变换

  (1)、维度变换

  reshape(不改变原数组)

import numpy as np
nd=np.full((2,4,8),6)
a=nd.reshape((8,8))
print(a)
print()
print(nd)

  技术图片

  resize(改变原数组)

import numpy as np
nd=np.full((2,4,8),6)
print(nd)
print()
nd.resize((8,8))
print(nd)

  技术图片

  (2)、元素类型变换

  astype(返回一个新数组)

import numpy as np
nd=np.full((2,4,8),6,dtype=int)
print(nd)
nd2=nd.astype(np.float)
print()
print(nd2)

  技术图片

  (3)、ndarray数组转化成列表

  tolist()

import numpy as np
nd=np.full((2,4,2),1)
print(nd)
nd2=nd.tolist()
print()
print(nd2)

  技术图片

3、索引

  获取数组中特定位置元素的过程。

  一维:和python列表的索引方式相同

  多维:nd[x,y,z]

import numpy as np
nd=np.arange(18).reshape((2,3,3))
print(nd)
print("索引的元素为:"+str(nd[1,2,2]))

  技术图片

4、切片

  获取数组元素子集的过程

  一维:和python列表的切片方式相同

  多维:

import numpy as np
nd=np.arange(18).reshape((2,3,3))
print(nd)
print("切出来的:")
print(nd[:,:,::2])

  技术图片

5、运算

  数组与标量间的计算则为数组中每个元素与标量的计算。

  示例:

import numpy as np
nd=np.arange(18).reshape((2,3,3))
print(nd)
nd=nd/2
print("运算结果:")
print(nd)

  技术图片

  函数如下:

函数  说明 

 abs(n)

fabs(n)

计算数组各元素的绝对值 
 sqrt(n) 计算数组各元素的平方根 
 square(n) 计算数组各元素的平方 
 rint(n) 各元素四舍五入 
 modf(n) 各元素的整数和小数部分分成两个独立数组 
 cos(n) 三角函数 
 exp(n) 各元素指数值 
 sign(n) 各元素的符号值,正数显示+,负数显示-,0显示0 
 log(n) 计算各元素对数 

 ceil(n)

floor(n)

计算各元素ceiling值或floor值 

以上是关于Python开发:NumPy学习ndarray数组的主要内容,如果未能解决你的问题,请参考以下文章

Python之numpy详细教程

Python机器学习(三十五)NumPy ndarray

Python3 NumPy库之ndarray数组

Python3 NumPy库之ndarray数组

数据分析从入门到“入坑“系列利用Python学习数据分析-Numpy中的ndarray

Python3 NumPy库之ndarray数组