Numpy

Ndarray对象

NumPy 最重要的一个特点是其 N 维数组对象 ndarray
ndarray 对象是用于存放同类型元素的多维数组
ndarray 内部由以下内容组成：

• 一个指向数据（内存或内存映射文件中的一块数据）的指针。
• 数据类型或 dtype，描述在数组中的固定大小值的格子。
• 一个表示数组形状（shape）的元组，表示各维度大小的元组。
• 一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。
  创建一个 ndarray 只需调用 NumPy 的 array 函数即可：

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

image.png

插：
numpy array 类的reshape的用法
eg:

x = np.zeros((2,3,4))
x 是一个三维的零向量
x.reshape(2,3,2,2)
x 变成四维

x.reshape(-1)
返回x直接展开为1维的数组，但是x不变。和x.reshape(1,-1)等价
x 的总元素个数： 2*3*4 = 24个
那么x.reshape(n,-1) 返回x展开成（n, 24/n）的数组
同理：x.reshape(-1, n)返回x展开成(24/n, n)的数组
x.reshape(n1,n2,-1) 返回x展开成 (n1, n2, 24/(n1*n2))的数组

ndarray的一些常见属性：

• ndarray.ndim:
  秩，即轴的数量或维度的数量

• ndarray.shape:
  数组的维度，对于矩阵，n 行 m 列
  返回值是一个元组
  如：a = np.array([[1,2,3],[4,5,6]])
  a.shape -> (2,3)
  通过给shape赋值还可以改变ndarray的结构：

  
  image.png

• ndarray.size：
  数组元素的总个数，相当于 .shape 中 n*m 的值

Numpy创建数组

• numpy.empty
  numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：
  numpy.empty(shape, dtype = float, order = 'C')

  
  image.png

注意 : 数组元素为随机值，因为它们未初始化。

• numpy.zeros
  创建指定大小的数组，数组元素以 0 来填充：
  numpy.zeros(shape, dtype = float, order = 'C')
  注： 默认为浮点数，可以自己设置数字类型，eg：
  y = np.zeros((5,), dtype = np.int)
• numpy.ones
  用 1 来填充数组

Numpy从已有的数组创建数组：

• numpy.asarray
  numpy.asarray(a, dtype = None, order = None)

  
  image.png
  

  可以把列表，元组等作为参数a传入asarray中转化为ndarray

• numpy.frombuffer
  numpy.frombuffer 用于实现动态数组。
  numpy.frombuffer 接受 buffer 输入参数，以流的形式读入转化成 ndarray 对象。
• numpy.fromiter
  numpy.fromiter 方法从可迭代对象中建立 ndarray 对象，返回一维数组。

NumPy 从数值范围创建数组

• numpy.arange

numpy.arange(start, stop, step, dtype)
start : 起始值，默认为0
stop : 终止值（不包含）
step: 步长，默认为1
dtype：返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。
x = np.arange(5) 
x -> [0  1  2  3  4]

• numpy.linspace
  numpy.linspace 函数用于创建一个一维数组，数组是一个等差数列构成的，格式如下：

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
start : 序列的起始值
stop:序列的终止值，如果endpoint为true，该值包含于数列中
num : 要生成的等步长的样本数量，默认为50
endpoint : 该值为 true 时，数列中包含stop值，反之不包含，默认是True。
retstep : 如果为 True 时，生成的数组中会显示间距，反之不显示。 
dtype: ndarray 的数据类型

扩展：
b =np.linspace(1,10,10).reshape([10,1])
b ->
[[ 1.]
[ 2.]
[ 3.]
[ 4.]
[ 5.]
[ 6.]
[ 7.]
[ 8.]
[ 9.]
[10.]]

• numpy.logspace
  numpy.logspace 函数用于创建一个于等比数列。格式如下：

np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
注：
start : 起始值为 base ^ start  eg:base = 10 start = 1，起始值为10，start = 2 ，起始值为100
stop：同理
剩余同理

NumPy 切片和索引

切片

• slice 定义切片：

a = np.arange(10)
s = slice(2,7,2) # 从索引2开始切，到索引7截至，步长为2
print(a[s]) -> [2,4,6]

• 冒号切片：
  和python 的list切片一致
• 带有省略号的切片：

a = np.array([[1,2,3],[3,4,5],[4,5,6]]) 
a[...,1] # 第二列元素  -> [2 4 5]
a[1,...] # 第二行元素 -> [3,4,5]
a[...,1:] # 第二列及剩下的所有元素:
[[2 3]
 [4 5]
 [5 6]]

Numpy 广播：

例子：
设有两个数组 a 和 b，如果两个数组的形状相同，a.shape == b.shape , 那么
a*b 的结果就是a与b数组对应为相乘。这要求a和b维度相同而且各维度的长度相同。
当运算中的两个数组形状不相同时，numpy自动触发广播机制。

a = np.array([[ 0, 0, 0],
           [10,10,10],
           [20,20,20],
           [30,30,30]])
b = np.array([1,2,3])
print(a + b)
->
[[ 1  2  3]
 [11 12 13]
 [21 22 23]
 [31 32 33]]  

由此可见，numpy自动把 b 变化成了 [[1,2,3],[1,2,3],[1,2,3],[1,2,3]],以便和a做相加

• np.tile(a,(m,n))
  就是将矩阵 a 横向复制为原来的m倍，纵向赋值为原来的n倍

数组修改操作

image.png

待续