Numpy的引用

import numpy as np

Numpy的数组对象——ndarray

ndarray是一个多维数组的对象，由两部分构成：

• 实际的数据
• 描述这些数据的元数据（数据维度、数据类型等）

ndarray数据一般要求所有元素类型相同，数组下标从0开始。
ndarray数组可以由非同质对象构成，非同质ndarray元素为对象类型。非同质ndarray对象无法发挥Numpy的优势，尽量避免使用。
例如：

x = np.array([ [0, 1, 2, 3, 4], [9, 8, 7, 6] ])

此时x由非同质对象构成，x为对象类型。

nd.array()生成一个ndarray数组，参数是列表类型。如果想生成一个n维数组，参数就是n个列表。
打印ndarray数组，输出为列表形式，空格分隔。

ndarray的元素类型

数据类型	说明
bool	布尔类型，True或False
intc	与C语言中的int类型一致，一般是int32或int64
intp	用于索引的整数，与C语言中ssize_t一致，int32或int64
int8	字节长度的整数，取值：[‐128, 127]
int16	16位长度的整数，取值：[‐32768, 32767]
int32	32位长度的整数，取值：[‐2^32, 231‐1]
int64	64位长度的整数，取值：[‐2^63, 2^63‐1]
uint8	8位无符号整数，取值：[0, 255]
uint16	16位无符号整数，取值：[0, 65535]
uint32	32位无符号整数，取值：[0, 2^32‐1]
uint64	64位无符号整数，取值：[0, 2^64‐1]
float16	16位半精度浮点数：1位符号位，5位指数，10位尾数
float32	32位半精度浮点数：1位符号位，8位指数，23位尾数
float64	64位半精度浮点数：1位符号位，11位指数，52位尾数
complex64	复数类型，实部和虚部都是32位浮点数
complex128	复数类型，实部和虚部都是64位浮点数

ndarray对象的属性

属性	说明
.ndim	秩，即轴的数量或维度的数量
.shape	ndarray对象的尺度，对于矩阵，n行m列
.size	ndarray对象元素的个数，相当于.shape中n*m的值
.dtype	ndarray对象的元素类型
.itemsize	ndarray对象中每个元素的大小，以字节为单位

ndarray数组的创建方法

1. 从Python中的列表、元组等类型创建ndarray数组

x = np.array(list/tuple)
x = np.array(list/tuple, dtype=np.float32)

当np.array()不指定dtype时，NumPy将根据数据情况关联一个dtype类型

2. 使用NumPy中函数创建ndarray数组，如：arange, ones, zeros等

函数	说明
np.arange(n)	类似range()函数，返回ndarray类型，元素从0到n‐1
np.ones(shape)	根据shape生成一个全1数组，shape是元组类型
np.zeros(shape)	根据shape生成一个全0数组，shape是元组类型
np.full(shape,val)	根据shape生成一个数组，每个元素值都是val
np.eye(n)	创建一个正方的n*n单位矩阵，对角线为1，其余为0
np.ones_like(a)	根据数组a的形状生成一个全1数组
np.zeros_like(a)	根据数组a的形状生成一个全0数组
np.full_like(a,val)	根据数组a的形状生成一个数组，每个元素值都是val
np.linspace(start, end, num, endpoint=true/false)	从start开始到end结束，生成num个数，endpoint为true则包含end
np.concatenate( (array1, array2) )	将两个或多个数组合并成一个新的数组

ndarray数组的变换

1. ndarray数组的维度变换

方法	说明
.reshape(shape)	不改变数组元素，返回一个shape形状的数组，原数组不变
.resize(shape)	与.reshape()功能一致，但修改原数组
.swapaxes(ax1,ax2)	将数组n个维度中两个维度进行调换
.flatten()	对数组进行降维，返回折叠后的一维数组，原数组不变

例：

a.reshape( (3, 8) )
a.resize( (3, 8) )

2. ndarray数组的类型变换

new_a = a.astype(new_type)

astype()方法一定会创建新的数组（原始数据的一个拷贝），即使两个类型一致

3. ndarray数组向列表的转换

ls = a.tolist()

ndarray数组的操作

索引：获取数组中特定位置元素的过程
切片：获取数组元素子集的过程

一维数组的索引和切片：与Python的列表类似

a[2]
a[ 1 : 4 : 2 ]

起始编号: 终止编号(不含): 步长，3元素冒号分割
编号0开始从左递增，或‐1开始从右递减

多维数组的索引

a[ -1, -2, -3 ]

每个维度一个索引值，逗号分割

多维数组的切片

a[ :, 1, -3 ] #选取一个维度
a[ :, 1:3, : ] #选取两个维度
a[ :, :, ::2 ] #每个维度可以使用步长跳跃切片

ndarray数组的运算

1. 数组与标量之间的运算

数组与标量之间的运算作用于数组的每一个元素

2. NumPy一元函数

函数	说明
np.abs(x) np.fabs(x)	计算数组各元素的绝对值
np.sqrt(x)	计算数组各元素的平方根
np.square(x)	计算数组各元素的平方
np.log(x) np.log10(x) np.log2(x)	计算数组各元素的自然对数、10底对数和2底对数
np.ceil(x) np.floor(x)	计算数组各元素的ceiling值或floor值
np.rint(x)	计算数组各元素的四舍五入值
np.modf(x)	将数组各元素的小数和整数部分以两个独立数组形式返回
np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x)	计算数组各元素的普通型和双曲型三角函数
np.exp(x)	计算数组各元素的指数值
np.sign(x)	计算数组各元素的符号值，1(+), 0, ‐1(‐)

3. NumPy二元函数

函数	说明
+ ‐ * / **	两个数组各元素进行对应运算
np.maximum(x,y) np.fmax() np.minimum(x,y) np.fmin()	元素级的最大值/最小值计算
np.mod(x,y)	元素级的模运算
np.copysign(x,y)	将数组y中各元素值的符号赋值给数组x对应元素
> < >= <= == !=	算术比较，产生布尔型数组

Reference:
中国大学MOOC北京理工大学Python数据分析与展示课程嵩天老师课件
课程主页