Numpy对数组的操作:创建、变形(升降维等)、计算、取值、复制、分割、合并


Posted in Python onAugust 28, 2019

1. 简介

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。最主要的数据结构是ndarray数组。

NumPy 通常与 SciPy(Scientific Python)和 Matplotlib(绘图库)一起使用, 这种组合广泛用于替代 MatLab。
SciPy 是一个开源的 Python 算法库和数学工具包。SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。
Matplotlib 是 Python 编程语言及其数值数学扩展包 NumPy 的可视化操作界面。

2. 创建

创建一维数组
(1)直接创建:np.array([1, 2, 3, 4, 5, 6])
(2)从python的list中建立:np.array(list([1, 2, 3, 4, 5, 6]))

 创建常量值的一维数据
(1)创建以0为常量值:np.zeros(n,dytpe=float/int)
(2)创建以1为常量值:np.ones(n)
(3)创建一个空数组:np.empty(4)

 创建一个元素递增的数组
(1)从0开始增长的递增数组:np.arange(8)
(2)给定区间,自定义步长:np.arange(0,1,0.2)
(3)给定区间,自定义个数:np.linspace(-1,1,50)

 创建多维数组:创建单维数组,再添加进多维数组

# 数组的结构一定是np.array([]) 无论数组中间存放的是多少“层”数据
# 二维数组相当于存放的是“两层”数组而已
arr1=np.array(list([1, 2, 3, 4, 5]))
arr2=np.array([arr1,[1,0,0,1,0]])  # 2*5的两维数组
arr3=np.array(list([[0,0,1,1,1],[1,1,1,0,0],[2,3,4,5,6]])) # 3*5的两维数组

arrx=np.array([arr1,list([1, 2, 3, 4, 5],[1,1,1,0,0])]) # 报错
arry=np.array([list([[ 1,2,3, 7, 11],[2,3,4,5,6]]),[1, 2, 3, 4, 5]]) # 报错

 创建常量值的(n*m)维数据
(1)创建以0为常量值:np.zeros((n*m),dytpe=float/int)
(2)创建以1为常量值:np.ones((n*m))
(3)创建一个空数组:np.empty((n*m))

 创建随机数字的数组

生成随机数种子:

(1)np.random.seed()
(2)np.random.RandomState()

生成随机数:

函数 取值 说明
1 np.random.rand(d0,d1,…,dn) [0,1) 根据给定维度生成数组,服从均匀分布
2 np.random.randint(low, high=None, size=None, dtype='l') [0,low)或者[low,high) 根据size生成离散均匀分布的整数值
3 np.random.randn(d0,d1,…,dn) 根据给定维度生成数组,服从标准正态分布
4 np.random.random_sample(size=None) [0,1) 根据给定维度生成随机浮点数
5 np.random.random(size=None) [0,1) 根据给定维度生成随机浮点数
6 np.random.ranf(size=None) [0,1) 根据给定维度生成随机浮点数
7 np.random.sample(size=None) [0,1) 根据给定维度生成随机浮点数

生成有分布规律的随机数组
(1)二项分布:np.random.binomial(n, p, size)
(2)正态分布:np.random.normal(loc, scale, size)

 将csv文件转化成数组或阵列

使用 np.genfromtxt( ‘csv文件名',delimiter = ‘文件中的分割符' )函数将文件转化成数组

csv_array = np.genfromtxt('sample.csv', delimiter=',')
 print(csv_array)

3. 数组的变形

生成数组/矩阵转置的函数,即行列数字交换,使用.T

a = np.array([[32, 15, 6, 9, 14], 
    [12, 10, 5, 23, 1],
    [2, 16, 13, 40, 37]])
print(a.T)

-------------------
# 结果如下
[[32 12 2]
 [15 10 16]
 [ 6 5 13]
 [ 9 23 40]
 [14 1 37]]

 改变数组的形状:

(1)arr.resize(n,m) :arr.resize(n,m)函数是原地修改数组,要求:元素的个数必须一致

a=np.arange(8)
a.resize(2,4)
print(a)

---------------------------
[[0 1 2 3]
 [4 5 6 7]]

(2)arr.reshape(n,m):如果某一个维度的参数为-1,则表示元素总个数会迁就另一个维度来计算

a=np.arange(8).reshape(-1,1)
print(a)

-----------------
[[0]
 [1]
 [2]
 [3]
 [4]
 [5]
 [6]
 [7]]

将一维升至二维:np.newaxis

np.newaxis实际上是直接增加维度的意思,我们一般不会给数组增加太多维度,这里以一维增加到二维为例:

(1)增加行维度:arr[np.newaxis, :]
(2)增加列维度:arr[: , np.newaxis]

a=np.arange(8)

a  # array([0, 1, 2, 3, 4, 5, 6, 7])
a.shape  # (8,)
a[np.newaxis, :] # array([[0, 1, 2, 3, 4, 5, 6, 7]])
a.shape  # (8,)
a[: , np.newaxis] # array([[0],[1],[2],[3],[4],[5],[6],[7]])
a.shape  # (8,)

降维:arr.ravel()

arr.ravel()函数在降维时:默认是行序优先生成新数组(就是一行行读);如果传入参数“F”则是列序降维生成新数组

a=np.array([[1,2],[3,4]])
a.ravel() 
a.ravel('F') 

----------------------------
# 结果 array([1, 2, 3, 4])
# 结果 array([1, 3, 2, 4])

4. 计算

对数组进行计算操作

(1)对元素进行加减计算

a=np.arange(8).reshape(2,4) # array([[0, 1, 2, 3], [4, 5, 6, 7]])
b=np.random.randint(8,size=(2,4)) # array([[1, 2, 5, 3], [4, 1, 0, 6]])
a+b
a-b

----------------------------
# a+b和a-b结果分别是:
array([[ 1, 3, 7, 6],
  [ 8, 6, 6, 13]])
array([[-1, -1, -3, 0],
  [ 0, 4, 6, 1]])

(2)乘法:平方/矩阵中元素相乘

a=np.arange(8).reshape(2,4) # array([[0, 1, 2, 3], [4, 5, 6, 7]])
b=np.random.randint(8,size=(2,4)) # array([[1, 2, 5, 3], [4, 1, 0, 6]])
a**2
a*b

-----------------------
# a矩阵平方/a*b矩阵中元素相乘结果分别:
array([[ 0, 1, 4, 9],
  [16, 25, 36, 49]])
array([[ 0, 2, 10, 9],
  [16, 5, 0, 42]])

(3)矩阵*矩阵:

# 要求a矩阵的行要等于b矩阵的列数;且a矩阵的列等于b矩阵的行数
a=np.arange(8).reshape(2,4) # array([[0, 1, 2, 3], [4, 5, 6, 7]])
b=np.random.randint(8,size=(4,2)) # array([[3, 0],[3, 3],[5, 6],[6, 7]])
c1 = np.dot(a,b)
c2 = a.dot(b)

----------------------
# ab矩阵相乘的结果:c1=c2 
array([[ 31, 36],
  [ 99, 100]])

(4)逻辑计算

【注】列表是无法作为一个整体对其中的各个元素进行逻辑判断的!

# 结果返回:一个数组,其中每个元素根据逻辑判断的布尔类型的结果
a > 3 
-----------------------------
# 结果如下:
array([[False, False, False, False],
  [ True, True, True, True]])

5. 取值

获取一维数组中的某个元素:操作和list列表的index一样

a = np.array([5, 2, 7, 0, 11])

a[0] # 结果为 5
a[:4] # 结果为 从头开始到索引为4结束
a[2:] # 结果为 从索引为2的开始到结尾
a[::2] # 结果为 从头开始到结尾,每2个取一个值

获取多维数组的某个元素,某行或列值

a = np.array([[32, 15, 6, 9, 14], 
    [12, 10, 5, 23, 1],
    [2, 16, 13, 40, 37]])

a[2,1]  # 结果是一个元素 16
a[2][1]  # 结果是一个元素 16
a[1]  # 第2行 array([12, 10, 5, 23, 1])
a[:,2]  # 取出全部行,第2列 [15,10,16]
a[1:3, :] # 取出[1,3)行,全部列
a[1,1:]  # array([10, 5, 23, 1])

 获取满足逻辑运算的

# 需要注意的是,我们数据进行逻辑计算操作得到的仍然是一个数组
# 如果我们想要的是一个过滤后的数组,就需要将"逻辑判断"传入数组中
a = np.array([[32, 15, 6, 9, 14], 
    [12, 10, 5, 23, 1],
    [2, 16, 13, 40, 37]])

a[a > 3]
a[(a > 3) | (a < 2)] 

------------------------------
# 结果分别是:
array([32, 15, 6, 9, 14, 12, 10, 5, 23, 16, 13, 40, 37])
array([32, 15, 6, 9, 14, 12, 10, 5, 23, 1, 16, 13, 40, 37])

遍历:结果是按行输出

a = np.array([[32, 15, 6, 9, 14], 
    [12, 10, 5, 23, 1],
    [2, 16, 13, 40, 37]])
for x in a:
 print(x)

--------------------
[32 15 6 9 14]
[12 10 5 23 1]
[ 2 16 13 40 37]

6. 复制/分割/合并

复制:arr.cope()

分割:

(1)等分:np.split(arr, n, axis=0/1)(即行数或列数可以整除n时才可以)
(2)不等分:np.array_split(arr, n) 默认按行分n份

a = np.array([[32, 15, 6, 9, 14, 21], 
    [12, 10, 5, 23, 1, 10],
    [2, 16, 13, 40, 37, 8]])
    
# 可以看到a矩阵是(3*6),所以使用np.split()只能尝试行分成3份;或者列分成2/3/6份 
np.split(a,3,axis=0) 
np.split(a,3,axis=1)

np.array_split(a,2)
np.array_split(a,4,axis=1)

-------------------------------------------
[array([[32, 15, 6, 9, 14, 21]]),
 array([[12, 10, 5, 23, 1, 10]]),
 array([[ 2, 16, 13, 40, 37, 8]])]
 
[array([[32, 15],
  [12, 10],
  [ 2, 16]]), array([[ 6, 9],
  [ 5, 23],
  [13, 40]]), array([[14, 21],
  [ 1, 10],
  [37, 8]])]
  
[array([[32, 15, 6, 9, 14, 21],
  [12, 10, 5, 23, 1, 10]]), array([[ 2, 16, 13, 40, 37, 8]])]
  
[array([[32, 15],
  [12, 10],
  [ 2, 16]]), array([[ 6, 9],
  [ 5, 23],
  [13, 40]]), array([[14],
  [ 1],
  [37]]), array([[21],
  [10],
  [ 8]])]

合并:np.concatenate((arr1,arr2,arr3), axis=0/1) 默认接在数据下面

a=np.random.rand(2,3)
b=np.random.randint(1,size=(2,3))

np.concatenate((a,b,a))  # 接在下面
np.concatenate((a,b,a),axis=1) # 接在后面

------------------------
array([[0.95912866, 0.81396527, 0.809493 ],
  [0.4539276 , 0.24173315, 0.63931439],
  [0.  , 0.  , 0.  ],
  [0.  , 0.  , 0.  ],
  [0.95912866, 0.81396527, 0.809493 ],
  [0.4539276 , 0.24173315, 0.63931439]])

​array([[0.95912866, 0.81396527, 0.809493 , 0.  , 0.  ,
  0.  , 0.95912866, 0.81396527, 0.809493 ],
  [0.4539276 , 0.24173315, 0.63931439, 0.  , 0.  ,
  0.  , 0.4539276 , 0.24173315, 0.63931439]])

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python使用cStringIO实现临时内存文件访问的方法
Mar 26 Python
python实现一次创建多级目录的方法
May 15 Python
python 全文检索引擎详解
Apr 25 Python
20个常用Python运维库和模块
Feb 12 Python
python自动发邮件库yagmail的示例代码
Feb 23 Python
Python读写zip压缩文件的方法
Aug 29 Python
python生成多个只含0,1元素的随机数组或列表的实例
Nov 12 Python
使用python实现抓取腾讯视频所有电影的爬虫
Apr 15 Python
python批量解压zip文件的方法
Aug 20 Python
django-crontab 定时执行任务方法的实现
Sep 06 Python
Python调用jar包方法实现过程解析
Aug 11 Python
Python如何配置环境变量详解
May 18 Python
Python logging设置和logger解析
Aug 28 #Python
Python shelve模块实现解析
Aug 28 #Python
解决python明明pip安装成功却找不到包的问题
Aug 28 #Python
Python 函数list&amp;read&amp;seek详解
Aug 28 #Python
Python collections模块使用方法详解
Aug 28 #Python
对python中的*args与**kwgs的含义与作用详解
Aug 28 #Python
关于python导入模块import与常见的模块详解
Aug 28 #Python
You might like
关于在php.ini中添加extension=php_mysqli.dll指令的说明
2007/06/14 PHP
PHP iconv 解决utf-8和gb2312编码转换问题
2010/04/12 PHP
php出现web系统多域名登录失败的解决方法
2014/09/30 PHP
PHP与jquery实时显示网站在线人数实例详解
2016/12/02 PHP
jQuery实现 注册时选择阅读条款 左右移动
2013/04/11 Javascript
JavaScript+CSS控制打印格式示例介绍
2014/01/07 Javascript
jQuery中appendTo()方法用法实例
2015/01/08 Javascript
jquery实现的横向二级导航效果代码
2015/08/26 Javascript
Boostrap入门准备之border box
2016/05/09 Javascript
原生js实现商品放大镜效果
2017/01/12 Javascript
JSON对象转化为字符串详解
2017/08/11 Javascript
Angularjs实现下拉框联动的示例代码
2017/08/22 Javascript
微信小程序异步处理详解
2017/11/10 Javascript
解决bootstrap中下拉菜单点击后不关闭的问题
2018/08/10 Javascript
js前端面试之同步与异步问题详解
2019/04/03 Javascript
JavaScript实现图片的放大缩小及拖拽功能示例
2019/05/14 Javascript
vue滚动tab跟随切换效果
2020/06/29 Javascript
使用Taro实现小程序商城的购物车功能模块的实例代码
2020/06/05 Javascript
解决vue页面渲染但dom没渲染的操作
2020/07/27 Javascript
简单了解three.js 着色器材质
2020/08/03 Javascript
微信小程序以7天为周期连续签到7天功能效果的示例代码
2020/08/20 Javascript
React Native登录之指纹登录篇的示例代码
2020/11/03 Javascript
python创建线程示例
2014/05/06 Python
Django Admin设置应用程序及模型顺序方法详解
2020/04/01 Python
pandas创建DataFrame的7种方法小结
2020/06/14 Python
将tf.batch_matmul替换成tf.matmul的实现
2020/06/18 Python
中专毕业生自我鉴定
2013/11/21 职场文书
银行求职信个人范文
2013/12/16 职场文书
初级会计求职信范文
2014/02/15 职场文书
爱牙日活动总结
2014/08/29 职场文书
2015年监理工作总结范文
2015/04/07 职场文书
2015年保险公司个人工作总结
2015/05/22 职场文书
电工生产实习心得体会
2016/01/22 职场文书
网络新闻该怎么写?这些写作技巧你都知道吗?
2019/08/26 职场文书
Python 读写 Matlab Mat 格式数据的操作
2021/05/19 Python
MySQL 数据恢复的多种方法汇总
2021/06/21 MySQL