python中numpy基础学习及进行数组和矢量计算


Posted in Python onFebruary 12, 2017

前言

在python 中有时候我们用数组操作数据可以极大的提升数据的处理效率,类似于R的向量化操作,是的数据的操作趋于简单化,在python 中是使用numpy模块可以进行数组和矢量计算。

下面来看下简单的例子

import numpy as np
 
data=np.array([2,5,6,8,3]) #构造一个简单的数组
 
print(data)

结果:

[2 5 6 8 3]
data1=np.array([[2,5,6,8,3],np.arange(5)]) #构建一个二维数组
 
print(data1)

结果:

[[2 5 6 8 3]
[0 1 2 3 4]]

我们也可以通过shape和dtype方法查看数组的维度和数据格式

print(data.shape)
print(data.dtype)
print(data1.shape)
print(data1.dtype)

结果:

(5,)
int32

(2, 5)
int32

可以看出data是一维数组,每组元素为5个,数据类型为32位int 类型

data1 为二维数组,每个组有5个元素,数据类型为32位int类型

有一个较好的区分方法是看打印结果中,中括号的层数和位置,就可以看出数组的维度,一层中括号代表一个维度。

其他的数组属性方法还有:

array.ndim   数组的维数,一维数组结果为1,二维数组打印结果为2

array.size     数组的元素个数

array.itemsiz   数组每个元素的字节大小

接下来我们了解下数组中的数据类型:

NumPy中的基本数据类型 

名称 描述
bool 用一个字节存储的布尔类型(True或False)
inti 由所在平台决定其大小的整数(一般为int32或int64)
int8 一个字节大小,-128 至 127
int16 整数,-32768 至 32767
int32 整数,-2 ** 31 至 2 ** 32 -1
int64 整数,-2 ** 63 至 2 ** 63 - 1
uint8 无符号整数,0 至 255
uint16 无符号整数,0 至 65535
uint32 无符号整数,0 至 2 ** 32 - 1
uint64 无符号整数,0 至 2 ** 64 - 1
float16 半精度浮点数:16位,正负号1位,指数5位,精度10位
float32 单精度浮点数:32位,正负号1位,指数8位,精度23位
float64或float 双精度浮点数:64位,正负号1位,指数11位,精度52位
complex64 复数,分别用两个32位浮点数表示实部和虚部
complex128或complex 复数,分别用两个64位浮点数表示实部和虚部

基础的数组运算

数组也可以进行我们常用的加减乘除运算

arr=np.array(np.arange(10))
arr1=np.array(np.arange(1,11))
print(arr*2)

结果:

[ 0 2 4 6 8 10 12 14 16 18]
print(arr+arr1)

结果:

[ 1 3 5 7 9 11 13 15 17 19]

注意,相加两个数组长度要一样

接下来我们看下数组索引

arr=np.arange(10)

用下标直接进行索引

print(arr[5])

结果为:

5

切片索引

print(arr[5:8])

结果为:

[5 6 7]

可以利用索引对数据进行更改操作

arr[5]=120
print(arr)

结果为:

[ 0 1 2 3 4 120 6 7 8 9]

可以看到下标为5的数已经变成120了。

此外,数组还可以进行布尔操作

arr=np.arange(5)
name=np.array(['a','b','b','c','a'])
print(name=='a')

结果为:

[ True False False False True]

即满足条件的数据全部以True的结果输出。

接下来我们可以利用name数组设置条件后的布尔值对arr数组进行相关操作

print(arr[name=='a'])

结果为:

[0 4]

即把arr中对应于name中a相对应位置的元素打印出来。

多条件操作

result=(name='a')|(name='c')
print(result)
print(name[result])

结果为:

[ True False False True True]
['a' 'c' 'a']

接下来,我们了解下ufunc方法

用于操作单个数组的函数有如下:

python中numpy基础学习及进行数组和矢量计算

用于操作两个或多个数组的方法

python中numpy基础学习及进行数组和矢量计算

相关的函数方法使用

np.meshgrid 用于生成多维矩阵

a,b=np.meshgrid(np.arange(1,5),np.arange(2,4))
print(a)
print(b)

结果为:

[[1 2 3 4]
[1 2 3 4]]
[[2 2 2 2]
[3 3 3 3]]

按照数据最少的数组形成数组

np.where 是三元表达式  x if  condition  else y的矢量化版本

arr1=np.arange(5)
arr2=np.arange(20,25)
condition=np.array([1,0,1,0,0])
result=np.where(condition,arr1,arr2)
print(arr1)
print(arr2)
print(result)

结果为:

[0 1 2 3 4]
[20 21 22 23 24]
[ 0 21 2 23 24]

可以看出,result的结果中,条件为1的显示数组arr1的内容,条件为0的显示arr2的内容

数学统计方法

在数组中我们也可以使用数学统计方法进行计数,例如sum mean  std  等

arr=np.random.randint(1,20,10)
print(arr)
print(np.mean(arr))
print(np.sum(arr))
print(np.std(arr))

结果为:

[19 14 8 13 13 10 10 9 19 7]
12.2
122
4.01995024845

具体的方法内容如下图所示:

python中numpy基础学习及进行数组和矢量计算

布尔型数组的相关统计方法

arr=np.arange(-20,10)
result=(arr>5).sum()
print(arr)
print(result)

结果为:

-20 -19 -18 -17 -16 -15 -14 -13 -12 -11 -10 -9 -8 -7 -6 -5 -4 -3
-2 -1 0 1 2 3 4 5 6 7 8 9]

4

可以对数据进行判断后进行个数求和

其他的数组方法还有

python中numpy基础学习及进行数组和矢量计算

数据的读取和存储

python中numpy基础学习及进行数组和矢量计算 

线性函数的常用方法

arr=np.array([np.random.randint(1,10,5),np.random.randint(10,20,5)])
print(arr)
print(np.dot(arr,2))

结果为

[[ 4 6 5 1 6]
[14 16 11 10 18]]
[[ 8 12 10 2 12]
[28 32 22 20 36]]

dot方法可以进行矩阵相乘操作

其他方法如下图

python中numpy基础学习及进行数组和矢量计算 

最后我们了解下numpy中的随机数生成方法

上面的很多例子中我们已经用到了随机数生成,

arr=np.random.random(10)
print(arr)

结果为

[ 0.90051063 0.72818635 0.00411373 0.13154345 0.45513344 0.9700776
0.42150977 0.27728599 0.50888291 0.62288808]

其他形式的随机数生成方法

python中numpy基础学习及进行数组和矢量计算

总结

好了,以上就是这篇文章的全部内容了,了解了以上numpy的操作方法,基本的数据操作问题应该不是很大了。希望本文的内容对大家的学习或者工作能带来一定的帮助。

Python 相关文章推荐
Python基于time模块求程序运行时间的方法
Sep 18 Python
Python下载网络文本数据到本地内存的四种实现方法示例
Feb 05 Python
python监控文件并且发送告警邮件
Jun 21 Python
如何基于python实现画不同品种的樱花树
Jan 03 Python
Python实现投影法分割图像示例(一)
Jan 17 Python
Python函数参数分类原理详解
May 28 Python
实例讲解Python 迭代器与生成器
Jul 08 Python
Python子进程subpocess原理及用法解析
Jul 16 Python
Python3爬虫关于识别检验滑动验证码的实例
Jul 30 Python
一篇文章弄懂Python中的内建函数
Aug 07 Python
Python jiaba库的使用详解
Nov 23 Python
Python探索生命起源 matplotlib细胞自动机动画演示
Apr 21 Python
python 数据清洗之数据合并、转换、过滤、排序
Feb 12 #Python
python3制作捧腹网段子页爬虫
Feb 12 #Python
python日志记录模块实例及改进
Feb 12 #Python
Windows下Python2与Python3两个版本共存的方法详解
Feb 12 #Python
使用Python绘制图表大全总结
Feb 11 #Python
Python 绘图和可视化详细介绍
Feb 11 #Python
Python实现多线程HTTP下载器示例
Feb 11 #Python
You might like
DWR Ext 加载数据
2009/03/22 Javascript
基于jquery的一行代码轻松实现拖动效果
2010/12/28 Javascript
jquery隐藏标签和显示标签的实例
2013/11/11 Javascript
JavaScript中使用typeof运算符需要注意的几个坑
2014/11/08 Javascript
nodejs加密Crypto的实例代码
2016/07/07 NodeJs
js html5 css俄罗斯方块游戏再现
2016/10/17 Javascript
jq stop()和:is(:animated)的用法及区别(详解)
2017/02/12 Javascript
JavaScript实现向select下拉框中添加和删除元素的方法
2017/03/07 Javascript
vue2.0获取自定义属性的值
2017/03/28 Javascript
详解vue.js的事件处理器v-on:click
2017/06/27 Javascript
Node.js  事件循环详解及实例
2017/08/06 Javascript
vue-router+vuex addRoutes实现路由动态加载及菜单动态加载
2017/09/28 Javascript
webpack多入口多出口的实现方法
2018/08/17 Javascript
如何提升vue.js中大型数据的性能
2019/06/21 Javascript
vue 动态表单开发方法案例详解
2019/12/02 Javascript
Vue快速实现通用表单验证的方法
2020/02/24 Javascript
Python基础学习之常见的内建函数整理
2017/09/06 Python
Python进程间通信之共享内存详解
2017/10/30 Python
Python内置random模块生成随机数的方法
2019/05/31 Python
详解pytorch 0.4.0迁移指南
2019/06/16 Python
基于多进程中APScheduler重复运行的解决方法
2019/07/22 Python
Python操作远程服务器 paramiko模块详细介绍
2019/08/07 Python
python 根据列表批量下载网易云音乐的免费音乐
2020/12/03 Python
美国成衣女装品牌:CHICO’S
2016/09/19 全球购物
有影响力的人、名人和艺术家的官方商品:Represent
2019/11/26 全球购物
维多利亚的秘密阿联酋官网:Victoria’s Secret阿联酋
2019/12/07 全球购物
企业治理工作自我评价
2013/09/26 职场文书
趣味体育活动方案
2014/02/08 职场文书
宿舍违规用电检讨书
2014/02/16 职场文书
高中军训感言1000字
2014/03/01 职场文书
亮化工程实施方案
2014/03/17 职场文书
企业安全生产标语
2014/06/06 职场文书
办公室主任个人总结
2015/02/28 职场文书
工程款催款函
2015/06/24 职场文书
python使用PySimpleGUI设置进度条及控件使用
2021/06/10 Python
vue-cli3.x配置全局的scss的时候报错问题及解决
2022/04/30 Vue.js