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
python2.7删除文件夹和删除文件代码实例
Dec 18 Python
使用Python编写Linux系统守护进程实例
Feb 03 Python
在Python中关于中文编码问题的处理建议
Apr 08 Python
Python错误: SyntaxError: Non-ASCII character解决办法
Jun 08 Python
python assert的用处示例详解
Apr 01 Python
python中数组和矩阵乘法及使用总结(推荐)
May 18 Python
python挖矿算力测试程序详解
Jul 03 Python
python3.5 cv2 获取视频特定帧生成jpg图片
Aug 28 Python
在 Windows 下搭建高效的 django 开发环境的详细教程
Jul 27 Python
详解Pycharm与anaconda安装配置指南
Aug 25 Python
python中round函数保留两位小数的方法
Dec 04 Python
python 命令行传参方法总结
May 25 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
Zend的MVC机制使用分析(一)
2013/05/02 PHP
解析PHP 5.5 新特性
2013/07/02 PHP
php获取twitter最新消息的方法
2015/04/14 PHP
php微信开发之上传临时素材
2016/06/24 PHP
php基于环形链表解决约瑟夫环问题示例
2017/11/07 PHP
关于laravel框架中的常用目录路径函数
2019/10/23 PHP
基于jQuery的树控件实现代码(asp.net+json)
2010/07/11 Javascript
jQuery Tips 为AJAX回调函数传递额外参数的方法
2010/12/28 Javascript
Javascript创建自定义对象 创建Object实例添加属性和方法
2012/06/04 Javascript
javascript 二进制运算技巧解析
2012/11/27 Javascript
JS动态获取当前时间,并写到特定的区域
2013/05/03 Javascript
js购物车实现思路及代码(个人感觉不错)
2013/12/23 Javascript
Nodejs极简入门教程(三):进程
2014/10/27 NodeJs
AngularJS实现textarea记录只能输入规定数量的字符并显示
2016/04/26 Javascript
vue-music关于Player播放器组件详解
2017/11/28 Javascript
基于VuePress 轻量级静态网站生成器的实现方法
2018/04/17 Javascript
浅谈React碰到v-if
2018/11/04 Javascript
微信小程序实现日历功能
2018/11/27 Javascript
vue路由对不同界面进行传参及跳转的总结
2019/04/20 Javascript
Auto.JS实现抖音刷宝等刷视频app,自动点赞,自动滑屏,自动切换视频功能
2020/05/08 Javascript
Python Web编程之WSGI协议简介
2018/07/18 Python
python爬虫获取小区经纬度以及结构化地址
2018/12/30 Python
Python单元测试工具doctest和unittest使用解析
2019/09/02 Python
tensorflow实现tensor中满足某一条件的数值取出组成新的tensor
2020/01/04 Python
python爬虫看看虎牙女主播中谁最“顶”步骤详解
2020/12/01 Python
django使用多个数据库的方法实例
2021/03/04 Python
TUMI马来西亚官方网站:国际领先的高品质商旅箱包品牌
2018/04/26 全球购物
MaBelle玛贝尔香港官网:香港钻饰连锁店
2019/09/09 全球购物
全球精选男装和家居用品:Article
2020/04/13 全球购物
老公保证书
2015/01/17 职场文书
党内外群众意见范文
2015/06/02 职场文书
2015最新婚礼司仪主持词
2015/06/30 职场文书
学生安全责任协议书
2016/03/22 职场文书
python中的被动信息搜集
2021/04/29 Python
ORACLE数据库应用开发的三十个注意事项
2021/06/07 Oracle
win10电脑右下角输入法图标不见了?Win10右下角不显示输入法的解决方法
2022/07/23 数码科技