NumPy:修订间差异

无编辑摘要
无编辑摘要
 
(未显示同一用户的2个中间版本)
第29行: 第29行:
}}
}}


===创建ndarray数组===
===创建数组===


===ndarray数组属性===
常用创建数组方法:
{| class="wikitable"
! 命令
! 描述
! 格式
! 示例
|-
| array()
| 创建一个Numpy数组。 
| numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, like=None)
| <code>np.array([1,2,3])</code> 返回array([1, 2, 3]),将Python数组(列表)转化为Numpy数组(ndarray)。
|-
| arange()
|等差数列的一维数组。 可指定区间和步长
| numpy.arange(start=0, stop, step=1, dtype=None, *, like=None)
|可指定区间和步长,区间左闭右开。 <code>np.arange(2)</code> 返回array([0, 1]) <br \><code>np.arange(6,11,step=2)</code> 返回array([ 6,  8, 10])
|-
| linspace()
|等差数列的一维数组。 可指定区间和个数,区间左闭右闭。
| numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0)
|<code>np.linspace(1,2,num = 2)</code> 返回array([1., 2.]) <br \><code>np.linspace(1,100,num = 3)</code> 返回array([  1. ,  50.5, 100. ])
|-
| random.randint()
|  随机整数的一维数组。可指定区间和个数,区间左闭右开。
| random.randint(low, high=None, size=None, dtype=int)
| <code>np.random.randint(0,100,size = 10)</code> 返回有10个元素的一维数组,值为0到100(不包含)的随机整数。
|-
| random.rand()
| 指定形状的数组,值为0到1之间均匀分布的随机值(左闭右开)
| random.rand(d0, d1, ..., dn)
| <code>np.random.randint(2,3)</code>  返回一个形状2x3的随机数组。
|-
| random.randn()
| 指定形状的数组,值为标准正态分布随机值。
| random.randn(d0, d1, ..., dn)
|  <code>np.random.randn(2,3)</code>  返回一个形状2x3的随机数组。
|-
| random.standard_normal()
| 指定形状的数组,值为标准正态分布随机值。与random.randn()函数类似,参数不同。
| random.standard_normal(size=None)
| <code>np.random.standard_normal(size=(2,3))</code>  返回一个形状2x3的随机数组。
|-
| random.normal()
| 指定形状的数组,值为正态分布随机值。loc设置正态分布均值,scale设置标准差。
| random.normal(loc=0.0, scale=1.0, size=None)
| <code>np.random.normal(loc=80, scale=6, size=(3,60))</code> 返回一个形状3x60的随机数组。
|-
| ones()
|  返回一个使用1填充的并按指定形状和数据类型生成的新数组。
| numpy.ones(shape, dtype=None, order='C', *, like=None)
| <code>np.ones(2)</code> 返回array([1., 1.]),是一维有2个元素的数组。<br \><code>np.ones((2,3))</code> 返回二维每维有3个元素的数组。
|-
| ones_like()
| 返回一个使用1填充,形状和数据类型与给定数组一样的新数组。
| numpy.ones_like(a,dtype = None,order ='K',subok = True,shape = None )
| <code>np.ones_like(nd1)</code> 返回一个数组形状和数据类型与nd1一样,值使用1填充。
|-
| zeros()
| 返回给定形状和类型的新数组,并用0填充。
| numpy.zeros(shape, dtype=float, order='C', *, like=None)
| <code>np.zeros(2)</code> 返回array([0., 0.]),是一维有2个元素的数组。<br \><code>np.zeros((2,3))</code> 是二维每维有3个元素的数组。
|-
| zeros_like()
| 返回一个使用0填充,形状和数据类型与给定数组一样的新数组。
| numpy.zeros_like(a, dtype=None, order='K', subok=True, shape=None)
| <code>np.zeros_like(nd1)</code> 返回一个数组形状和数据类型与nd1一样,值使用0填充。
|-
| full()
| 返回给定形状和类型的新数组,并用fill_value填充。
| numpy.full(shape, fill_value, dtype=None, order='C', *, like=None)
| <code>np.full((2,3),fill_value=3.14)</code> 返回形状为2x3,值为3.14的数组
|-
| full_like()
| numpy.full_like(a, fill_value, dtype=None, order='K', subok=True, shape=None)
|
|-
| empty()
|
|-
| empty_like()
|
|}


{{了解更多
| [https://numpy.org/doc/stable/reference/routines.array-creation.html Numpy 手册:数组创建示例]
| [https://numpy.org/doc/stable/reference/random/index.html Numpy 手册:随机数]
}}
===数组属性===
常用属性:
{| class="wikitable"  style="width: 100%;
! 属性
! 描述
|-
| ndarray.shape
| 数组形状
|-
| ndarray.ndim
| 数组的维数
|-
| ndarray.size
| 数组尺寸,即维数乘以每维元素个数。
|-
| ndarray.dtype
| 数组元素的数据类型。
|-
| ndarray.itemsize
| 一个数组元素的长度(以字节为单位)。
|}
{{了解更多
| [https://numpy.org/doc/stable/reference/arrays.ndarray.html#array-attributes Numpy 手册:数组属性]
}}
===复制和视图===
===复制和视图===


===输入输出===
===输入输出===
 
{| class="wikitable"
! 命令
! 格式
! 描述
|-
| load()
|  加载.npy或.npz文件,当加载含有多个数组的npz文件时,加载后使用['存储的某个键']获取某个数组。
| numpy.load(file,mmap_mode = None,allow_pickle = False,fix_imports = True,encoding ='ASCII' )
| <code>np.load('test.npz')['np2']</code>。
|-
| save()
|  将数组保存到.npy文件。
| numpy.save(file, arr, allow_pickle=True, fix_imports=True)
| <code>np.save('test.npy', np2)</code> 保存np2数组到当前文件夹的test.npy中。
|-
| savez()
|  将多个数组以未压缩.npz格式保存到单个文件中。
| numpy.savez(file, *args, **kwds)
| <code>np.savez('123.npz', a=a, np2=np2)</code> 保存a和np2两个数组到123.npz文件中<br \>
|-
| savez_compressed()
|  将多个数组以压缩.npz格式保存到单个文件中。
| numpy.savez_compressed(file, *args, **kwds)
|
|-
| loadtxt()
|  从文本文件读取数组。
| numpy.loadtxt(fname, dtype=<class 'float'>, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding='bytes', max_rows=None, *, like=None)
| <code>np.loadtxt('test.txt',delimiter=',')</code> 读取test.txt文件中的数组,分隔符为','。
|-
| savetxt
|  将数组保存到文本文件。
| numpy.savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='\n', header='', footer='', comments='# ', encoding=None)
| <code>np.savetxt('test.txt', nd1, fmt='%0.2f', delimiter=',')</code> 保存nd1数组到test.txt文件中,格式为'%0.2f',分隔符为','
|}
{{了解更多
|[https://numpy.org/doc/stable/reference/routines.io.html Numpy 手册:输入输出]
}}
==索引==
==索引==


第63行: 第217行:
*Github 主页 :https://github.com/numpy/numpy
*Github 主页 :https://github.com/numpy/numpy


===相关网站===
===教程===
*[https://www.runoob.com/numpy/numpy-tutorial.html 菜鸟教程:Numpy ]
*[https://www.runoob.com/numpy/numpy-tutorial.html 菜鸟教程:Numpy ]
*[https://www.numpy.org.cn/ numpy.org.cn:Numpy ]
*[https://www.numpy.org.cn/ numpy.org.cn:Numpy 文档翻译]


===书籍===
===书籍===
*《利用Python进行数据分析》 - 韦斯·麦金尼
*《利用Python进行数据分析》 - 韦斯·麦金尼


==参考==
===文章===
*[https://zh.wikipedia.org/wiki/NumPy 维基百科:NumPy]
*[https://zh.wikipedia.org/wiki/NumPy 维基百科:NumPy]
[[分类:数据分析]]

2021年7月21日 (三) 16:54的最新版本

NumPy是Python中科学计算的基本软件包。支持高阶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。

简介

时间轴

安装

pip安装

pip install NumPy

其他内置软件包

如果使用的是Anaconda等计算科学软件包,已经安装好了NumPy库。

导入NumPy

在脚本顶部导入,一般的NumPy导入方式如下:

import numpy as np

基础知识

数据类型

ndarray

NumPy提供了N维数组类型(N-dimensional array)即ndarray,它是NumPy的核心。这是一个表示多维度、同类型并且固定大小的数组对象。所有ndarray对象都有如下性质:

  • 数组的每个元素占用相同大小的内存块,并且所有块的解释执行方式都一样。
  • 数组中每个元素

了解更多 >> Numpy 手册:数组对象 Numpy 手册:ndarray对象


创建数组

常用创建数组方法:

命令 描述 格式 示例
array() 创建一个Numpy数组。 numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, like=None) np.array([1,2,3]) 返回array([1, 2, 3]),将Python数组(列表)转化为Numpy数组(ndarray)。
arange() 等差数列的一维数组。 可指定区间和步长 numpy.arange(start=0, stop, step=1, dtype=None, *, like=None) 可指定区间和步长,区间左闭右开。 np.arange(2) 返回array([0, 1])
np.arange(6,11,step=2) 返回array([ 6, 8, 10])
linspace() 等差数列的一维数组。 可指定区间和个数,区间左闭右闭。 numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None, axis=0) np.linspace(1,2,num = 2) 返回array([1., 2.])
np.linspace(1,100,num = 3) 返回array([ 1. , 50.5, 100. ])
random.randint() 随机整数的一维数组。可指定区间和个数,区间左闭右开。 random.randint(low, high=None, size=None, dtype=int) np.random.randint(0,100,size = 10) 返回有10个元素的一维数组,值为0到100(不包含)的随机整数。
random.rand() 指定形状的数组,值为0到1之间均匀分布的随机值(左闭右开) random.rand(d0, d1, ..., dn) np.random.randint(2,3) 返回一个形状2x3的随机数组。
random.randn() 指定形状的数组,值为标准正态分布随机值。 random.randn(d0, d1, ..., dn) np.random.randn(2,3) 返回一个形状2x3的随机数组。
random.standard_normal() 指定形状的数组,值为标准正态分布随机值。与random.randn()函数类似,参数不同。 random.standard_normal(size=None) np.random.standard_normal(size=(2,3)) 返回一个形状2x3的随机数组。
random.normal() 指定形状的数组,值为正态分布随机值。loc设置正态分布均值,scale设置标准差。 random.normal(loc=0.0, scale=1.0, size=None) np.random.normal(loc=80, scale=6, size=(3,60)) 返回一个形状3x60的随机数组。
ones() 返回一个使用1填充的并按指定形状和数据类型生成的新数组。 numpy.ones(shape, dtype=None, order='C', *, like=None) np.ones(2) 返回array([1., 1.]),是一维有2个元素的数组。
np.ones((2,3)) 返回二维每维有3个元素的数组。
ones_like() 返回一个使用1填充,形状和数据类型与给定数组一样的新数组。 numpy.ones_like(a,dtype = None,order ='K',subok = True,shape = None ) np.ones_like(nd1) 返回一个数组形状和数据类型与nd1一样,值使用1填充。
zeros() 返回给定形状和类型的新数组,并用0填充。 numpy.zeros(shape, dtype=float, order='C', *, like=None) np.zeros(2) 返回array([0., 0.]),是一维有2个元素的数组。
np.zeros((2,3)) 是二维每维有3个元素的数组。
zeros_like() 返回一个使用0填充,形状和数据类型与给定数组一样的新数组。 numpy.zeros_like(a, dtype=None, order='K', subok=True, shape=None) np.zeros_like(nd1) 返回一个数组形状和数据类型与nd1一样,值使用0填充。
full() 返回给定形状和类型的新数组,并用fill_value填充。 numpy.full(shape, fill_value, dtype=None, order='C', *, like=None) np.full((2,3),fill_value=3.14) 返回形状为2x3,值为3.14的数组
full_like() numpy.full_like(a, fill_value, dtype=None, order='K', subok=True, shape=None)
empty()
empty_like()

了解更多 >> Numpy 手册:数组创建示例 Numpy 手册:随机数


数组属性

常用属性:

属性 描述
ndarray.shape 数组形状
ndarray.ndim 数组的维数
ndarray.size 数组尺寸,即维数乘以每维元素个数。
ndarray.dtype 数组元素的数据类型。
ndarray.itemsize 一个数组元素的长度(以字节为单位)。

了解更多 >> Numpy 手册:数组属性


复制和视图

输入输出

命令 格式 描述
load() 加载.npy或.npz文件,当加载含有多个数组的npz文件时,加载后使用['存储的某个键']获取某个数组。 numpy.load(file,mmap_mode = None,allow_pickle = False,fix_imports = True,encoding ='ASCII' ) np.load('test.npz')['np2']
save() 将数组保存到.npy文件。 numpy.save(file, arr, allow_pickle=True, fix_imports=True) np.save('test.npy', np2) 保存np2数组到当前文件夹的test.npy中。
savez() 将多个数组以未压缩.npz格式保存到单个文件中。 numpy.savez(file, *args, **kwds) np.savez('123.npz', a=a, np2=np2) 保存a和np2两个数组到123.npz文件中
savez_compressed() 将多个数组以压缩.npz格式保存到单个文件中。 numpy.savez_compressed(file, *args, **kwds)
loadtxt() 从文本文件读取数组。 numpy.loadtxt(fname, dtype=<class 'float'>, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0, encoding='bytes', max_rows=None, *, like=None) np.loadtxt('test.txt',delimiter=',') 读取test.txt文件中的数组,分隔符为','。
savetxt 将数组保存到文本文件。 numpy.savetxt(fname, X, fmt='%.18e', delimiter=' ', newline='\n', header=, footer=, comments='# ', encoding=None) np.savetxt('test.txt', nd1, fmt='%0.2f', delimiter=',') 保存nd1数组到test.txt文件中,格式为'%0.2f',分隔符为','

了解更多 >> Numpy 手册:输入输出


索引

广播

通用函数

通用函数(Universal functions),简称ufunc,是一种ndarrays以逐个元素的方式运行的函数,支持数组广播,类型转换和其他几个标准功能。也就是说,ufunc是函数的“向量化”包装器,该函数采用固定数量的特定输入并产生固定数量的特定输出。

了解更多 >> Numpy 手册:通用函数


数学运算

三角函数

位运算函数

比较函数

资源

官网

教程

书籍

  • 《利用Python进行数据分析》 - 韦斯·麦金尼

文章