Numpy基础

news2025/4/19 11:58:12

目录：

  • 一、简介:
  • 二、array数组ndarray：
    • 1.array( )创建数组：
    • 2.数组赋值和引用的区别：
    • 3.arange( )创建区间数组：
    • 4.linspace( )创建等差数列：
    • 5.logspace( )创建等比数列：
    • 6.zeros( )创建全0数组：
    • 7.ones( )创建全1数组：
    • 8.NumPy数组属性：
      • （1）shape属性：
      • （2）reshape属性：调整数组维度
    • 9.一维数组切片、索引操作：
    • 10.二维数组切片、索引操作：
    • 11.整数数组索引：
      • （1）一次性取多个元素，返回一维数组：
      • （2）一次性取多个元素，将待返回的一维数组重整成二维数组返回：
      • （3）一次性取连续的多行多列元素，返回二维数组：
      • （4）取特定行特定列不连续元素，返回二维数组：
    • 12.布尔数组索引：
      • （1）以数组形式返回数组x>6的元素：
      • （2）以数组形式返回数组中奇数的元素：
      • （3）根据True|False返回数组中符合要求的元素数组：
          • 取行：
          • 取列：
  • 三、广播机制：
  • 四、numpy统计：
    • 1.平均值：
    • 2.中位数：
    • 3.标准差：
    • 4.方差：
    • 5.最大值：
    • 6.最小值：
    • 7.加权平均值：
  • 五、自定义结构化数据类型：
        • *注：数据类型别名：*
  • 六、文件操作：
    • 1.读取普通文本文件：
    • 2.读取csv文件：
    • 3.读取不同列表示不同信息文件：
    • 4.空数据处理：
  • 七、随机数：
  • 八、numpy常用函数：
    • 1.resize( ):
    • 2.unique( ):
    • 3.sort( ):

一、简介:

  • 是Python 科学计算库，方便对数组、矩阵进行计算，包含大量线性代数、傅里叶变换、随机数等大量函数。
  • 直接以数组、矩阵为粒度计算并支撑大量的数学函数，效率高。
  • 各种数据科学类库（Scikit-Learn、TensorFlow、Pandas）等的基础库。

二、array数组ndarray：

1.array( )创建数组：

参数

import numpy as np
my_list = [
    [1,2,3,4],
    [5,6,7,8],
    [9,10,11,12],
    [13,14,15,16]
]
#先将my_list二维数组元素强转为float型，然后是用该数组创建二维ndarray数组
my_ndarray = np.array(my_list,float,ndmin=2)
print(my_ndarray)

在这里插入图片描述

2.数组赋值和引用的区别：

#1.引用机制（指针）
my_ndarray_copy = my_ndarray
print('my_ndarray的内存地址：',id(my_ndarray))
print('my_ndarray_copy的内存地址：',id(my_ndarray_copy))

#2.拷贝机制
my_ndarray_copy = np.array(my_ndarray)
print('my_ndarray的内存地址：',id(my_ndarray))
print('my_ndarray_copy的内存地址：',id(my_ndarray_copy))

在这里插入图片描述

3.arange( )创建区间数组：

在这里插入图片描述

a = np.arange(10,20,2,dtype=float)
print(a)

在这里插入图片描述

4.linspace( )创建等差数列：

等差数列在线性回归经常用作样本集

在这里插入图片描述

#创建起始值为0，终止值为100，样本数量为11的等差数列数组
b = np.linspace(0,100,11,dtype=int)
print(b)

在这里插入图片描述

5.logspace( )创建等比数列：

在这里插入图片描述

#首先将1-5区间均匀取3个数X（1,3,5），然后创建int型等比数列，元素值为X^base(起始值为1^2，终止值为5^2)
c = np.logspace(1,5,3,base=2,dtype=int)
print(c)

在这里插入图片描述

6.zeros( )创建全0数组：

在这里插入图片描述

'''
第一个参数：
	(a)表示a个元素的一维数组
	(a,b)表示a行b列的二维数组
	(a,b,c)表示a块，每块b行c列的三维数组	
'''
#创建2行2列的全0数组
d = np.zeros((2,2),dtype=int)
print(d)

在这里插入图片描述

7.ones( )创建全1数组：

参数同全0

'''
第一个参数：
	(a)表示a个元素的一维数组
	(a,b)表示a行b列的二维数组
	(a,b,c)表示a块，每块b行c列的三维数组	
'''
#创建2行2列的全1数组
e = np.ones((2,2),dtype=int)
print(e)

在这里插入图片描述

8.NumPy数组属性：

在这里插入图片描述

（1）shape属性：

  • shape返回值：
    • (a)表示a个元素的一维数组
    • (a,b)表示a行b列的二维数组
    • (a,b,c)表示a块，每块b行c列的三维数组

（2）reshape属性：调整数组维度

返回调整维度后的副本，而不改变原ndarray

f = np.arange(20).reshape(4,5)
print(f)

在这里插入图片描述

9.一维数组切片、索引操作：

在这里插入图片描述

  • 冒号：：解释
    • [2]将返回与该索引相对应的单个元素
    • [2:7]将返回两个索引之间的元素，不包括停止索引
    • [2:]表示从该索引开始以后的所有元素都将被提取
    • [:7]表示该索引之前的所有元素都将被提取
    • [::-1]表示取反，从后往前取所有元素，步长为-1
a1 = np.arange(10)
print(a1)
#切片操作（注意是引用，a1、a2实际上指向同一片内存空间）
a2 = a1[2:7:2]
print(a2)

#理解引用机制，并理解索引=数组下标=位序-1，
a2[1]=888
print(a1)
print(a2)

在这里插入图片描述

10.二维数组切片、索引操作：

在这里插入图片描述

  • 冒号：：解释
    • [2]将返回一维数组
    • [2][2]将返回特定元素
    • [2:7]将返回两个索引之间的一维数组集，即返回一个二维数组，不包括停止索引
    • [2:]表示从该索引开始以后的所有一维数组集，即返回一个二维数组都将被提取
    • [:7]表示该索引之前的所有一维数组集，即返回一个二维数组都将被提取
    • [...][1]表示[…]先取所有行即取所有元素，[1]再取所有行的第二行一维数组
    • [2,2]将返回特定元素
    • [...,1]或[:,1]返回第二列元素，组成一个一维数组返回
    • x[...,1:]返回第二列之后的所有列，组成一个二维数组返回

11.整数数组索引：

（1）一次性取多个元素，返回一维数组：

x = np.array([
    [1,2],
    [3,4],
    [5,6]
])
#[0,0,2]是行索引，[0,1,1]是列索引，表示取[0,0]、[0,1]、[2,1]的元素，组成一维数组返回
y = x[[0,0,2],[0,1,1]]
y

在这里插入图片描述

（2）一次性取多个元素，将待返回的一维数组重整成二维数组返回：

x = np.array([
    [1,2,3],
    [4,5,6],
    [7,8,9]
])
#行索引
r = np.array([0,0,0,2])
#列索引
c = np.array([0,1,2,2])
#x[r,c]根据索引获取一维数组，reshape(2,2)将返回的4*1一维数组转为2*2的二维数组
s = x[r,c].reshape(2,2)
s

在这里插入图片描述

（3）一次性取连续的多行多列元素，返回二维数组：

x = np.array([
    [1,2,3],
    [4,5,6],
    [7,8,9]
])
#行取2行3行，列取2列3列
y = x[1:3,1:3]
y

在这里插入图片描述

（4）取特定行特定列不连续元素，返回二维数组：

#取1,3行、1,3,4列所有元素
x = np.array([
    [1,2,3,4],
    [4,5,6,7],
    [7,8,9,10]
])
#先取1,3行，:可以换成...
temp = x[[0,2],:]
#再根据上一步结果取1,3,4列，:可以换成...
temp[:,[0,2,3]]

在这里插入图片描述

12.布尔数组索引：

  • 当返回的结果需要经过布尔运算时，会使用到另一种高级索引方式，即布尔数组索引。

（1）以数组形式返回数组x>6的元素：

x = np.array([
    [1,2,3],
    [4,5,6],
    [7,8,9]
])
# 
x[x>6]

在这里插入图片描述

（2）以数组形式返回数组中奇数的元素：

x = np.array([
    [1,2,3],
    [4,5,6],
    [7,8,9]
])
#将数组中所有奇数置为-1（x[x%2!=0]获取奇数，=-1赋值）
x[x%2!=0] = -1
x

在这里插入图片描述

（3）根据True|False返回数组中符合要求的元素数组：

取行：
x = np.array([
    [1,2,3,4],
    [4,5,6,7],
    [7,8,9,10]
])
row = np.array([False,False,True])
print(x[row,...])

在这里插入图片描述

取列：
column = np.array([True,False,True,False])
x = np.array([
    [1,2,3,4],
    [4,5,6,7],
    [7,8,9,10]
])
print(x[...,column])

在这里插入图片描述

三、广播机制：

  • 广播是numpy对不同形状的数组进行数值计算的方式，对数组的算术运算通常在相应的元素上进行。
    • （1）若两个数组形状相同，那么两个数组相乘即为数组对应位置元素相乘。
    • （2）若两个数组形状不同，那么两个数组相乘就需要使用广播机制。
  • 广播机制的核心是对形状较小的数组，在横向或纵向的进行一定次数的重复，使其与形状较大的数组具有相同的维度后相加。

在这里插入图片描述

  • 广播的规则：
    • 输出数组的形状是是输入数组形状的各个维度上的最大值。
    • 如果输入数组的某个维度和输出数组的对应维度的长度相同或输入数组的某个维度的长度为1时，这个输入数组能够用来计算，否则不能运算。
    • 当输入数组的某个维度的长度为1时，沿着此维度运算时都用此维度上的第一组数组值。

四、numpy统计：

1.平均值：

x = np.array([
    [1,2,3],
    [4,5,6],
    [7,8,9]
])
#计算所有元素平均值
print(x.mean())
#从上至下计算每列平均值，返回一维数组
print(x.mean(axis=0))
#从左至右计算每行平均值，返回一维数组
print(x.mean(axis=1))

在这里插入图片描述

2.中位数：

x = np.array([
    [1,2,3],
    [4,5,6],
    [7,8,9]
])
np.median(x)

在这里插入图片描述

3.标准差：

x = np.array([
    [1,2,3],
    [4,5,6],
    [7,8,9]
])
np.std(x)

在这里插入图片描述

4.方差：

x = np.array([
    [1,2,3],
    [4,5,6],
    [7,8,9]
])
np.var(x)

在这里插入图片描述

5.最大值：

x = np.array([
    [1,2,3],
    [4,5,6],
    [7,8,9]
])
np.max(x)

在这里插入图片描述

6.最小值：

x = np.array([
    [1,2,3],
    [4,5,6],
    [7,8,9]
])
np.min(x)

在这里插入图片描述

7.加权平均值：

x = np.array([
    [1,2,3],
    [4,5,6],
    [7,8,9]
])
np.average(x)

在这里插入图片描述

五、自定义结构化数据类型：

#创建结构体
teacher = np.dtype([
    #(变量名称,变量数据类型->"数据类型别名+所占字节数")
    ("name","U8"),
    ("age","i1"),
    ("salary","f4")
])
#创建数组，数组元素为teacher类型
b = np.array(
    [
        ("clh",20,30000),
        ("ccc",18,10000)
    ],dtype = teacher
)
print("数组b内容为：",b)
print("数组中所有name:",b["name"])

在这里插入图片描述

注：数据类型别名：

在这里插入图片描述

六、文件操作：

在这里插入图片描述
注意：skiprows不忽略注释行和空白行，从文档第一行跳过

1.读取普通文本文件：

  • 文本文件一般用空格分隔数据
    在这里插入图片描述
data = np.loadtxt("data.txt",dtype=np.int32)

2.读取csv文件：

  • csv文件是以逗号分隔的文本文件
    在这里插入图片描述
data = np.loadtxt("data.csv",dtype=np.int32,delimiter=",")

3.读取不同列表示不同信息文件：

在这里插入图片描述

 #1.定义结构体
user_info = np.dtype(
    [
        ("name","U10"),
        ("age","i1"),
        ("gender","U1"),
        ("height","i2")
    ]
)
#2.用结构体类型接数据，并且使用skiprows跳过第一行不读
data = np.loadtxt("data.txt",dtype=user_info,skiprows=1,encoding="utf-8")

4.空数据处理：

#使用异常机制
def parse_age(age):
    try:
        return int(age)
    except:
        return 0
#converters调用自定义函数进行空数据处理        
data = np.loadtxt("data.csv",delimiter=",",usecols=1,converters={1:parse_age})

七、随机数：

'''
(a)表示a个元素的一维数组
(a,b)表示a行b列的二维数组
(a,b,c)表示a块，每块b行c列的三维数组
'''


#创建[0,1)内给定维度的随机数组，该组元素符合正态分布
np.random.rand(3,3)

#返回5*5个[1,5)内的随机整数
np.random.randint(1,5,size=(5,5))

八、numpy常用函数：

在这里插入图片描述

1.resize( ):

#元素不够时使用原数组数据补齐
a = np.array([1,2,3,4,5,6,7,8,9])
np.resize(a,(4,4))

在这里插入图片描述

#元素不够时使用0补齐
a = np.array([1,2,3,4,5,6,7,8,9])
a.resize((4,4),refcheck=False)
a

在这里插入图片描述

2.unique( ):

#去重+排序，返回去重后的数组+元素所在原数组的索引+各元素重复次数
a = np.array([2,3,4,5,6,1,2,3])
b,indices,nums = np.unique(a,return_index=True,return_counts=True)
print(b)
print(indices)
print(nums)

在这里插入图片描述

3.sort( ):

#结构体
teacher = np.dtype([
    #(变量名称,变量数据类型)
    ("name","U8"),
    ("age","i1"),
    ("salary","f4")
])
#创建数组，数组元素为teacher类型
b = np.array(
    [
        ("clh",20,30000),
        ("ccc",18,10000)
    ],dtype = teacher
)
#按年龄排序
np.sort(b,order="age")

在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1356119.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

云消息队列 Kafka 版生态谈第一期：无代码转储能力介绍

云消息队列 Kafka 版生态谈第一期：无代码转储能力介绍

作者：娜米 云消息队列 Kafka 版为什么需要做无代码转储 云消息队列 Kafka 版本身是一个分布式流处理平台，具有高吞吐量、低延迟和可扩展性等特性。它被广泛应用于实时数据处理和流式数据传输的场景。然而，为了将云消息队列 Kafka 版与其他数…
阅读更多...
C++第四天

C++第四天

定义一个Person类，私有成员int age，string &name，定义一个Stu类，包含私有成员double *score，写出两个类的构造函数、析构函数、拷贝构造和拷贝赋值函数，完成对Person的运算符重载(算术运算符、条件运算…
阅读更多...
使用Redis进行搜索

使用Redis进行搜索

文章目录 构建反向索引 构建反向索引 在Begin-End区域编写 tokenize(content) 函数，实现文本标记化的功能，具体参数与要求如下： 方法参数 content 为待标记化的文本； 文本标记的实现：使用正则表达式提取全小写化后的…
阅读更多...
特斯拉被比亚迪拉下神坛，马斯克难改命运岁月不如人

特斯拉被比亚迪拉下神坛，马斯克难改命运岁月不如人

当这个消息浮现在我面前时，我几乎不敢相信眼前所见。比亚迪这个我曾无数次在文章中提及的中国车企，终于在2023年完成了伟大的历史任务——以销量突破特斯拉，站上全球电动车王座的宝座！ 过去我们都习惯于从欧美日韩那里听说汽车的成…
阅读更多...
Go 编程必备：bufio 库的全面指南与实战技巧

Go 编程必备：bufio 库的全面指南与实战技巧

Go 编程必备：bufio 库的全面指南与实战技巧 引言bufio 库概览bufio.Readerbufio.Writerbufio.Scanner 深入 bufio.Readerbufio.Reader 的基本使用高级功能应用场景 探索 bufio.Writerbufio.Writer 的基本使用高级功能应用场景 运用 bufio.Scannerbufio.Scanner 的基…
阅读更多...
钉钉小程序生态7—企业机器人加互动卡片，改善用户体验的开始！

钉钉小程序生态7—企业机器人加互动卡片，改善用户体验的开始！

文章导航 钉钉小程序生态1—区分企业内部应用、第三方企业应用、第三方个人应用 钉钉小程序生态2—区分小程序和H5微应用 钉钉小程序生态3—钉钉扫码登录PC端网站 钉钉小程序生态4—钉钉小程序三方企业应用事件与回调 钉钉小程序生态5—钉钉群机器人消息通知和钉钉工作通知 钉…
阅读更多...
React Admin 前端脚手架之ant-design-pro

React Admin 前端脚手架之ant-design-pro

文章目录 一、React Admin 前端脚手架选型二、React Admin 前端脚手架之ant-design-pro三、ant-design-pro使用步骤四、常用总结（持续更新）EditableProTable组件 常用组件EditableProTable组件 编辑某行后，保存时候触发发送请求EditableProTa…
阅读更多...
Bayes贝叶斯识别Spam Email垃圾邮件

Bayes贝叶斯识别Spam Email垃圾邮件

目录 介绍： 一、Gaussian Naive Bayes(连续型变量) 1.1数据处理 1.2建模 1.3cross_val_score函数评估 1.4classification_report函数评估 1.5classification_report函数和cross_val_score函数的区别 二、 Multinomial Naive Bayes（离散型变量&…
阅读更多...
软件工程专业毕业设计题目怎么选？

软件工程专业毕业设计题目怎么选？

文章目录 0 简介1 如何选题2 最新软件工程毕设选题3 最后 0 简介 学长搜集分享最新的软件工程业专业毕设选题，难度适中，适合作为毕业设计，大家参考。 学长整理的题目标准： 相对容易工作量达标题目新颖 1 如何选题 最近非常多的…
阅读更多...
[嵌入式C][入门篇] 快速掌握基础（9个语句）

[嵌入式C][入门篇] 快速掌握基础（9个语句）

开发环境： 网页版：跳转本地开发(Vscode)：跳转 文章目录 一、基础语法（1）if (如果)示例1: 普通使用 if示例2: 带否则 else示例3: 否则如果 else if （2）switch case (选择)规则示例1: &#xff0…
阅读更多...
Arduino开发实例-EMG 肌肉信号传感器

Arduino开发实例-EMG 肌肉信号传感器

EMG 肌肉信号传感器 文章目录 EMG 肌肉信号传感器1、EMG 肌肉信号传感器介绍2、硬件准备及接线3、代码实现1、EMG 肌肉信号传感器介绍 在医学研究中，测量肌肉的活动、收缩和扩张非常重要。 EMG 肌肉传感器测量肌肉活动并产生信号以显示扩张和收缩量。 因此，输出取决于所选肌…
阅读更多...
k8s笔记1- 初步认识k8s

k8s笔记1- 初步认识k8s

k8s简介： kubernetes，俗称k8是，用于自动部署，扩缩和管理容器化应用程序的开源系统，它将组成应用程序的容器，组合成逻辑单元，便于管理和服务发现。 k8s的作用 自动化上线和回滚、存储编排…
阅读更多...
听GPT 讲Rust源代码--compiler(9)

听GPT 讲Rust源代码--compiler(9)

File: rust/compiler/rustc_trait_selection/src/traits/select/mod.rs 在Rust源代码中，rust/compiler/rustc_trait_selection/src/traits/select/mod.rs文件的作用是实现Rust编译器的trait选择器。 首先，让我们逐个介绍这些struct的作用： Se…
阅读更多...
Boost学习之深入理解asio库

Boost学习之深入理解asio库

Asio简介 Boost C 库 Asio，它是异步输入输出的核心。 名字本身就说明了一切：Asio 即异步输入/输出。该库可以让 C 异步地处理数据，且平台独立。 异步数据处理就是指，任务触发后不需要等待它们完成。 相反，Boost.Asio …
阅读更多...
调用百度地图 API 的步骤详解

调用百度地图 API 的步骤详解

百度地图 Web 服务 API 为开发者提供 http/https 接口，即开发者通过 http/https 形式发起检索请求，获取返回 json 或 xml 格式的检索数据。用户可以基于此开发 JavaScript、C#、C、Java 等语言的地图应用。百度地图 API 在线地址为：baidumap.…
阅读更多...
Gromacs make_ndx建组问题

Gromacs make_ndx建组问题

1. 选择特定分子或原子： gmx make_ndx -f input.gro -o output.ndx这将打开交互式界面，您可以在其中选择要包含在索引文件中的分子和原子。按照提示进行操作，选择适当的分组。 2. 手动创建索引文件： 您还可以手动创建一个文本文件…
阅读更多...
JavaWeb——后端之Mybatis

JavaWeb——后端之Mybatis

四、Mybatis 概念： Mybatis是一款持久层（Dao层）框架，用于简化JDBC（Sun操作数据库的规范，较繁琐）的开发 历史： Apache的一个开源项目iBatis，2010年由apache迁移到了goog…
阅读更多...
常见位运算总结

常见位运算总结

个人主页&#xff1a;Lei宝啊 愿所有美好如期而遇 目录 前言 1.基础位运算 &运算 |运算 ^运算 >>运算 <<运算 ~运算 2.给一个数n&#xff0c;确定他的二进制表示中的第x位&#xff0c;是0还是1 3.将一个数n的二进制表示的第x位修改成1 4.将一个数…
阅读更多...
QML 项目中使用 Qt Design Studio 生成的UI界面

QML 项目中使用 Qt Design Studio 生成的UI界面

作者&#xff1a;billy 版权声明&#xff1a;著作权归作者所有&#xff0c;商业转载请联系作者获得授权&#xff0c;非商业转载请注明出处 前言 今天来和大家聊一下 Qt Design Studio 这个软件。这个软件的主要功能是用来快速完成 UI 界面&#xff0c;就和 widget 中的 desig…
阅读更多...
Redis学习笔记（1）——感谢尚硅谷官方文档

Redis学习笔记（1）——感谢尚硅谷官方文档

Redis学习笔记&#xff08;1&#xff09;——感谢尚硅谷官方文档 1. NoSQL1.1 NoSQL数据库概述1.2 各种NoSQL数据库 2. Redis数据库安装2.1 安装条件2.2 Widows下如何安装Redis?2.3 Linux下如何安装Redis? 3. Redis介绍3.1 Redis 简介3.2 Redis 优势3.3 Redis与其他key-value…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023