Python科学计算的基础包 Numpy快速入门

silverleopard 发布于4月前

一、什么是Numpy

功能

Numpy是Python科学计算的基础包,主要提供了以下功能:

  • 快速高效的多维数组对象的ndarray
  • 用于对数组执行元素级计算以及直接对数组执行数学运算的函数
  • 用于读写硬盘上基于数组的数据集的工具
  • 线性代数运算、傅立叶变换,以及随机数组生成
  • 用于将C、C++、Fortran代码集成到Python的工具
  • 作为算法之间传递数据的容器,对于数值型数据,Numpy数组在存储和处理数据时要比内置的Python数据结构高效得多

文档

官方文档

中文快速入门

参考手册

二、数组创建函数

  • array
    将输入数据(列表、元组、数组或其他序列类型)转换为ndarray。要么推断出dtype,要么显示指定dtype
    Numpy快速入门
  • asarray
    将输入转换为ndarray,如果输入本身就是一个ndarray就不再复制
    array和asarray都可以将结构数据转化为ndarray,但是主要区别就是当数据源是ndarray时,array仍然会copy出一个副本,占用新的内存,但asarray不会
  • arange

    类似内置的range,返回一个ndarray

    Numpy快速入门
  • zeros、zeros_like

    根据指定的形状和dtype创建一个全是9的数组。

    zeros_like以另一个数组为参数,并根据其形状和dtype创建一个全0数组

Numpy快速入门

  • ones、ones_like

    根据指定的形状和dtype创建一个全是1的数组。

    ones_like以另一个数组为参数,并根据其形状和dtype创建一个全1数组

    Numpy快速入门
  • empty、empty_like

    类似ones和ones_like,只是产生的是全0数组

  • eye、identity

    创建一个正方的N*N单位矩阵,对角线为1,其余为0

    Numpy快速入门

三、数组访问

下标索引

arr2d=np.array([[1,2,3],[4,5,6],[7,8,9]])

arr2d[0][2]和arr2d[0,2]是等价的

切片索引

可以一次传入多个切片,

arr2d[:2, 1:]

布尔型索引

  • 将data中所有负值都设置为0
data[data < 0] = 0
  • 选出所有名字为“cqh”的所有行
data[names == 'cqh']

整数索引

利用整数数组进行索引

arr = np.empty((8,4))
for i in range(8):
    arr[i] = i
# 传入指定顺序
arr[[4,3,0,6]]
### 负数索引 
arr[[-3,-5,-7]]

方形索引

使用np.ix_方法,可以将两个一维整数数组转换为一个用于选取方形区域的索引

arr = np.arange(32).reshape((8,4))

获取行[1,5,7,2],列[0,3,1,2],为

arr[np.ix_([1,5,7,2],[0,3,1,2])]

相当于执行了

arr[[1,5,7,2]][:,[0,3,1,2]]

错误方法:

arr[[1,5,7,2],[0,3,1,2]]

四、数组转置和轴对换

  • reshape
arr = np.arange(15).reshape((3,5))

Numpy快速入门

arr.T

Numpy快速入门

五、唯一化以及集合逻辑

  • unique(x):计算x中的唯一元素,并返回有序结果
  • intersect1d(x,y):计算x和y中的公共元素,并返回有序结果
  • union(x,y):计算x和y的并集,并返回有序结果
  • in1d(x,y):得到一个表示“x的元素是否包含在y”的布尔型数组
  • setdiff1d(x,y) 集合的差,元素在x中且不在y中
  • setxor1d(x,y) 集合的对称差,存在于一个数组中但不同时存在两个数组中的元素

六、随机数生成

  • normal:生成标准正态分布的样本数组
  • seed:确定随机数生成器的种子
  • permutation:返回一个序列的随机排列
  • shuffle:对一个序列就地随机排列
  • rand:产生均匀分布的样本值
  • randint:在给定的上下限范围内随机选取整数
  • randn:产生正态分布(平均值0,标准差1)的样本值,类似MATLAB接口
  • bionmial:产生二项分布的样本值
  • beta:生产Beta分布的样本值
  • chisquare:产生卡方分布的样本值
  • gamma:产生Gamma分布的样本值
  • uniform:产生在[0,1]中均匀分页的样本值

七、文件输入输出

以二进制格式保存到磁盘

  • np.save:保存到磁盘
  • np.savez:将多个数组保存到一个压缩文件中,加载时得到一个字典对象
  • np.load:从磁盘加载

存取文本文件

  • loadtxt:指定各种分隔符
  • savetxt:将数组写到以某种分隔符隔开的文本文件

查看原文: Numpy快速入门

  • beautifulkoala
  • heavylion
  • organicgorilla
  • crazydog
  • ticklishlion
  • brownfish
  • yellowpeacock