Numpy 常用API学习(全)

Numpy 常用API学习(全)

一、介绍

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持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。

NumPy 的前身 Numeric 最早是由 Jim Hugunin 与其它协作者共同开发，2005 年，Travis Oliphant 在 Numeric 中结合了另一个同性质的程序库 Numarray 的特色，并加入了其它扩展而开发了 NumPy。NumPy 为开放源代码并且由许多协作者共同维护开发。

二、常用API

2.1.numpy.genfromtxt

从文本上读取相应的矩阵数据，delimiter是分隔符

import numpy
​
data = numpy.genfromtxt("data.txt",dtype=str,delimiter=",")
​
print(data)
print(type(data))
print(help(numpy.genfromtxt))

2.2.numpy.array

将列表转换为矩阵

vector = numpy.array([5,10,15,20])
matrix = numpy.array([[5,10,15],[20,25,30],[35,40,45]])
print(vector)
print(matrix)

2.3.vector.shape matrix.shape

获取一维矩阵的元素个数，获取二维矩阵的行列

vector = numpy.array([1,2,3,4])
# 一维则打印元素个数
print(vector.shape)
matrix = numpy.array([[5,10,15],[20,25,30]])
# 二维打印数组的行列
print(matrix.shape)

2.4.dtype

返回元素类型

# 得相同类型
vector2 = numpy.array([1,2.0,u"xx"])
vector2.dtype

2.5.取行列直接用中括号取

matrix = numpy.array(
    [
    [5,10,15],
    [20,25,30]
    ])
print(matrix[1][0])
print(matrix[1][2])

2.6.切片的使用

2.6.1.一维切片

vector = numpy.array([0,1,2,3])
# 取[0,3)
print(vector[0:3])

2.6.2.二维切片

切片列元素，并转换为行

matrix = numpy.array(
    [
    [5,10,15],
    [20,25,30]
    ])
# 取第一列
print(matrix[:,1])
# 取第[0,2)列
print(matrix[:,0:2])
print(matrix[0:1:,0:2])

2.7.进行每个元素判断

import numpy
​
vector = numpy.array([5,10,15,20])
​
# 对每个元素都进行判断
vector == 10

2.8.进行判断二维

matrix = numpy.array(
    [
    [5,10,15],
    [20,25,30],
    [35,40,45]
   ])
matrix == 20

2.9.这个判断值可以作为索引

vector = numpy.array([5,10,15,20])
equal_to_ten = (vector == 10)
​
print(equal_to_ten)
print(vector[equal_to_ten])
​
matrix = numpy.array(
   [
   [5,10,25],
   [20,25,30],
   [35,40,45]
   ])
value_25 = matrix==25
print(value_25)
print(matrix[value_25])

2.10.与或进行条件判断

多条件判断矩阵

vector = numpy.array([5,10,15,20])
equal_to_ten_and_five = (vector == 10) & (vector==5)
print(equal_to_ten_and_five)
equal_to_ten_and_five = (vector == 10) | (vector==5)
print(equal_to_ten_and_five)
vector[equal_to_ten_and_five] = 100
print(vector)

2.11.元素转换类型

vector = numpy.array(["1","2","3"])
print(vector)
print(vector.dtype)
vector = vector.astype(float)
print(vector)
print(vector.dtype)

2.12.求最大最小值min max

vector = numpy.array([5,6,10,10])
min = vector.min()
max = vector.max()
print(min)
print(max)

2.13.求列和

matrix = numpy.array(
    [
    [5,10,25],
    [20,25,30],
    [35,40,45]
   ])
# 维度为0时候，按行读取
matrix.sum(axis=0)

2.14.求行和

matrix = numpy.array(
    [
    [5,10,25],
    [20,25,30],
    [35,40,45]
   ])
# 维度为1时候，按列读取
matrix.sum(axis=1)

2.15.列表

import numpy as np
​
# 进行15个元素
print(np.arange(15))
​
# 转成3*5的
a = np.arange(15).reshape(3,5)
print(a)

2.16.打印行列

# 打印行列
print(a.shape)

2.17.打印维度

# 打印维度
a.ndim

2.18.打印dtype的名字

a.dtype.name

2.19.数组大小

# 数组大小
a.size

2.20.生成3行4列0矩阵

# 生成3行4列的0矩阵
np.zeros((3,4))

2.21.生成3行4列1矩阵

# 生成3行4列的1矩阵
np.ones((3,4))

2.22.生成10~30，隔着5

np.arange(10,30,5)

2.23.重置行列

np.arange(12).reshape(4,3)

2.24.随机数

# 2行3列的矩阵
np.random.random((2,3))

2.25.造100个值，0~2*pi，均分100

# 造100个值
from numpy import pi
np.linspace(0,2*pi,100)

2.26.矩阵的加减点乘法和直接乘法，次方

a = np.array([20,30,40,50])
b = np.arange(4)
print(a)
print(b)
​
c = a-b
print(c)
​
c -= 1
print(c)
​
b**=2
print(b)
​
print(a<35)

 

A = np.array([[1,1],
             [0,1]])
B = np.array([[2,0],
             [3,4]])
print(A)
print(B)
print("--------")
​
print(A*B)
​
print("--------")
​
print(A.dot(B))