自學(xué)整理記錄，大神見(jiàn)笑

為什么學(xué)習(xí)numpy

• 快速
• 方便
• 科學(xué)計(jì)算的基礎(chǔ)庫(kù)

什么是numpy

• 一個(gè)在Python中做科學(xué)計(jì)算的基礎(chǔ)庫(kù)，重在數(shù)值計(jì)算，也是大部分Python科學(xué)計(jì)算庫(kù)的基礎(chǔ)庫(kù)，多用于在大型、多維數(shù)組上執(zhí)行數(shù)值運(yùn)算
• 導(dǎo)包

import numpy as np

numpy基礎(chǔ)操作

• 創(chuàng)建數(shù)組,生成ndarray

t1 = numpy.arange(3)
t2 = numpy.arange(3, 7)
t3 = numpy.arange(3, 7, 2)
t4 = numpy.arange(0, 1, 0.1)
t5 = numpy.arange(3.0)
print(t1)
print(t2)
print(t3)
print(t4)
print(t5)
輸出：array([0, 1, 2])
array([3, 4, 5, 6])
array([3, 5])
array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])
array([ 0., 1., 2.])

• 注：array([0, 1, 2])這種格式就是ndarray

• 注：np.arange(10)是numpy特有方法，等于np.array(range(10))

• 查看ndarray中的元素?cái)?shù)據(jù)類型

t1 = numpy.arange(3)
t1.dtype

• numpy有特有數(shù)據(jù)類型

numpy數(shù)據(jù)類型.jpg

• 指定ndarray中的元素?cái)?shù)據(jù)類型

np.arange(4,dtype="float32")

• 調(diào)整ndarray中元素的數(shù)據(jù)類型

t1 = np.arange(4,dtype="float32")
t2 = t1.astype("bool")

• 限制小數(shù)位數(shù)

t1 = np.array([random.random() for i in range(10)])
np.round(t1, 2)

• 注：round第二個(gè)參數(shù)就表示保留幾位小數(shù)

數(shù)組的形狀

• 查看數(shù)組的形狀

a = numpy.array([1, 2, 3])
b = numpy.array([[1, 2, 3],[4, 5, 6]])
print(a.shape)
print(b.shape)
輸出：(3,)
(2,3)

• 修改數(shù)組的形狀

t1 = numpy.arange(12)
print(t1.reshape((3, 4)))
輸出：([[0,1,2,3], [4,5,6,7], [8,9,10,11]])

• 注：reshape有返回值，不會(huì)改變?cè)瓉?lái)t1的形狀

• 注：變成一維數(shù)組傳(24,),24為所有元素的個(gè)數(shù)

• 將其他形狀數(shù)組展開(kāi)成一維數(shù)組

t1 = numpy.arange(12).reshape((3, 4)
t1.flatten()

• 將數(shù)組轉(zhuǎn)置

t1 = np.arange(12).reshape(3,4)
t1.transpose()
t1.T
t1.swapaxes(1,0)

• 注：轉(zhuǎn)置就是將數(shù)組按對(duì)角線為中心交換數(shù)據(jù)

• 注：轉(zhuǎn)置有上面三種方法

• 計(jì)算

t1 = numpy.arange(12).reshape((3, 4)
print(t1 + 2)
print(t1 - 2)
print(t1 * 2)
print(t1 / 2)

• 注：t1中每個(gè)值都會(huì)去計(jì)算加減乘除
• 注：t1 / 0,如果t1元素的值是0，則返回nan；如果不是0，則返回inf

t1 = numpy.arange(12).reshape((3, 4)
t2 = numpy.arange(100,112).reshape((3, 4)
print(t1 + t2)
print(t1 - t2)
print(t1 * t2)
print(t1 / t2)

• 注：對(duì)應(yīng)位置的元素做計(jì)算
• 注：維度不同的數(shù)組進(jìn)行計(jì)算，符合廣播原則就可以計(jì)算；沒(méi)有對(duì)應(yīng)就會(huì)報(bào)錯(cuò)ValueError: operands could not be broadcast together with shapes
• 注：廣播原則：如果兩個(gè)數(shù)組的后緣維度的軸長(zhǎng)度相等或其中一方的長(zhǎng)度為1，即認(rèn)為廣播兼容，可以計(jì)算

軸

• 在numpy中使用0,1,2...數(shù)字表示，一維數(shù)組只有一個(gè)0軸；二維數(shù)組(shape(0,0))有0軸和1軸；三維數(shù)組(shape(0,0,0))有0軸和1軸和2軸

二維數(shù)組軸.jpg

三維數(shù)組軸.jpg

numpy讀取數(shù)據(jù)

• numpy實(shí)際中不會(huì)用讀取數(shù)據(jù)庫(kù)數(shù)據(jù)功能，因?yàn)閜andas中有更強(qiáng)大的方法是，了解即可

• csv文件,逗號(hào)分隔文件，csv文件里所有的數(shù)據(jù)都是用逗號(hào)隔開(kāi)的

• 讀取

np.loadtxt(frame,dtype="float",delimiter=None,skiprows=0,usecols=None,unpack=False)

numpy索引和切片

• 取單行

t1[2]

• 取連續(xù)多行

t1[2:]

• 取不連續(xù)多行

t1[[2,8,10]]

• 取單列

t1[:,0]

• 取連續(xù)多列

t1[:,2:]

• 取不連續(xù)多列

t1[:,[2,6,8]]

• 同時(shí)取單行和單列

t1[2,3]

• 同時(shí)取多行和多列

t1[2:5,1:4]

• 注：冒號(hào)：左閉右開(kāi)

• 取多個(gè)不相鄰的點(diǎn)

t1[[0,2,3],[0,1,3]]

• 注：取的是坐標(biāo)(0,0)(2,1)(3,3)三個(gè)點(diǎn)

• 修改numpy中的數(shù)值

t1[:,2:4] = 0

• 注：取到對(duì)應(yīng)的行、列、點(diǎn)賦值即可

• 修改篩選出來(lái)的條件的值

t1[t1 < 10] = 10

• 注：上面表示所有小于10的點(diǎn)修改為10

• numpy中三元運(yùn)算符

np.where(t < 10, 0, 10)

• 注：表示所有小于10的數(shù)替換為0，大于等于10的數(shù)替換為10

• numpy中的clip(裁剪)

t.clip(10, 18)

• 注：表示把小于10的都替換為10，大于18的都替換為18

• 把值替換為nan

t1.astype(float)
t2[3,3] = np.nan

• 注：如果直接執(zhí)行第二句代碼，可能會(huì)報(bào)錯(cuò)ValueError:cannot convert float NaN to integer，表示不能將int類型的nan賦值給float，nan是float類型

數(shù)組的拼接

• 豎直拼接

t1 = array([[0,1,2],[3,4,5]])
t2 = array([[6,7,8],[9,10,11]])
np.vstack((t1, t2))
結(jié)果是array([[0,1,2],[3,4,5],[6,7,8],[9,10,11]])

• 水平拼接

t1 = array([[0,1,2],[3,4,5]])
t2 = array([[6,7,8],[9,10,11]])
np.hstack((t1, t2))
結(jié)果是array([[0,1,2,6,7,8],[3,4,5,9,10,11]])

數(shù)組的行列交換

• 行交換

t1[[1,2],:] = t1[[2,1],:]

• 列交換

t1[:,[1,2]] = t1[:,[2,1]]

numpy更多方法

• 創(chuàng)建一個(gè)全0的數(shù)組

np.zeros((3, 4))

• 創(chuàng)建一個(gè)全1的數(shù)組

np.ones((3, 4))

• 創(chuàng)建一個(gè)對(duì)角線為1的數(shù)組

np.eye(10)

• 注：10參數(shù)為10行10列

• 獲取最大值，最小值的位置

np.argmax(t, axis=0)
np.argmin(t, axis=0)

• 注：axis=0，表示列；axis=1，表示行

numpy生成隨機(jī)數(shù)

numpy的注意點(diǎn)copy和view

• a = b,a = b[:]，復(fù)制，會(huì)相互影響
• a = b.copy(),復(fù)制，a和b互不影響

numpy中的nan和inf

• nan：not a number表示不是一個(gè)數(shù)字，nan是浮點(diǎn)類型

• nan出現(xiàn)情況
  1.0除0
  2.數(shù)據(jù)缺失
  3.無(wú)窮大減去無(wú)窮大，無(wú)窮大加上無(wú)窮大

• inf：infinity，inf表示正無(wú)窮，-inf表示負(fù)無(wú)窮，inf是浮點(diǎn)類型

• inf出現(xiàn)情況
  1.一個(gè)非0數(shù)字除0

• 注意點(diǎn)：
  1.np.nan == np.nan False
  2.np.nan != np.nan True
  3.np.count_nonzero(t != t) 判斷ndarray中nan個(gè)數(shù)
  4.np.isnan(t) 判斷ndarray中哪些地方是nan，可以替換為0
  5.nan和任何值計(jì)算都是nan
  6.把nan替換為0不合適，會(huì)降低平均值等，合適的操作時(shí)替換為均值

• nan替換為均值示例代碼

import numpy as np

t1 =np.arange(12).reshape((3,4)).astype("float")
t1[1, 2:4] = np.nan
print(t1)
for i in range(t1.shape[1]):
?temp_col = t1[:, i]
?nan_num = np.count_nonzero(temp_col != temp_col)
?if nan_num != 0:
??# 獲取該列所有值不是nan的array
??temp_not_nan_col = temp_col[temp_col == temp_col]
??# 將temp_not_nan_col的均值賦值給temp_col中值為nan的位置
??temp_col[np.isnan(temp_col)] = temp_not_nan_col.mean()


print(t1)

numpy中常用統(tǒng)計(jì)函數(shù)