【Python】numpy——数组array

【Python】numpy——数组array

import numpy as np

Numpy的主要对象是同质的多维数组array

为了可视化切片过程，我们把二维数组的垂直方向定义为 axis 0 轴，水平方向为 axis 1 轴。

一、创建数组

创建Numpy数组一般有三种方法：

（1）通过传入可迭代对象创建，我将之称为基本方法np.array()
（2）使用Numpy内部功能函数，内部方法
（3）使用特殊的库函数，特殊方法

(1)np.array()

 (2)np.ones()、np.zeros()、np.eye()、np.empty()

函数zeros创建一个都是0的数组，

函数ones创建一个都是1的数组，

函数empty创建一个初始内容是0或者垃圾值的数组，这取决于内存当时的状态。

默认情况下，创建的数组的数据类型为float64

np.zeros(3)
np.zeros( (3,4) )
np.ones( (2,3,4), dtype=np.int16 )


np.empty( (2,3) )   # 根据当前内存状态的不同，可能会返回未初始化的垃圾数值，不安全。
np.full((3,4), 2.2) # 创建一个全部由2.22组成的数组

 (3)特殊方法： 1.np.arange()

2.np.linspace() 

 

注意

1.endpoint默认为True：

np.linspace()默认是包含终点的 [start,end]

2.dtype

如果未给出数据类型，则从开始和停止推断数据类型。

推断出的数据类型永远不会是整数；即使参数将生成整数数组，也会选择float。

 (3)np.logspace()

参数设置类似于np.linspace()

1.endpoint默认为True：

np.logspace()默认是包含终点的 [start,end]

2.dtype

如果未给出数据类型，则从开始和停止推断数据类型。

推断出的数据类型永远不会是整数；即使参数将生成整数数组，也会选择float。

3.base默认为10：

相当于10**np.linspace()

 (4)np.identity()

 (5)np.random——    .randint()    .rand()    .stardard_normal()

 

 (6)np.diag()

二、测试两数组是否相同(相近)——np.isclose(),np.allclose()

isclose(),allclose()函数来测试两个数组中对应位置上的元素在允许的范围内是否相等。并可以接收绝对误差参数和相对误差参数。

• allclose():返回单个True或False
• isclose():返回若干True/False的列表

 三、修改数组 1.np.append()

返回新数组，不影响原来的数组

注意一维数组和多维数组追加的区别：

n维数组要保持维度，只能追加n维数组，不然报错；

多维数组追加一维数组后，会变成一维数组（axis=None,先展平）

 

ndarray没有这个方法，而是numpy下的： 

 

多维数组的行追加、列追加和多维追加（axis=0,axis=1……）：

 

 2.np.insert()

返回新数组，不影响原来的数组

注意一维数组和多维数组插入的区别：

axis=None时，会先将数组展平

 

 3.切片

四、数组的运算 1.数组与标量

2.数组与数组

等长数组：对应元素相加

不等长数组：广播

 3.数组的内积

 4.数学函数

x = np.array(([1, 2, 3], [4, 5, 6], [7, 8, 9]))
print(x)
print(np.sin(x))                # 一维数组中所有元素求正弦值
print(np.cos(x))                # 二维数组中所有元素求余弦值
print(np.round(np.cos(x)))      # 四舍五入
print(np.ceil(x/2))             # 向上取整

 5.布尔运算 ><== &| np.all() np.any() np.sum()

 五、数组排序 1.ndarray.sort(),numpy.sort()

axis=0：列的元素改变位置，垂直方向计算

axis=1：行的元素改变位置，水平方向计算

 

 2.np.argsort(),np.argmax(),np.argmin()

 # _表示上一条语句

六、赋值、深复制、浅复制(视图）

赋值：对同一对象新建了一个引用

浅复制：共享数据，保存在base数组中（改变数据会互相影响）

深复制：新建完全不同的两个对象，除了初始数据相同

 

---

numpy中的array只有赋值受到改变形状的影响；

而视图、切片没有： 

而在python标准库中，

对list对象——赋值相当于新建引用，切片作右值相当于深复制，作左值相当于视图?

切片没有受到改变值的影响：

七、访问数组 1.下标、切片

a[x1][y1]
a[x1,y1]                   # 输出a[x1][y1]
a[[x1,x2,x3],[y1,y2,y3]]   # 输出a[x1][y1],a[x2][y2],a[x3][y3]
a[x1:x3,y1:y3]             # 输出a[x1][y1:y3],a[x2][y1:y3]
                           # 输出a[x1][y1],a[x1][y2],a[x2][y1],a[x2][y2]

a[x1]                      # 输出a[x1][:]
a[[x1,x2,x3]]              # 输出a[x1][:],a[x2][:],a[x3][:]
a[:,[y1,y2,y3]]            # 输出a[:][y1],a[:][y2],a[:][y3]

  

 

 八、改变形状 x.shape x.reshape() x.resize() 1. x.shape x.size

x.shape：返回形状的元组

x.size：元素总个数

 2. x.reshape()

 3. x.resize() np.resize() 

注意：array不能引用或被引用

ValueError: cannot resize an array that references or is referenced ...

 np.resize()则没有这个要求

 

九、查找、过滤数组元素  np.where() np.piecewise()