numpy的使用

1.array属性

import numpy as np

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

print(array)

print('------------------------')

print('array的维度为：' , array.ndim)#维度
print('array的形状为：' ,array.shape)#形状
print('array的大小为：' , array.size)#大小
print('array的元素类型为：' , array.dtype)#元素类型

2.创建array

a = np.array([1,2,3],dtype=np.int32)
print(a.dtype)

b = np.array([1,2,3],dtype=np.float)
print(b.dtype)

c = np.array([1,2,3])#一维数据
print(c)

d = np.array([[1,2,3],   #2维矩阵
              [4,5,6]])
print(d)

print('------------------------')

zero = np.zeros((2,3)) #生成2行3列全为0的矩阵
print(zero)

one = np.ones((3,4)) #生成3行4列全为1的矩阵
print(one)

empty = np.empty((3,2))#生成3行2列全都接近于0（不等于0）的矩阵
print(empty)
#生成接近于0的数可以直接用做除法的被除数而不会出错
print(5/empty[0][0])#结果为无限大inf

print('------------------------')

e = np.arange(10)
print(e)

f = np.arange(4,12)
print(f)

g = np.arange(1,20,3)
print(g)

h = np.arange(8).reshape(4,2)#重新定义矩阵的形状
print(h)

3.numpy的矩阵运算1

arr1 = np.array([[1,2,3],
                 [4,5,6]])
arr2 = np.array([[1,1,2],
                 [2,3,3]])
print(arr1)
print(arr2)

print('------------------------')

print('矩阵加法：\n' , arr1 + arr2)
print('矩阵减法：\n' , arr1 - arr2)
print('矩阵乘法：\n' , arr1 * arr2)
print('矩阵连乘：\n' , arr1 ** arr2)#arr1里是基数，arr2里对应的位置表示arr1里对应位置的数的多少次方
print('矩阵除法：\n' , arr1 / arr2)
print('矩阵取余：\n' , arr1 % arr2)
print('矩阵整除：\n' , arr1 // arr2)

print('------------------------')

print(arr1+2)#所有的元素加2
print(arr1*10)#所有的元素乘以10
arr3 = arr1 > 3 #判断哪些元素大于3
print(arr3)

print('------------------------')

arr4 = np.ones((3,5))
print(arr4)
print(arr1)

print('------------------------')

np.dot(arr1,arr4)#矩阵乘法
arr1.dot(arr4)#矩阵乘法
print(arr1)
print('矩阵转置：\n' , arr1.T)#矩阵转置
print('矩阵转置：\n' , np.transpose(arr1))#矩阵转置

4.随机数生成及矩阵运算2

sample1 = np.random.random((3,2))#生成3行2列从0到1的随机数
print(sample1)
sample2 = np.random.normal(size=(3,2))#生成3行2列符合标准正态分布的随机数
print(sample2)
sample3 = np.random.randint(0,10,size=(3,2))#生成3行2列从0到10的随机整数
print(sample3)

print('------------------------')

print(sample1)
print('求和：\n' , np.sum(sample1))#求和
print('求最小值：\n' , np.min(sample1))#求最小值
print('求最大值：\n' , np.max(sample1))#求最大值
print('对每一列求和：\n' , np.sum(sample1,axis=0))#对列求和
print('对每一行求和：\n' , np.sum(sample1,axis=1))#对行求和
print('最小值的索引：\n' , np.argmin(sample1))#求最小值的索引
print('最大值的索引：\n' , np.argmax(sample1))#求最大值的索引
print('平均值：\n' , np.mean(sample1))#求平均值
print('平均值：\n' , sample1.mean())#求平均值
print('中位数：\n' , np.median(sample1))#求中位数
print('开方：\n' , np.sqrt(sample1))#开方

print('------------------------')

sample4 = np.random.randint(0,10,size=(1,10))
print(sample4)
sample5 = np.sort(sample4)#排序
print(sample5)
sample6 = np.clip(sample4,2,7)#小于2就变成2，大于7就变为7
print(sample6)

5.numpy的索引

arr1 = np.arange(2,14)
print(arr1)
print(arr1[2])#第二个位置的数据
print(arr1[1:4])#第一到第四个位置的数据
print(arr1[2:-1])#第二到倒数第一个位置的数据
print(arr1[:5])#前五个数据
print(arr1[-2:])#最后两个数据

print('------------------------')

arr2 = arr1.reshape(3,4)
print(arr2)
print(arr2[1])
print(arr2[1][1])
print(arr2[1,2])
print(arr2[:,2])

print('------------------------')

for i in arr2: #迭代行
    print(i)

print('------------------------')    
    
for i in arr2.T:#迭代列
    print(i)

print('------------------------')        
    
for i in arr2.flat:#一个一个元素迭代
    print(i)

6.array的合并

'''
一维和二维array示例：
np.array([1 , 2 , 3])#一维，形状为(3,)
np.array([[1 , 2 , 3]])#二维，形状为(1,3)
#一维的array不能转置，转置后array不变
'''
arr1 = np.array([1,2,3])
arr2 = np.array([4,5,6])
arr3 = np.vstack((arr1,arr2))#垂直合并
print('垂直合并：\n' , arr3)
print(arr3.shape)
arr4 = np.hstack((arr1,arr2))#水平合并
print('水平合并：\n' , arr4)
print(arr4.shape)#一维数组

print('------------------------')


arrv = np.vstack((arr1,arr2,arr3))
print(arrv)
arrh = np.hstack((arr1,arr2,arr4))
print(arrh)
arr = np.concatenate((arr1,arr2,arr1))
print(arr)

print('------------------------')

arr = np.concatenate((arr3,arrv),axis=0)#合并的array维度要相同，array形状要匹配，axis=0纵向合并
print(arr)
arr = np.concatenate((arr3,arr3),axis=1)#合并的array维度要相同，array形状要匹配，axis=1横向合并
print(arr)

print('------------------------')

print("一维array转置示例：\n")
print(arr1.shape)
print(arr1.T) #一维的array不能转置，转置后array不变
print(arr1.shape)

print('------------------------')

print("array在行上面增加一个维度示例：\n")
arr1_1 = arr1[np.newaxis,:]
print(arr1_1)
print(arr1_1.shape)
print(arr1_1.T)

print('------------------------')

print("array在列上面增加一个维度示例：\n")
arr1_2 = arr1[:,np.newaxis]
print(arr1_2)
print(arr1_2.shape)
print(arr1_1.T)

print('------------------------')

#atleast_2d还有atleast_3d，可以变成三维arr
arr1_3 = np.atleast_2d(arr1)#如果arr1是一个一维arr，就会将其变成二维arr
print(arr1_3)
print(arr1_3.T)

7.array的分割

arr1 = np.arange(12).reshape((3,4))
print(arr1)

arr2,arr3 = np.split(arr1,2,axis=1)#水平方向分割，分成2份
print("水平方向分割成两份：")
print(arr2)
print(arr3)
print("垂直方向分割成3份：")
arr4,arr5,arr6 = np.split(arr1,3,axis=0)#垂直方向分割，分成3份
print(arr4)
print(arr5)
print(arr6)
print("水平方向分割成3份(不等分割)：")
arr7,arr8,arr9 = np.array_split(arr1,3,axis=1)#水平方向分割，分成3份，不等分割
print(arr7)
print(arr8)
print(arr9)

print('------------------------')

arrv1,arrv2,arrv3 = np.vsplit(arr1,3)#垂直分割
print(arrv1)
print(arrv2)
print(arrv3)

print('------------------------')

arrh1,arrh2 = np.hsplit(arr1,2)#水平分割
print(arrh1)
print(arrh2)

8.numpy的浅拷贝和深拷贝

arr1 = np.array([1,2,3])
arr2 = arr1#arr1,arr2共享一块内存，浅拷贝
arr2[0] = 5
print(arr1)
print(arr2)

print('------------------------')

arr3 = arr1.copy()#深拷贝
arr3[0] = 10
print(arr1)
print(arr3)