Python的numpy包学习

2020-06-08 作者 远之松 分类 学习笔记

综述

Numpy是一个Python的数学库，支持很强大的数组运算，本次数据学习建模比赛里要用，记录一下学习经验。

Ndarray对象

这是Numpy包提供的一个n维数组对象，可以通过构造函数构造一个数组。

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

object部分是一个数组或者说是嵌套的数列，如[1,2,3,4,5,]，[[1,2],[3,4]]等都可以；dtype可选，表示数据类型；copy可选，表示对象是否需要复制；order表示创建数组的样式，C为行F为列默认为A表示任意方向；subook可选，返回一个与基类类型一致的数组，ndmin指定生成数组的最小维度。

个人感觉，object部分是最主要的，dtype指定数据类型，ndmin指定生成的维度。其他的相对用的不多。

数据类型（待补充）

数组属性

  1. xxx.ndim：秩，就是数组的维度的数量，矩阵的表示用的一般都是多维数组来表示（等于ndmin）

  2. xxx.shape：输出的是几行几列之类的

  3. xxx.size：输出元素总个数，大概可以看成长*宽之类的

  4. xxx.dtype：输出数据类型

  5. xxx.itemsize：输出每个元素的大小，以字节为单位

  6. xxx.flags：输出对象的内存信息（说实话看不懂）

  1. xxx.real/imag：输出实部/虚部

创建数组

除了ndarray以外，还可以有以下的三种方法创建一个数组。

  1. numpy.empty(shape,dtype,order='C')：建立一个用shape描述行列数的未初始化数组，dtype可选，order用C与F指定行还是列优先。
  2. numpy.zeros(shape,dtype,order='C')：建立一个用0初始化的用shape描述行列数的数组，其他同上。
  3. numpy.ones(shape,dtype,order='C')：建立一个用1初始化的数组，其他同上。

从已有数组创建数组

  1. numpy.asarray(a,dtype,order)：和ndarray差不多，就是少了几个参数，可以根据a的输入完成像是根据列表或元组转换成ndarray类型等。

  2. numpy.frombuffer(buffer,dtype,count,offset)：实现动态数组，buffer可任意对象以流形式读入，count默认为-1，表示读入全部数据，offset表示读取起始位置，默认为0。

python import numpy as np s = b'Hello World' a = np.frombuffer(s, dtype='S1') print(a)

结果是：

python [b'H' b'e' b'l' b'l' b'o' b' ' b'W' b'o' b'r' b'l' b'd']

这里string必须转成bytestring，加个b

  1. numpy.fromiter(iterable,dtype,count=-1)：由可迭代对象建立ndarray对象，iterable是可迭代对象（啥？）

从数值范围创建数组

  1. numpy.arange(start,stop,step,dtype)：创建一个[start,stop)的数组。start是开始点，默认为0；stop是结束点（不包括stop），step是步长，默认为1；dtype同上。

python x = np.arange(5) print(x) # 结果是[0,1,2,3,4]，很明显，唯一一定要有的参数是stop

  1. numpy.linspace(start,stop,num=50,endpooint=True,retstep=False,dtype=None)：生成一个知道首尾元素，知道元素个数的等差数组。start是起始，stop是终止，是否包含取决于endpoint，默认为True，包含，反之不包含；num是整个数组的元素个数，默认是50；retstep是输出步长，默认False。

python import numpy as np a = np.linspace(1, 10, 10, retstep=True) print(a) #(array([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.]), 1.0)

  1. numpy.logspace(start,stop,num=50,endpoint=True,base=10.0,dtype=None)：生成一个等比数列，和生成等差数列的方法区别就在base上，默认为10，为对数log的底数，起始值是base**start，结束值是base**stop。

切片、索引

  1. 切片方法是使用slice(start,stop,step)来给一个量赋值，再将这个值传给ndarray对象的索引里：

python a=slice(2,7,2) print(arr[a]) # 输出的是索引2~6的步长为2的元素数组

  1. 使用更多的是用冒号间隔开的一种方式，使用便利的多：

python b=a[a:b:c] print(b) # 使用冒号隔开的三个元素分别代表起始端，结束端（不包括），步长 # [a:]这种形式代表从索引a之后的全要，[:b]代表到索引b-1之前的全要 # 多维数组同样适用，以数组内的元素为准 # 还有加省略号的切片形式暂时没看懂

  1. 高级索引部分：整数数组索引和花式索引。暂时有点难。参见https://www.runoob.com/numpy/numpy-advanced-indexing.html

广播

广播是Numpy针对形状不同的数组进行数值运算处理的方式。在形状相同（指的是内部元素类型一致而且数组的维数也一样的这种）的情况下，运算基本都是对应位置的元素进行运算即可。

但是遇到形状不同的数组，会自动触发广播机制。

草，没看懂……https://www.runoob.com/numpy/numpy-broadcast.html