目录
1.array创建对象
1.1定义一维数组
1.2定义二维数组
2.Numpy的数据类型
3.数据类型标识码
4.array的API
4.1astype()
4.2max()
4.3min()
4.4sum()
4.5reshape()
4.6random.rand()
5.数组属性
5.1ndim
5.2shape
5.3itemsize
5.4flags
6.创建数组方法
6.1arrage()
6.2empty()
6.3zeros()
6.4ones()
6.5arange()
6.6linspace()
7.切片
7.1slice(start,stop,step)
7.2[start:stop:step]
8.高级索引
8.1整数数组索引
8.2bool索引
9.广播
9.1一维数组与标量相加
1.array创建对象
numpy.array(object, dtype = None, copy = True, order = None,ndmin = 0)
参数说明：
| 序号 | 参数 | 描述说明 |
|---|---|---|
| 1 | object | 表示一个数组序列 |
| 2 | dtype | 可选参数，通过它可以更改数组的数据类型 |
| 3 | copy | 可选参数，表示数组能否被复制，默认是 True |
| 4 | order | 以哪种内存布局创建数组，有 3 个可选值，分别是 C(行序列)/F(列序列)/A(默认) |
| 5 | ndmin | 用于指定数组的维度 |
1.1定义一维数组
arr = np.array([10, 20, 30, 40])
print(arr)1.2定义二维数组
arr4 = np.array([[1,2,3],[4,5,6]])
print(arr4)2.Numpy的数据类型
| 序号 | 数据类型 | 语言描述 |
|---|---|---|
| 1 | bool_ | 布尔型数据类型（True 或者 False） |
| 2 | int_ | 默认整数类型，类似于 C 语言中的 long，取值为 int32 或 int64 |
| 3 | intc | 和 C 语言的 int 类型一样，一般是 int32 或 int 64 |
| 4 | intp | 用于索引的整数类型（类似于 C 的 ssize_t，通常为 int32 或 int64） |
| 5 | int8 | 代表与1字节相同的8位整数。值的范围是-128到127 |
| 6 | int16 | 代表 2 字节（16位）的整数。范围是-32768至32767 |
| 7 | int32 | 代表 4 字节（32位）整数。范围是-2147483648至2147483647 |
| 8 | int64 | 表示 8 字节（64位）整数。范围是-9223372036854775808至9223372036854775807 |
| 9 | uint8 | 1字节（8位）无符号整数 |
| 10 | uint16 | 2 字节（16位）无符号整数 |
| 11 | uint32 | 4 字节（32位）无符号整数 |
| 12 | uint64 | 8 字节（64位）无符号整数 |
| 13 | float_ | float64 类型的简写 |
| 14 | float16 | 半精度浮点数，包括：1 个符号位，5 个指数位，10个尾数位 |
| 15 | float32 | 单精度浮点数，包括：1 个符号位，8 个指数位，23个尾数位 |
| 16 | float64 | 双精度浮点数，包括：1 个符号位，11 个指数位，52个尾数位 |
| 17 | complex_ | 复数类型，与 complex128 类型相同 |
| 18 | complex64 | 表示实部和虚部共享 32 位的复数 |
| 19 | complex128 | 表示实部和虚部共享 64 位的复数 |
| 20 | str_ | 表示字符串类型 |
| 21 | string_ | 表示字节串类型 |
3.数据类型标识码
| 字符 | 对应类型 |
|---|---|
| b | 代表布尔型 |
| i | 带符号整型 |
| u | 无符号整型 |
| f | 浮点型 |
| c | 复数浮点型 |
| m | 时间间隔（timedelta） |
| M | datatime（日期时间） |
| O | Python对象 |
| S,a | 字节串（S）与字符串（a） |
| U | Unicode |
| V | 原始数据（void） |
4.array的API
4.1astype()
转换数据类型
arr4 = np.array([[1,2,3],[4,5,6]])
print(arr4.dtype)
arr41=arr4.astype(float)
print(arr41)
print(arr41.dtype)4.2max()
求数组最大元素
4.3min()
求数组最小元素
arr4 = np.array([[1,2,3],[4,5,6]])
print(arr4.max())
print(arr4.min())4.4sum()
求和
arr4 = np.array([[1,2,3],[4,5,6]])
print(arr4.sum(axis=1))
print(arr4.sum(axis=0))
print(arr4.sum())二维数组中
行：axis=1
列：axis=0
4.5reshape()
返回修改维度后的数组
arr4 = np.array([[1,2,3,4,5,6]])
print(arr4.reshape(2,3))
print(arr4.reshape(3,-1))-1表示形状占位符，numpy自动根据元素组的长度进行计算
order='C'
按行填充
arr52 = np.array([1,2,3,4,5,6,7,8])
print(arr52.reshape((2, 4), order='C'))
order='F'
按列填充
arr51 = np.array([1,2,3,4,5,6,7,8])
print(arr51.reshape((2, 4), order='F'))4.6random.rand()
生成指定数量的标准正态分布数据，均值：0，方差：1
arr = np.random.randn(10)
print(arr)生成一个3行3列的二维正太分布的样本数据
arr1 = np.random.randn(3,3)
print(arr1)5.数组属性
5.1ndim
查看数组维度
arr4 = np.array([[1,2,3],[4,5,6]])
print(arr4.ndim)5.2shape
(1)查看数组的维度
arr4 = np.array([[1,2,3],[4,5,6]])
print(arr4.shape)(2)修改数组维度
直接在原数组上修改维度
arr5 = np.array([1,2,3,4,5,6,7,8])
arr5.shape=(2,4)
print(arr5)5.3itemsize
返回数组中的元素的字节大小
arr4 = np.array([[1,2,3],[4,5,6]])
print(arr4.itemsize)5.4flags
显示数据在内存的存储信息
arr4 = np.array([[1,2,3],[4,5,6]])
print(arr4.flags)
6.创建数组方法
6.1arrage()
6.2empty()
numpy.empty(shape, dtype = float, order = 'C')
创建一个数组，以随机数填充
arr6 = np.empty((3,4))
print(arr6)6.3zeros()
创建一个数组，以0填充
numpy.zeros(shape, dtype = float, order = 'C')
arr7 = np.zeros((2,3),order='C')
print(arr7)6.4ones()
numpy.ones(shape, dtype = None, order = 'C')
创建一个数组，以1填充
arr8 = np.zeros((3,3),dtype="i4",order='C')
print(arr8)6.5arange()
numpy.arange(start, stop, step, dtype)
arr91 = np.arange(9)
print(arr91)
arr92 = np.arange(1,20,2)
print(arr92)
arr93 = np.arange(-1,-10,-3,dtype="i1")
print(arr93)
arr94 = np.arange(-0.1,-1,-0.2)
print(arr94)6.6linspace()
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
| 参数 | 描述 |
|---|---|
| start | 起始值，默认为 0 |
| stop | 终止值 |
| num | 表示数值区间内要生成多少个均匀的样本，默认值为 50 |
| endpoint | 默认为 True，表示数列包含 stop 终止值，反之不包含 |
| retstep | 表示是否返回步长。如果为 True，则返回一个包含数组和步长的元组；如果为 False，则只返回数组。默认为 False。 |
| dtype | 返回 ndarray 的数据类型，默认为 None，表示根据输入参数自动推断数据类型。 |
如果endpoint=True，step=(stop-start)/(num-1)
如果endpoint=False，step=(stop-start)/num
arr10 = np.linspace(10,100,10)
print(arr10)
arr11 = np.linspace(1,9,5,endpoint=False,retstep=True)
print(arr11)
arr12 = np.linspace(1,9,5,endpoint=True,retstep=True)
print(arr12)7.切片
7.1slice(start,stop,step)
切片范围粗糙，start：开始的行数，stop：结束的行数(不包含)
arr = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(arr[slice(0,len(arr),1)])7.2[start:stop:step]
arr = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(arr[...,1])# 第2列元素
print(arr[1,...])# 第2行元素
print(arr[1:3,...]) # 第1,2行所有元素
print(arr[...,1:2]) # 第2列的所有元素
print(arr[1:2,1:2])# 第2行第2列元素8.高级索引
8.1整数数组索引
arr = np.array([[1,2,3],[4,5,6],[7,8,9]])
#[0,1,0]为行索引，[0,1,2]为列索引，两者相应位置组合为要索引的位置
print(arr[[0,1,0],[0,1,2]])8.2bool索引
布尔索引通过布尔运算（如：比较运算符）来获取符合指定条件的元素的数组。
- 用比较运算符进行索引
arr = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(arr>5)
print(arr[arr>5])- 用逻辑运算符进行索引
arr = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(arr[~(arr>5)])逻辑运算符：
-
&：与运算
-
|：或运算
-
~：非运算，取反
9.广播
对数组在横向或纵向上进行一定次数的重复进行填充， 使参与运算的数组维度相同.
广播规则
-
维度匹配：如果两个数组的维度数不同，维度数较少的数组会在前面补上长度为 1 的维度。
-
长度匹配：如果两个数组在某个维度上的长度不同，但其中一个数组在该维度上的长度为 1，则该数组会沿着该维度进行广播。
-
不匹配：如果两个数组在某个维度上的长度既不相同也不为 1，则广播失败，抛出 ValueError。
理解:需要扩充的维度，复制样本为1.
9.1一维数组与标量相加
arr1 = np.array([1, 2, 3])
print(arr1+10)9.2二维数组与一维数组相加
arr1 = np.array([[1,2,3],[4,5,6],[7,8,9]])
arr2 = np.array([4,3,2])
print(arr1+arr2)9.3二维数组与二维数组相加
arr1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
arr2 = np.array([[4], [5], [6]])
print(arr1 + arr2)
