简述Numpy

numpy的数组对象ndarray

• np.array()生成一个ndarray数组
• np.array()输出成[]形式，元素由空格分割
• 轴(axis)：保存数据的维度
• 秩(rank)：轴的数量

ndarray对象的属性

属性	说明
.ndim	秩，即轴的数量或维度的数量
.shape	ndarray对象的尺度，对于矩阵，n行m列
.size	ndarray对象元素的个数，至关于.shape中n*m的值
.dtype	ndarray对象的元素类型
.itemsize	ndarray对象中每一个元素的大小，以字节为单位

ndarray的元素类型

数据类型	说明
bool	布尔类型，True或False
intc	与C语言中的int类型一致，通常是int32或int64
intp	用于索引的整数，与C语言中ssize_t一致，int32或int64
int8	字节长度的整数，取值:[-128, 127]
int16	16位字节长度的整数，取值:[-32768, 32767]
int32	32位字节长度的整数，取值:[-2^31, 2^31-1]
int64	64位字节长度的整数，取值:[-2^63, 2^63-1]
uint8	8位无符号整数，取值：[0,255]
uint16	16位无符号整数，取值：[0,65535]
uint32	32位无符号整数，取值：[0,2^32-1]
uint64	64位无符号整数，取值：[0,2^64-1]
float16	16位半精度浮点数：1位符号位，5位指数，10位尾数
float32	32位半精度浮点数：1位符号位，8位指数，23位尾数
float64	64位半精度浮点数：1位符号位，11位指数，52位尾数
complex64	复数类型，实部和虚部都是32位浮点数
complex128	复数类型，实部和虚部都是64位浮点数

ndarray数组的建立方法

1.从python中的列表、元组等类型建立ndarray数组

x = np.array(list/tuple)
x = np.array(list/tuple, dtype = np.float32)
当np.array()不指定dtype时，numpy将根据数据状况关联一个dtype类型

2.使用numpy中函数建立ndarray数组，如：arange, ones, zeros等

函数	说明
np.arange(n)	相似range()函数，返回ndarray类型，元素从0到n-1
np.ones(shape)	根据shape生成一个全1数组，shape是元组类型
np.zeros(shape)	根据shape类型生成一个全0数组，shape是元组类型
np.full(shape,val)	根据shape生成一个数组，每一个元素值都是val
np.eye(n)	建立一个正方的n*n单位矩阵，对角线为1，其他为0
np.ones_like(a)	根据数组a的形状生成一个全1数组
np.zeros_like(a)	根据数组a的形状生成一个全0数组
np.full_like(a, val)	根据数组a的形状生成一个数组，每一个元素都是val
np.linspace()	根据起止数据等间距地填充数据，造成数组
np.concatenate()	将两个或多个数组合并成一个新的数组

ndarray数组的维度变换

方法	说明
.reshape(shape)	不改变数组元素，返回一个shape形状的数组，原数组不变
.resize(shape)	与.reshape()功能一致，但修改原数组
.swapaxes(ax1,ax2)	将数组n个维度中的两个维度进行调换
.flatten()	对数组进行降维，返回折叠后的一维数组，原数组不变

ndarray数组的类型变换

new_a = a.astype(new_type)
astype()方法必定会建立新的数组（原始数据的一个拷贝），即便两个类型一致

ndarray数组向列表的转换

ls = a.tolist()

Numpy一元函数

对ndarray中的数据执行元素级运算的函数

函数	说明
np.abs(x) np.fabs(x)	计算数组各元素的绝对值
np.sqrt(x)	计算数组各元素的平方根
np.square(x)	计算数组各元素的平方
np.log(x) np.log10(x) np.log2(x)	计算数组各元素的天然对数、10底对数和2底对数
np.ceil(x) np.floor(x)	计算数组各元素的ceiling值或floor值
np.rint(x)	计算数组各元素的四舍五入值
np.modf(x)	将数组各元素的小数和整数部分以两个独立数组的形式返回
np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x)	计算各元素的普通型和双曲型三角函数
np.exp(x)	计算数组各元素的指数值
np.sign(x)	计算数组各元素的符号值，1(+),0,-1(-)

numpy二元函数

函数	说明
+ -* / **	两个数组各元素进行对应运算
np.maximum(x,y) np.fmax()	元素级的最大值计算
np.minimum(x,y) np.fmin()	元素级的最小值计算
np.mod(x,y)	元素级的模运算
np.copysign(x,y)	将数组y中各元素值的符号赋值给数组x对应元素
> < >= <= == !=	算术比较，产生布尔型数组

数据的CSV文件存取

1.np.savetxt(frame, array, fmt='%.18e', delimiter=None)

• frame:文件、字符串或产生器，能够是.gz或.bz2的压缩文件
• array:存入文件的数组
• fmt:写入文件的格式， 例如：%d %.2f %.18e
• delimiter:分割字符串，默认是任何空格

2.np.loadtxt(frame, dtype=np.float, delimiter=None, unpack=False)

• frame:文件、字符串或产生器，能够是.gz或.bz2的压缩文件
• dtype:数据类型，可选
• delimiter:分割字符串，默认是任何空格
• unpack:若是是True，读入属性将分别写入不一样变量

3.CSV文件的局限性

• CSV只能有效存储一维和二维数组
• np.savetxt() np.loadtxt()只能有效存取一维和二维数组

多维数据的存取

1. a.tofile(frame, sep='', format='%s')

• frame:文件、字符串
• sep:数据分割字符串，若是是空串，写入文件为二进制
• format:写入数据的格式

2. np.fromfile(frame, dtype=float, count=-1, sep='')
frame:文件、字符串
dtype:读取的数据类型
count:读取元素个数、-1表示读取整个文件
sep:数据分割字符串，若是是空串，写入文件为二进制
注意：该方法须要读取时知道存入文件时数组的维度和元素类型，a.tofile()和np.fromfile()须要配合使用

numpy的便捷文件存取

1. np.save(fname, array)或np.savez(fname, array)

• fname:文件名，以.npy为拓展名，压缩拓展名为.npz
• array:数组变量

2.np.load(fname)

• fname:文件名，以.npy为拓展名，压缩拓展名为.npz

Numpy的随机数函数(np.random)

函数	说明
rand(d0,d1,...,dn)	根据d0-dn建立随机数数组，浮点数，[0,1)，均匀分布
randn(d0,d1,...,dn)	根据d0-dn建立随机数数组，标准正态分布
randint(low, high, shape)	根据shape建立随机整数或整数数组，范围是[low,high)
seed(s)	随机数种子，s是给定的种子值
shuffle(a)	根据数组a的第一轴进行随机排列，改变数组x
permutation(a)	根据数组a的第一轴产生一个新的乱序数组，不改变数组x
choice(a,size,replace,p)	从一维数组a中以几率p抽取元素，造成size形状新数组，replace表示是否能够重用元素，默认为False
uniform(low,high, size)	产生具备均匀分布的数组,low起始值,high结束值,size形状
normal(loc,scale,size)	产生具备正态分布的数组,loc均值,scale标准差,size形状
poisson(lam, size)	产生具备泊松分布的数组,lam随机事件发生率,size形状

Numpy的统计函数

函数	说明
sum(a, axis=None)	根据给定轴axis计算数组a相关元素之和，axis整数或元组
mean(a, axis=None)	根据给定轴axis计算数组a相关元素的指望，axis整数或元组
average(a, axis=None, weights=None)	根据给定轴axis计算数组a相关元素的加权平均值
std(a, axis=None)	根据给定轴axis计算数组a相关元素的标准差
var(a, axis=None)	根据给定轴axis计算数组a相关元素的方差
min(a) max(a)	计算数组a中元素的最小值、最大值
argmin(a) argmax(a)	计算数组a中元素最小值、最大值的降一维后的下标
unravel_index(index, shape)	根据shape将一维下标index转换成多维下标
ptp(a)	计算数组a中元素最大值与最小值的差
median(a)	计算数组a中元素的中位数（中值）

Numpy的梯度函数

函数	说明
np.gradient(f)	计算数组f中元素的梯度，当f为多维时，返回每一个维度的梯度