numpy的引入及数组、轴 *** 作

优势

• 快速；
• 方便；
• 科学计算的基础库；

介绍

一个在Python中做科学计算的基础库，重在数值计算，也是大部分Python科学计算库的基础库，多用在大型、多维数组上执行数值运算。

使用 数组

• 创建数组：

  import numpy as np
  a_1 = np.array([1, 2, 3, 4, 5])
  a_2 = np.array(range(1, 6))
  a_3 = np.arange(1, 6)
  

  • 以上三个数组的内容相同；
  • arange()与range()区别:
    • arange([start, ]stop[, step][, dtype=None])
      • dtype是指数组中存放的数据的类型。会在Python基础类型后加一个显示位数的数字，比如int64（表示有符号和无符号位的64位（8字节）整型数据）；
      • 默认根据电脑位数存储；
      • 传入参数可更改数据类型（比如np.int8）；
      • 使用astype()方法可通过传参改变数组类型，会形成新数组，不影响原数组数据；

  np.random.random()
  

  • 生成0~1的随机小数；

  np.round(array, n)
  

  • 对传入的数列进行取N位小数 *** 作；
• 数组的形状：
  • 查看形状：
    • array.shape()
  • 重塑形状：
    • array.reshape(x,y,z[,…])
      • n个参数则产生n维数组；
      • 举例：

        array_1 = np.arange(24)
        array_2 = array_1.reshape(2, 3, 4)
        

        输出结果为：

        [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23] 
         [[[ 0  1  2  3]
          [ 4  5  6  7]
          [ 8  9 10 11]]
        
         [[12 13 14 15]
          [16 17 18 19]
          [20 21 22 23]]]
        

        • 注意：数组元素数目必须与参数乘积相等，否则报错；
    • array.flatten()
      • 将数组展开成一维数组；
• 数组的计算：
  • np.sum(s)；运算结果为所有元素的和；
  • 数组与数字做运算：
    • 对数组进行加减乘除相当于对数组的每个数字进行相应计算；
    • 注意：在numpy中对0做除法，0/0 = nan；n/0 = inf；
  • 数组与数组同形时做运算，对应位置做运算；
  • 数组与数组列数相同时，每行做一次运算；
  • 数组与数组行数相同时，每列做一次运算；
  • 注意：如果两个数组的后缘维度（从末尾开始算起的维度）的轴长度相符或者其中一方的长度为一，则默认他们是广播兼容的。广播会在缺失或（和）长度为一的维度上进行；
• 转置：
  • s.tranpose()；
  • s.T；
  • s.swapaxes(0, 1)：交换0轴和1轴；
• 切片 *** 作：
  • 取行：
    • s[n]；取第n行
    • s[n:]；从第n行开始取；
    • s[[2, 8, 10]]：取不连续多行；
  • 取列：
    • s[:,n]：取第n列；
    • s[:, n:]；从第n列开始取；
    • s[:, [2, 8, 10]]：取不连续多列；
  • 取点：
    • s[2, 3]：取第三行第四列交点的值；
  • 取多行多列：
    • s[2:5, 1:4]：取第三到五行，二到三列的内容；
  • 取多个不相邻的点：
    • s[0, 1], [0, 1]：取第一行第一列的值，取第二行第二列的值；
• 对值的修改：
  • s[s<10] = 3；将s中小于10的值修改为3；
  • s[s<10]；返回值为其中小于10的值的序列；
  • np.where(s<10, 0, 0)；将s中小于10的数字换为0，大于10的数字换为10；（三元运算符）
• 裁剪（clip）;
  • s.clip(10, 18)：将s中小于10的值替换为10，大于有8的值替换为18，nan不改变；

**注意：**nan为浮点类型；

轴

• 可以理解为方向，使用数字0~n表示，对于一个一维数组，只有一个0轴，对于2维数组(shape(2, 2))，只有0轴和1轴，对于三维数组(shape(2, 2, 3))，有0、1、2轴；
• 在引入轴的概念之后，可以指定计算方向；
• 在轴的基础上进行运算：
  • np.sum(s, axis=0)或者s.sum(axis=0)；对行进行相加 *** 作；
  • np.sum(s, axis=1)；对列进行相加 *** 作；
  • s.mean(axis=0)：均值；
  • np.median(s, axis=0)；中值；
  • 最大/最小值：s.max(axis= )、s.min(axis= )
  • 极值：np.ptp(s, axis= )最大值最小值之差；
  • 标准差：s.std(axis= )；数据与平均值分散程度的度量，标准差越大，波动越大，数据越分散；