Numpy基础20问

一言以蔽之，numpy是python中基于数组对象的科学计算库。

提炼关键字，可以得出numpy以下三大特点：

因为numpy是一个python库，所以使用python包管理工具pip或者conda都可以安装。

安装python后，打开cmd命令行，输入：

即可完成安装。

n维数组（ndarray）对象，是一系列 同类数据 的集合，可以进行索引、切片、迭代 *** 作。

numpy中可以使用 array 函数创建数组:

判断一个数组是几维，主要是看它有几个轴（axis）。

一个轴表示一维数组，两个轴表示二维数组，以此类推。

每个轴都代表一个一维数组。

比如说，二维数组第一个轴里的每个元素都是一个一维数组，也就是第二个轴。

一维数组一个轴：

二维数组两个轴：

三维数组三个轴：

以此类推n维数组。

numpy中常用 array 函数创建数组，传入列表或元组即可。

创建一维数组，并指定数组类型为 int ：

创建二维数组：

还可以使用 arange 函数创建一维数字数组，用法类似python的 range 函数

numpy的 random 模块用来创建随机数组。

random模块还有其他函数，这里不多说。

前面说到，数组维度即代表轴的数量。

我们可以通过数组（adarray）对象的ndim或shape属性，来查看轴的数量。

数组（ndarray）对象的 size 属性可以查看数组包含元素总数。

还可以通过 shape 属性返回元素的乘积，来计算数组元素数量。

Numpy支持的数据类型非常多，所以很适合做数值计算。

下面给出常见的数据类型：

数组（adarrry）对象提供 dtype 属性，用来查看数组类型。

前面说过，数组的 shape 属性返回一个元组，能够反映数组的形状，包括维度以及每个轴的元素数量。

那么如果给定一个数组，怎么改变其形状呢？

常用的方式有两种：

比如说我要将一个二维数组转换为三维数组。

reshape 方法可以传入整数或者元组形式的参数。

传入的参数和 shape 属性返回的元组的含义是一样的。

例如， x2reshape(1,2,3) 是将二维数组转换成三维数组，参数个数代表要转换的维度，参数数字从左到右分别表示0轴、1轴、2轴的元素数量。

resize 方法和 reshape 方法使用形式一样，区别是 resize 方法改变了原始数组形状。

numpy一维数组的索引和切片 *** 作类似python列表，这里不多讲。

比如说取一维数组前三个元素。

重点是对多维数组的索引和切片。

多维数组有多个轴，那么就需要对每个轴进行索引。

例如，三维数组形状为(x,y,z)，分别代表：0轴有x个元素、1轴有y个元素，2轴有z个元素。

对0、1、2轴进行索引，如果取o轴第2个元素、1轴第0个元素、2轴第3个元素，那么索引形式就为[2,0,3]。

切片也是同样道理。

如果取o轴前2个元素、1轴前1个元素、2轴后2个元素，那么切片形式就为[:2,:1,-2:]。

说到迭代，大家很容易想到直接对数组直接使用 for 循环 *** 作，对于一维数组来说，当然是可以的。

但对于多维数组，迭代是相对于0轴完成的，就是多维数组最外层的那一维。

你没有办法直接遍历数组里每一个元素，嵌套循环又太低效。

这个时候就需要用到 flat 方法，它可以将多维数组平铺为一维的迭代器。

数组（ndarray）对象提供了ravel方法，用来将多维数组展开为一维数组。

广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式， 对多个数组的算术运算通常在相应的元素上进行。

较小的数组在较大的数组上“广播”，以便它们具有兼容的形状。

比如说一个一维数组乘以一个数字，相当于一维数组里每个元素都乘以这个数。

如果相同维度的数组进行运算，其shape相同，那么广播就是两个数组相同位数的元素进行运算。

如果两个数组维度不同，进行运算，这里就触发了广播的两个规则。

这两个规则保证了不同维度数组进行运算时，其维度自动调整成一致。

numpy提供了 transpose 函数用以对数组进行维度的调换，也就是转置 *** 作。

转置后返回一个新数组。

当然，可以用更简单的方法。

数组对象提供了 T 方法，用于转置，同样会返回一个新数组。

numpy的 concatenate 函数用于沿指定轴连接相同形状的两个或多个数组。

numpy的 unique 函数用于去除数组中的重复元素，返回一个新数组。

unique 函数还能返回重复元素的索引、计数等信息，可去查文档自定义参数。

numpy文档

菜鸟教程

foreach遍历数组的好是可以不知道数组的长度从而读出数组的key,name出来了，在php的foreach中有两种方法，arr_name as $value 和arr_name as $key => $value了

NumPy的排序方法有直接排序和间接排序。直接排序是对数据直接进行排序，间接排序是指根据一个或多个键值对数据集进行排序。直接排序使用 sort()函数，间接排序使用 argsort函数和lexsort函数。

sort函数是常用的排序方法，函数调用改变原始数组，无返回值。

格式：numpysort(a, axis, kind, order)

参数：

a : 要排序的数组

axis: 使得sort函数可以沿着指定轴对数据集进行排序。axis=1 为沿横轴排序，axis=0为沿纵轴排序，axis=None将数组平坦化后进行排序。

kind: 排序算法，默认 quicksort

order: 如果数组包含字段，则是要排序的字段

a = nparray([7, 9, 5, 2, 9, 4, 3, 1, 4, 3])

print('原数组：', a)

asort()

print("排序后: ", a)

输出：

原数组： [7 9 5 2 9 4 3 1 4 3]

排序后:  [1 2 3 3 4 4 5 7 9 9]

带参数轴的排序

a = nparray([[4, 2, 9, 5], [6, 4, 8, 3], [1, 6, 2, 4]])

print("原数组：", a)

asort(axis=1)

print("排序后: ", a)

输出：

原数组： [[4 2 9 5]

[6 4 8 3]

[1 6 2 4]]

排序后:  [[2 4 5 9]

[3 4 6 8]

[1 2 4 6]]

使用argsort， lexsort函数，可以在给定一个或多个键时，得到一个由整数构成的索引数组，索引值表示数据在新序列中的位置。

a = nparray([7, 9, 5, 2, 8, 4, 3, 1, 4, 3])

print("原数组：", a)

print("排序后: ", aargsort())

# 返回数组下标排序

print('显示较大的5个数：', a[aargsort()][-5:])

输出：

原数组： [7 9 5 2 8 4 3 1 4 3]

排序后:  [7 3 6 9 5 8 2 0 4 1]

显示较大的5个数： [4 5 7 8 9]

a = [1, 5, 7, 2, 3, -2, 4]

b = [9, 5, 2, 0, 6, 8, 7]

ind = nplexsort((b, a))

print('ind', ind)

tmp = [(a[i], b[i])for iin ind]

print('tmp', tmp)

输出：

ind [5 0 3 4 6 1 2]

tmp [(-2, 8), (1, 9), (2, 0), (3, 6), (4, 7), (5, 5), (7, 2)]

在统计分析中，需要提前将重复数据剔除。可以使用unique函数找到数组中唯一值并返回已排序的结果。参数return_counts设置为True时，可返回每个取值出现的次数。

数组内数据去重

names = nparray(['红色', '蓝色', '蓝色', '白色', '红色', '红色', '蓝色'])

print('原数组：', names)

print('去重后的数组:', npunique(names))

print('数据出现次数:', npunique(names, return_counts=True))

输出：

原数组： ['红色' '蓝色' '蓝色' '白色' '红色' '红色' '蓝色']

去重后的数组: ['白色' '红色' '蓝色']

数据出现次数: (array(['白色', '红色', '蓝色'], dtype='<U2'), array([1, 3, 3], dtype=int64))

统计分析时需要把一个数据重复若干次，在NumPy中主要使用tile, repeat函数实现重复数据

numpytile(A, reps)

a = nparange(5)

print('原数组:', a)

w = nptile(a, 3)

print("重复数据:", w)

输出：

原数组: [0 1 2 3 4]

重复数据: [0 1 2 3 4 0 1 2 3 4 0 1 2 3 4]

numpyrepeat(a, reps, axis=None)

参数：a 是需要重复的数组元素，reps是重复次数， axis只沿着那个轴进行，0 按进行元素重复， 1表按列元素进行重复

a = nparange(5)

print('原数组:', a)

w = nptile(a, 3)

print('重复数据处理:\n', w)

a2 = nparray([[1, 2, 3], [4, 5, 6]])

print('重复数据处理1:\n', a2repeat(2, axis=0))

print('重复数据处理2:\n', a2repeat(2, axis=1))

输出：

原数组: [0 1 2 3 4]

重复数据处理:

[0 1 2 3 4 0 1 2 3 4 0 1 2 3 4]

重复数据处理1:

[[1 2 3]

[1 2 3]

[4 5 6]

[4 5 6]]

重复数据处理2:

[[1 1 2 2 3 3]

[4 4 5 5 6 6]]

常见有sum, mean, std, var, min, max, 几乎所有的统计函数在针对2维数组时需要注意轴的概念。

axis参数0时，表示沿纵轴，1表示沿横轴

a = nparange(20)reshape(4, 5)

print('创建的数组:\n', a)

print('数组的和：', npsum(a))

print('数组纵轴的和： ', npsum(a, axis=0))

print('数组横轴的和： ', npsum(a, axis=1))

print('数组的均值： ', npmean(a))

print('数组纵轴的均值： ', npmean(a, axis=0))

print('数组横轴的均值 ', npmean(a, axis=1))

print('数组的标准差： ', npstd(a))

print('数组纵轴的标准差： ', npstd(a, axis=0))

print('数组横轴的标准差： ', npstd(a, axis=1))

输出：

创建的数组:

[[ 0  1  2  3  4]

[ 5  6  7  8  9]

[10 11 12 13 14]

[15 16 17 18 19]]

数组的和： 190

数组纵轴的和：  [30 34 38 42 46]

数组横轴的和：  [10 35 60 85]

数组的均值：  95

数组纵轴的均值：  [ 75  85  95 105 115]

数组横轴的均值  [ 2  7 12 17]

数组的标准差：  5766281297335398

数组纵轴的标准差：  [559016994 559016994 559016994 559016994 559016994]

数组横轴的标准差：  [141421356 141421356 141421356 141421356]

NumPy的基础主要包含数组及其索引，数组运算，数组读写以及常用的统计与分析方法。

数组的维度就是一个数组中的某个元素，当用数组下标表示的时候，需要用几个数字来表示才能唯一确定这个元素，这个数组就是几维。numpy中直接用 即可表示数与向量的乘法，参考python 27的一个例子：inport numpy as np  a = nparray([1,2,3,4]) # 向量   b = 5 # 数   print ab    ++++++++++++  [5,10,15,20]

NumPy数组的下标从0开始。 

同一个NumPy数组中所有元素的类型必须是相同的。

在详细介绍NumPy数组之前。先详细介绍下NumPy数组的基本属性。NumPy数组的维数称为秩（rank），一维数组的秩为1，二维数组的秩为2，以此类推。在NumPy中，每一个线性的数组称为是一个轴（axes），秩其实是描述轴的数量。

比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是NumPy中的轴（axes），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。

if(Alength > 0){

int index = 0;

int a = A[0];

for(int i=0; i<Alength; i++){

if(A[i] > a){

a = A[i];

index = i;

}

}

Systemoutprintln("数组中最大值是"+a+"，下标是"+index);

}

以上就是关于Numpy基础20问全部的内容，包括:Numpy基础20问、numpy 能不能用数组索引获取二维数组中的单个元素呢、NumPy 中的数据统计分析等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！