当前位置：首页 > news >正文

NumPy（by千锋教育）

news 2024/10/24 17:24:58

介绍

numpy（ numerical Python）可以存储和处理大型矩阵。

numpy的导入

import numpy as np
import pandas as pd
import matplotlib.pyplot as pltcat = plt.imread('share_6794792b60e2c4923d44e11aed27e55a-01.jpeg')  # 读取图片数据
print('cat:', cat, '\n')   # 图片由数字组成，三维数组(0-255--->>rgb)
print('type(cat):', type(cat), '\n')  # nd-->>多维  array-->>数组
print('cat.shape:', cat.shape, '\n')  # 查看维度，三个数字代表三个维度，421行，725列，3代表RGB颜色的数值# 显示图片
plt.imshow(cat)  # 三维彩色，二维黑白
plt.show()
# 视频：四维数据(x,421,725,3), x：帧数

numpy的数组创建

使用np.array()创建

注意：
numpy默认ndarray的所有元素的类型是相同的
如果传进来的列表中包含不同的类型，则统一为同一类型，优先级：str>float>int
ndarray的常见数据类型：int:int8、uint8、int16、int32、int64
float: float16、float32、float64
str:字符串
使用np.ones(shape,dtype=None,order=‘C’)

所有元素都为1

shap：形状
dtype：元素类型
order:{‘C’, ‘F’},可选，默认值:C是否在内存中以行主(C-风格)或列主(Fortran-风格)顺序存储多维数据，一般默认就行
```
n = np.ones(shape=(3, 4), dtype=np.int16)
```
使用np.zeros(shape, dtype=float)

所有元素都为0

shap：形状
dtype：元素类型
```
n = np.zeros(shape=(3, 4), dtype=np.int16)
```
使用np.full(shape,fill_value, dtype=float, order=‘C’)

所有元素都为填充值

shape:形状
dtype:None: 元素类型
fill_value: 填充值
order:{‘C’, ‘F’},可选，默认值:C是否在内存中以行主(C-风格)或列主(Fortran-风格)顺序存储多维数据，一般默认就行
```
n = np.full(shape=(3, 4), fill_value=8, dtype=np.int16)
```
使用np.eye(N, M=None, k=0, dtype=float)

对角线为1，其他位置为0

N:行
M:列数，默认为None，表示行列一样
k: 向右偏移0个位置,负数为向左偏移
dtype:None: 元素类型
```
n = np.eye(3, 4, k=1,  dtype=np.int8)
```
使用np.linspace(start, stop, num=50, endpoint=Ture, restep=Flase, dtype=None)

等差数列

start:开始
stop:结束
num:等差数列中有多少个数字,默认50
endpoint: 是否包含结束值
restep:是否返回等差值(步长)
dtype:None: 元素类型
```
n = np.linspace(0, 100, num=51, retstep=True, dtype=np.int8) 
```
使用np.arange(start, stop, step, dtype=None)

创建一个数值范围的数组,和range功能类似, [start,stop)

start:开始
stop:结束
step:步长
dtype:None: 元素类型
```
n1 = np.arange(10)  # 0-9
n2 = np.arange(2, 10, 2)  # 2,4,6,8
```
使用np.random.randint(low, high=None, size=None, dtype=None)

创建一个随机整数数组

low:最小值
high=None:最大值
high=None时，生成的数据在[0,low)区间内
如果使用high，生成的数据在[low,high)区间内
size=None:数组形状，默认只输出一个随机值
dtype:None: 元素类型
```
n1 = np.random.randint(10)  # 0-9中随机一个数字
n2 = np.random.randint(3, 10, size=(3, 4))  # 二维数组
n3 = np.random.randint(0, 256, size=(20, 40, 3))  # 三维数组
plt.imshow(n3)
plt.show()
```
使用np.random.randn(d0,d1,…,dn)

服从一个标准正态分布的多维数组，0是均值，1是标准差的正态分布

dn:第n个维度的数值
```
n2 = np.random.randn(10)
```

使用np.random.random(size=None)

[0,1)的随机数的多维数组

size=None:数组形状

n1 = np.random.random()  # 产生一个数
n2 = np.random.random(size=(3, 4))

使用np.random.rand(d0,d1,…,dn)

[0,1)的随机数的多维数组,与np.random.random功能类似

dn:n个维度
```
n1 = np.random.rand()  # 产生一个数
n2 = np.random.rand(3, 4)
```

numpy的常用属性

1	ndim	维度，3代表三维
2	shape	形状(各维度的长度)，有三个数字代表三维
3	size	915675,总的数据量，总的个数
4	dtype	类型，unit8

import numpy as np
import pandas as pd
import matplotlib.pyplot as pltcat = plt.imread('cat.jpg')print('cat.ndim:', cat.ndim, '\n')  # 维度，3代表三维
print('cat.shape:', cat.shape, '\n')  # 形状(各维度的长度)，有三个数字代表三维
print('cat.size:', cat.size, '\n')  # 915675,总的数据量，总的个数
print('cat.dtype:', cat.dtype, '\n')  # 类型，unit8

numpy的索引和切片

numpy的索引

一维：

n[0]	第一个
n[-1]	最后一个

二维

n1 [3] [4] / n1[3, 4]	第四行，第五列
n1 [-1] [-1]	最后一行，最后一列

三维

n2 [1] [2] [-1] n2 [1, 2, -1]	剥洋葱
n2[1, 2, -1] = 886	改变指定数字
n2[1, 2] = 100

mport numpy as np
import pandas as pd
import matplotlib.pyplot as plt'''1.一维
'''
l = [1, 2, 3, 4]
print('l[0]:', l[0], '\n')
n = np.array(l)
print('n[0]:', n[0], '\n')
print('n[-1]:', n[-1], '\n')  # 一维和列表差不多'''2.二维
'''
n1 = np.random.randint(0, 10, size=(4, 5))
print('n1:', n1, '\n')
# 找到最后一个数字’
print('n1[3][4]:', n1[3][4], '\n')  # 和下边一样的
print('n1[-1][-1]:', n1[-1][-1], '\n')   # 先行后列
print('n1[3, 4]:', n1[3, 4], '\n')  # 和上边一样的'''3.三维
'''
n2 = np.random.randint(0, 100, size=(4, 5, 6))
print('n2:', n2, '\n')
#
print('n2[1][2][-1]:', n2[1][2][-1], '\n')  # 三个数字按照上边的三个维度的顺序来
print('n2[1, 2, -1]:', n2[1, 2, -1], '\n')n2[1, 2, -1] = 886  # 改变指定数据
print('n2:', n2, '\n')n2[1, 2] = 100   # 也可以一个一个指定[1,2,3,4,5,6]
print('n2:', n2, '\n')

numpy的切片

一维

n[2:6]
n[::-1]	翻转

二维

看行列

n1[0]	第一行
n1[1:4]	二到四行
n1[[1, 2, 4]]	不连续的三行
n1[:,0]	第一列
n1[:,1:4]	二到四列
n1[:, [1, 2, 4]]	不连续的三列

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
'''1.一维
'''
# 一维与列表完全一致
l = [1, 2, 3, 4, 5, 6, 7, 8, 9]
print('l[2:6]:', l[2:6], '\n')  # [3, 4, 5, 6]
print('l[::-1]:', l[::-1], '\n')  # 列表翻转，[9, 8, 7, 6, 5, 4, 3, 2, 1]n = np.array(l)
print('n:', n, '\n')
print('n[2:6]:', n[2:6], '\n')  # [3, 4, 5, 6]
print('n[::-1]:', n[::-1], '\n')  # 列表翻转，[9, 8, 7, 6, 5, 4, 3, 2, 1]'''2.二维
'''
n1 = np.random.randint(0, 10, size=(6, 8))
print('n1:', n1, '\n')
# 行
print('n1[0]:', n1[0], '\n')  # 取第一行
print('n1[1:4]:', n1[1:4], '\n')  # 取二到四行
print('n1[[1, 2, 4]]:\n', n1[[1, 2, 4]], '\n')  # 取不连续的三行，也可以重复取
# 列
n2 = np.random.randint(0, 10, size=(6, 8))
print('n2:', n2, '\n')
print('n1[:,0]:', n1[:, 0], '\n')  # 取第一列
print('n1[:,1:4]:', n1[:, 1:4], '\n')  # 取二到四列
print('n1[:, [1, 2, 4]]:\n', n1[:, [1, 2, 4]], '\n')  # 取不连续的三列，也可以重复取