Python – Numpy入门笔记（上）

2021年8月10日 Python Nuanxinqing

Numpy

创建数组

创建元素为0或1的数组

# 导入包
import numpy as np

# 创建一个3行3列的数组
# empty：使用shape参数生成数组形状
np.empty(shape=(3, 3))

import numpy as np

# eye：创建一个对角线元素全为1的数组
np.eye(3)

import numpy as np

# identity：创建单位矩阵，使用参数3生成3行3列的单位矩阵
np.identity(3)

import numpy as np

# ones：生成元素全部为1 的数组
np.ones(shape=(2,4))

import numpy as np

# zeros：生成元素全部为0 的数组
np.zeros(shape=(2,4))

import numpy as np

# full：与前面两种方法不同的是，full可以通过fill_value指定元素值
np.full(shape=(2, 4), fill_value=4)

列表转换为数组

import numpy as np

# 创建一维数组
np.array([1, 2, 3])

# 创建二维数组
np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

生成随机数字

import numpy as np

# arange：生成起始值为1，终止值为10，步长为2的列表
np.arange(start=1, stop=10, step=2)

# 可使用array转换维度数组

import numpy as np

# linspace：生成起始值为1，终止值为10，生成数量为6的列表
np.linspace(start=1, stop=10, num=6)

# logspace方法类似linspace，不过是以log为刻度
np.logspace(start=1, stop=10, num=6)

生成特殊数组

import numpy as np

# diag：生成对角矩阵
np.diag([1, 2, 3, 4])

# 将数组传入时，diag方法的作用就是提取数组的对角线元素
a = np.diag([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

import numpy as np

# tri：生成三角矩阵，第一个参数是数组的行，第二个参数是数组的列
np.tri(3, 5

数组索引

import numpy as np

a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
# 下标为0的元素
a[0]   
# 下标为-1的元素，通常是数组最后一个
a[-1]
# 下标从1到3，且不包含3
a[1:3]
# 下标从2到末尾的切片
a[2:]
# 下标从1到5的切片，不包含5，且步长为2
a[1:5:2]

import numpy as np

# 创建二维数组
a = np.array([[1, 2, 3, 4],
              [5, 6, 7, 8],
              [9, 10, 11, 12],
              [13, 14, 15, 16]])

# 查看数组形状
a.shape

# 查看下标为1，下标为2的所有行元素
a[1:3]

# 选择行标为1:3，列标为1:2的所有元素
a[1:3, 1:2]

# 选择0行，2行，1列，2列的元素
a[[0, 2], [1, 2]]

排序与查询

import numpy as np

# 创建二维数组
a = np.array([[1, 6, 3, 13],
              [16, 2, 7, 14],
              [9, 10, 15, 12],
              [4, 8, 11, 5]])

# 按行排序
np.sort(a, axis=0)

# 按列排序：较小值在第一列，较大值在后其后列
np.sort(a, axis=1)

# axis=None 按照整体排序，数组会被压缩为一个序列
np.sort(a, axis=None)

import numpy as np

# 创建二维数组
a = np.array([[1, 6, 3, 13],
              [16, 2, 7, 14],
              [9, 10, 15, 12],
              [4, 8, 11, 5]])

# where方法获取矩阵内符合条件的坐标
# 获取大于7的所有值坐标
np.where(a > 7)

import numpy as np

# 创建二维数组
a = np.array([[1, 6, 3, 13],
              [16, 2, 7, 14],
              [9, 10, 15, 12],
              [4, 8, 11, 5]])

# argmin & argmax ：获取最大最小值得下标
# 行最小值
np.argmin(a, axis=0)
# 列最小值
np.argmin(a, axis=1)
# 整体最小值
np.argmin(a, axis=None)

随机数生成器

import numpy as np

# 生成10个随机数
np.random.rand(10)
# 生成三行三列的随机数组
np.random.rand(3, 3)
# 生成标准正态分布随机数
np.random.randn()
# 生成10个正态随机数
np.random.randn(10)
# 生成三行三列的正态随机数
np.random.randn(3, 3)

import numpy as np

# randint：生成整形随机数
# 生成[1, 10)的随机数
np.random.randint(low=1, high=10)
# 生成10个随机数
np.random.randint(low=1, high=10, size=10)
# 生成3行3列
np.random.randint(low=1, high=10, size=(3, 3))

import numpy as np

# choice: 随机抽取元素中五次样本
np.random.choice([1, 2, 3, 4, 5, 6, 7, 8, 9], 5)
# permutation：随机重排序列
np.random.permutation([1, 2, 3, 4, 5, 6, 7, 8, 9])

数学函数

import numpy as np

# linspace函数生成一个范围在0到π的等间距的11个数，然后计算正弦值、余弦值、正切值
# 正弦函数
np.sin(np.linspace(1, np.pi, 11))
# 余弦函数
np.cos(np.linspace(1, np.pi, 11))
# 正切函数
np.tan(np.linspace(1, np.pi, 11))

import numpy as np

# 反正弦函数、反余弦函数、反正切函数
np.arcsin(np.linspace(0, 1, 11))
np.arccos(np.linspace(0, 1, 11))
np.arctan(np.linspace(0, 1, 11))

import numpy as np

# 弧度转角度
np.degrees([np.pi, np.pi/2])
# 角度转弧度
np.radians([180, 90])

import numpy as np

# 指数与对数
# 自然常数e的指数值
np.exp([1, 2, 3, 4, 5])
# 计算2的指数值
np.exp2([1, 2, 3, 4, 5])
# 计算以自然常数为底的对数
np.log([1, np.e, ])
# 计算以2为底的对数
np.log2([1, np.e, ])
# 计算以10为底的对数
np.log10([1, np.e, ])

import numpy as np

# 约数
# 四舍五入
np.around([0.3, 1.7])
# 四舍五入并保留整数
np.rint([-0.2, 1.1])
# 向0取整
np.fix([-1.6, 1.7, 1.2])
# 向下取整
np.floor([-1.6, 1.7, 1.2])
# 向上取整
np.ceil([-1.6, 1.7, 1.2])

作者：Nuanxinqing

链接：https://6b7.org/313.html

文章版权归作者所有，未经允许请勿转载。