NumPy

numpy介绍
从数值范围创建元组
- arange()
- linspace()
- logspace()
- numpy.asarray()
- numpy.empty()
- 0矩阵和全1矩阵
- 单位对角阵
- numpy.diag()
数组切片与索引
- 行或列索引切片
- 高级索引
- 布尔索引（筛选）
- 传入索引筛选数组

numpy介绍

NumPy是Python语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。NumPy是一个运行速度非常快的数学库，主要用于数组计算

从数值范围创建元组

arange()

numpy.arange(start,stop,step,dtype)

start起始值，默认为0
stop终止值（不包含）
step步长，默认为1
dtype返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型
实例：

// An highlighted block
import numpy as np
x=np.arange(10,20,2,dtype=complex)
print(x)
#输出结果    [10.+0.j 12.+0.j 14.+0.j 16.+0.j 18.+0.j]

linspace()

numpy.linspace函数用于创建一个一维数组，数组是一个等差数列构成的

np.linspace(start,stop,num=50,endpoint=True,retstep=False,dtype=None)

start序列的起始值
stop序列的终止值，
如果endpoint为true，该值包含于数列中
num要生成的等步长的样本数量，默认为50
endpoint该值为true时，数列中包含stop值，反之不包含，默认是True。
retstep如果为True时，生成的数组中会显示间距，反之不显示。
dtypendarray的数据类型

// 实例
import numpy as np
a=np.linspace(1,10,10,retstep=True)
print(a)
#输出结果   (array([ 1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10.]), 1.0)

logspace()

numpy.logspace函数用于创建一个等比数列

np.logspace(start,stop,num=50,endpoint=True,base=10.0,dtype=None)

start序列的起始值为：base * * startstop
序列的终止值为：base**stop。如果endpoint为true，该值包含于数列中
base对数log的底数。

// 实例
import numpy as np
a=np.logspace(0,9,10,base=2)
print(a)
#输出结果  [  1.   2.   4.   8.  16.  32.  64. 128. 256. 512.]

numpy.asarray()

从已有数组创建新的数组或者矩阵

numpy.asarray(a,dtype=None,order=None)

a任意形式的输入参数，可以是，列表,列表的元组,元组,元组的元组,元组的列表
多维数组dtype数据类型，可选
order可选，有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序

#将嵌套列表转换为矩阵（二维ndarray）
import numpy as np
x=[(1,2,3),(4,5)]
a=np.asarray(x)
print(a)
print(a.shape)
print(a[0])
'''
输出结果
[(1, 2, 3) (4, 5)]
(2,)
(1, 2, 3)
'''

numpy.empty()

numpy.empty方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组

numpy.empty(shape,dtype=float,order='C')

shape数组形状（维度）
dtype数据类型，可选
order有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。

import numpy as np
x=np.empty([3,2],dtype=int)
print(x)
'''
输出
[[-1092971664 -2008948015][  489906992         462][  489906992         462]]
'''
数组元素为随机值，因为它们未初始化

0矩阵和全1矩阵

函数	介绍
numpy.zeros(shape,dtype=float,order=‘C’)	创建全0数组
numpy.ones(shape,dtype=None,order=‘C’)	创建全1数组

单位对角阵

numpy.eye()方法创建单位矩阵创建指定对角元为1，其他元素为0的二维数组即单位矩阵
下面展示一些 内联代码片。

numpy.ones(N,M=None,k=0,dtype=float,order='C')

N数组形状
M可选，默认矩阵为方阵
参数k指定元素为1的对角线，k=0表示主对角，k为正表示上三角的第k条对角，k为负表示下三角的第|k|条对角

import numpy as np
A=np.eye(4)
print(A)
B=np.eye (4,k =1)#上三角的第一条对角线全为1，其他元素为0
print(B)
'''
输出
[[1. 0. 0. 0.][0. 1. 0. 0.][0. 0. 1. 0.][0. 0. 0. 1.]]
[[0. 1. 0. 0.][0. 0. 1. 0.][0. 0. 0. 1.][0. 0. 0. 0.]]'''

numpy.diag()

创建对角矩阵或取矩阵对角元素

下面展示一些 内联代码片。

numpy.diag(v,k=0)

v列表、元组或矩阵
k指定对角线位置。

import numpy as np
A=np.diag([1,2,3])#创建三角矩阵
print(A)
a=np.diag(A)#取对角元素
print(a)
b=np.diag([[1,2,3],[4,5,6],[7,8,9]])#取对角元素
print(b)
'''
输出
[[1 0 0][0 2 0][0 0 3]]
[1 2 3]
[1 5 9]
'''

数组切片与索引

ndarray对象的内容可以通过索引或切片来访问和修改，与Python中list的切片操作一样。ndarray数组可以基于0-n的下标进行索引，切片对象可以通过内置的slice函数，并设置start,stop及step参数进行，从原数组中切割出一个新数组

行或列索引切片

[行索引的开始:行索引的结束，列索引的开始：列索引的结束]

高级索引

实例：获取二维数组中(0,0)，(1,1)和(2,0)位置处的元素

// 获取二维数组中(0,0)，(1,1)和(2,0)位置处的元素
import numpy as np
A=np.array([[1,2],[3,4],[5,6]])
y=A[[0,1,2],[0,1,0]]
print(y)
'''
结果
[1 4 5]
'''

布尔索引（筛选）

实例：获取大于5的元素

//实例：获取大于5的元素
import numpy as np
x=np.array([[0,1,2],[3,4,5],[6,7,8],[9,10,11]])
print('我们的数组是：',x)
print('\n')
print('大于5的元素是：')
print(x[x>5])
'''
输出
我们的数组是： [[ 0  1  2][ 3  4  5][ 6  7  8][ 9 10 11]]大于5的元素是：
[ 6  7  8  9 10 11]
'''

传入索引筛选数组

// An highlighted block
import numpy as np
x = np.arange(32).reshape((8, 4))
print(x)
print(x[[4, 2, 1, 7]])
'''
输出
[[ 0  1  2  3][ 4  5  6  7][ 8  9 10 11][12 13 14 15][16 17 18 19][20 21 22 23][24 25 26 27][28 29 30 31]]
[[16 17 18 19][ 8  9 10 11][ 4  5  6  7][28 29 30 31]]
'''

NumPy库（一）：数组创建、切片、索引相关推荐

python运算学习之Numpy ------ 数组的切片索引与循环遍历、条件和布尔数组、形状变化...
数组的切片索引: 数组的切片索引和列表非常类似,下面用代码简单说明 1 a = np.random.rand(16).reshape(4, 4) 2 print("数组a:\n", ...
【Python】Numpy数组的切片、索引详解：取数组的特定行列
[Python]Numpy数组的切片.索引详解:取数组的特定行列文章目录 [Python]Numpy数组的切片.索引详解:取数组的特定行列 1. 介绍 2. 切片索引 2.1 切片索引先验知识 2. ...
多维数组的索引与切片_「GCTT 出品」Go 系列教程——11. 数组和切片
Go语言中文网,致力于每日分享编码知识,欢迎关注我,会有意想不到的收获! Go 系列教程是非常棒的一套初学者教程,入门就它了. 「GCTT 出品」Go 系列教程--1. 介绍与安装「GCTT 出品」 ...
numpy随机生成01矩阵_Python数据分析Numpy库常用函数详解，提到循环就该想到的库...
Python进行数据分析的核心库肯定是Pandas,该库差不多可以解决结构化数据的绝大部分处理需求.在<Python数据分析常用函数及参数详解,可以留着以备不时之需 >一文中也已经对该库的 ...
[转载] Python之NumPy基础：数组与向量化计算
参考链接: Python中的numpy.tanh 本博客为<利用Python进行数据分析>的读书笔记,请勿转载用于其他商业用途. 文章目录 1. NumPy ndarray:多维数组对象1 ...
Python NumPy 基础：数组和向量计算
文章目录 1.1 NumPy 的ndarray:一种多维数组对象创建ndarray ndarray数据类型 NumPy 数组的运算基本的索引和切片切片索引布尔型索引花式索引数组转置和轴对换 ...
Python -- Numpy库的使用
Numpy库的使用要点:numpy是用于处理含有同种元素的多维数组运算的第三方库. 1.numpy库概述 Python标准库中提供了一个array类型,用于保存数组类型数据,然而这个类型不支 ...
python的 numpy库学习总结和介绍(超详细)模块
目录前言 numpy是什么? 一.创建数据容器 1.np.array(),通过传递一个列表,元祖来创建 2.np.zeros(),np.ones(),np.empty(),np.full(),传递对 ...
Python之NumPy基础：数组与向量化计算
本博客为<利用Python进行数据分析>的读书笔记,请勿转载用于其他商业用途. 文章目录 1. NumPy ndarray:多维数组对象 1.1 生成ndarray 1.2 ndarray ...
python中numpy.array_python中数组（numpy.array）的基本操作
本文部分内容参考Daetalus的博客. 为什么要用numpy Python中提供了list容器,可以当作数组使用.但列表中的元素可以是任何对象,因此列表中保存的是对象的指针,这样一来,为了保存一个简 ...

NumPy库（一）：数组创建、切片、索引