前言
numpy是python的科学计算模块，底层实现用c代码，运算效率很高。numpy的核心是矩阵narray运算。
narray介绍
- 矩阵拥有的属性
ndim属性：维度个数
shape属性：维度大小
dtype属性：数据类型
常用矩阵创建方法
import numpy as np
# 由列表转化
np.array([[1,2],[3,4]])
# 创建多维随机浮点数矩阵，区间0.0 ~ 1.0
arr = np.random.rand(3, 4)
# 创建多维整数矩阵，指定随机区间
arr = np.random.randint(-1, 5, size = (3, 4))
# 创建多维随机浮点数矩阵，指定区间
np.random.uniform(-1, 5, size = (3, 4))
# 创建全是0的矩阵
np.zeros((3,4))
# 仿照一个矩阵的形状和类型创建0矩阵
np.zeros_like([3,4])
# 创建1的矩阵
np.ones((3,4))
#仿照一个矩阵的形状和类型创建1矩阵
np.ones_like((3,4))
# 创建随机值
np.empty((3,4))
# 对原来矩阵打乱顺序
np.random.shuffle(arr)
常用基础运算方法
如果python代码中有很多涉及数学运算的操作，使用numpy是一种很好的提高运算效率的方法。
import numpy as np
np.sum() # 计算矩阵元素的和
np.mean() # 计算平均值
np.e # 自然数e
np.pi # 自然数π
np.abs() # 计算绝对值，可以是数组
np.std(li) # 计算标准差
np.var() # 计算方差
np.max() # 计算最大值
np.min() # 计算最小值
np.cov(a,b) # 计算协方差，得到矩阵，去[0,1]或[1,0]位置的为协方差
np.alen(a) # 计算矩阵的长度，多维矩阵计算第一列的长度，即列数
np.argmax() # 返回最大索引下标值
np.argmin() # 返回最小索引下标值
np.ceil(): # 向上最接近的整数，参数是 number 或 array
np.floor(): # 向下最接近的整数，参数是 number 或 array
np.rint(): # 四舍五入，参数是 number 或 array
np.isnan(): # 判断元素是否为 NaN(Not a Number)，参数是 number 或 array，返回布尔矩阵
np.multiply(arr1, arr2): # 对应元素相乘，参数是 number 或 array
np.divide(arr1, arr2): # 元素相除，参数是 number 或 array
np.where(condition, x, y): # 三元运算符，x if condition else y
np.any(): # 至少有一个元素满足指定条件，返回True
np.all() # 所有的元素满足指定条件，返回True
np.unique() # 去除重复值并返回上升的排序结果
v = np.who({'aaa':arr1}) # 打印arr的相关属性
矢量的加减乘
arr1 = np.random.randint(0,10,size=(3,4))
print(arr1*arr1) # 相对应元素相乘
print(arr1+arr1) # 对应元素相加
print(arr1-arr1) # 对应元素相减
布尔判断
arr1 = np.random.randint(0,10,size=(2,3))
print(arr1 < 5)
[[False False False]
[False True False]]
矩阵转换
# 多维使用数字表示维数,0,1,2,3代表四维
arr = np.random.rand(2,3) # 2x3 数组
print(arr.transpose()) # 转换为 3x2 数组,默认规则行列交换
arr.transpose((3,2,1,0)) # 行和列交换
arr1 = arr.T # 行列交换
# 从原来矩阵按规则产生新矩阵
np.take()
>>> a = [4, 3, 5, 7, 6, 8]
>>> indices = [0, 1, 4]
>>> np.take(a, indices)
array([4, 3, 6])
>>> np.take(a, [[0, 1], [2, 3]])
array([[4, 3],
[5, 7]])
# 在不改变数据的情况下改变矩阵形状
np.reshape()
>>> np.reshape(a, (2, 3))
array([[0, 1, 2],
[3, 4, 5]])
# 数据复制
np.repeat()
>>> np.repeat(3, 4)
array([3, 3, 3, 3])
读取数据文件
从txt文件中加载矩阵数据。
data_array = np.loadtxt(filename, # 文件名
delimiter=',', # 分隔符
dtype=int, # 数据类型,指的是生成的矩阵的数据类型
usecols=(0,1)) # 指定读取的列号