Numpy学习笔记

1、创建数组

直接创建数组

np.array([1,2,3,4])

创建指定形状和内容的数组

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

从数值范围创建数组

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

# 用于创建一个一维数组，数组是一个等差数列构成的
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

# 用于创建一个于等比数列
np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

例子：

import numpy as np
# 默认底数是 10
a = np.logspace(1.0,  2.0, num =  10)  
print (a)

输出：

[  1.   2.   4.   8.  16.  32.  64. 128. 256. 512.]

从已有数组创建数组

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

2、数组索引和切片

数组的索引

简单的索引：

a[0,1]

按条件筛选元素

a[a < 3]
a[(a > 3) & (a % 2 == 0)] # 筛选出大于3且为偶数的元素

使用 slice 函数实现切片

数组的切片操作与 Python 中 list 的切片操作一样，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。

import numpy as np
a = np.arange(10)
s = slice(2,7,2)   # 从索引 2 开始到索引 7 停止，间隔为2
print (a[s])

输出：

[2  4  6]

使用冒号实现切片

通过冒号分隔切片参数 start:stop:step 来进行切片操作

import numpy as np
a = np.arange(10)
b = a[2:7:2]   # 从索引 2 开始到索引 7 停止，间隔为 2
print(b)

输出：

[2  4  6]

冒号的解释：如果只放置一个参数，如[2]，将返回与该索引相对应的单个元素。如果为 [2:]，表示从该索引开始以后的所有项都将被提取。如果使用了两个参数，如 [2:7]，那么则提取两个索引(左闭右开)之间的项。

# 获取第1行，0到2列的元素（不包括2）
a[0, 0:2]
# 获取第1行所有元素
a[0, :]
a[0]

实现有跨度的切片操作：

a = np.array([1,2,3,4,5,6,7,8,9])
# 索引从0到9，每隔两个数取一个数
a[0:9:2]

输出：

array([1,3,5,7,9])

跨度可以为负数（逆向）：

a = np.array([1,2,3,4,5,6,7,8,9])
a[4:1:-2]
# 将数组反向
a[::-1]

3、数组运算

乘法运算

点乘：

a = np.array([1，2，3])
b = np.array([4，5，6])
np.dot(a，b)

输出：

32

矩阵乘法：
@ 运算符等同与 np.matmul() 函数

a = np.array([[1,2],[3,4]])
b = np.array([[2,0],[0,2]])
a@b

输出：

array([[2,4][6,8]])

其他运算

如：sqrt(), sin(), cos(), log(), power()等

4、数组统计函数

返回数组中最小、最大元素：

a.min()
a.max()

返回数组中最小、最大元素的索引：

a.argmin()
a.argmax()

返回所有元素的和、平均值、中位数、方差、标准差

a.sum()
a.mean()
np.median(a)
a.var()
a.std()

对于以上函数，如果数组是多维数组，可指定额外参数 axis，axis为不同的值（如0和1）分别代表在指定的维度上进行运算。