文章目录
NumPy(Numerical Python) 是 Python 语言中做科学计算的基础库。重在于数值计算,也是大部分Python科学计算库的基础,多用于在大型、多维数组上执行的数值运算。
1.numpy数组的多种创建方式
1.1使用np.array()创建
使用array创建一个一维数组:
import numpy as np
arr1 = np.array([1,2,3])
使用array创建一个多维数组;
import numpy as np
arr1 = np.array([1,2,3],[1,2,3])
1.2使用plt创建
使用python中matploylib库,这个库中有一个imread方法,可以读取文件夹的图片,并转化为多维数组的形式存储起来,并且可以通过操作数组的方式对图片颜色进行操作。
import matplotlib.pyplot as plt
arr2 = plt.imread("1.png")
arr2
1.3使用np的routine函数创建
- zero()
- ones()
- linespace()
- arange()
- random系列
arr3 = np.zeros(shape = (3,4))#创建一个三维数组,所有元素都为0
arr4 = np.ones(shape = (3,4))#创建一个三维数组,所有元素都为1
arr5 = np.linspace(1,100,num = 20)#创建一个等差数列一维数组
arr6 = np.arange(1,10)#创建一个1-10的数组
arr7 = np.random.randint(1,10,size = (3,4))#创建一个三维随机数数组
2.numpy的常用属性
2.1shape
shape
- 这是一个用于表示数组形状的元组。它告诉我们每个维度的大小。例如,对于一个二维数组,形状将告诉我们行数和列数。
nums1 = np.array([[1,2,3],[4,5,6]])
print(nums1.shape)
2.2ndim
这是表示数组维度数量的整数。一个一维数组的 ndim
为 1,二维数组为 2,以此类推。
nums2 = np.array([[1,2,3],[4,5,6]])
nums2.ndim
2.3size
这是一个整数,表示数组中元素的总数。它是所有维度大小的乘积。
nums3 = np.array([[1,2,3],[4,5,6]])
nums3.size
2.4dtype
这是一个对象,表示数组中元素的数据类型。例如,整数、浮点数或自定义数据类型。
nums4 = np.array([[1,2,3],[4,5,6]])
nums4.dtype
3.numpy的索引和切片
索引操作和列表同理
3.1切出前两列数据
arr = np.random.randint(1,100,size=(5,6))
arr[:,0:2]#取出前两列的数据
3.2切出前两行数据
arr[0:2]#取出前两行的数据
3.3切出前两行的前两列的数据
arr[0:2,0:2]
3.4数组数据翻转
arr[::-1]#将数组行倒置
arr[::,::-1]#将数组列倒置
arr[::-1,::-1]#将数组行倒置和列倒置
3.5练习:将一张图片上下左右进行翻转操作
arr_image = plt.imread("1.png")
arr_image = arr_image[::-1]
plt.imshow(arr_image)
3.6练习:将图片进行指定区域的裁剪
plt.imshow(arr_image[60:100,200:500,])
4.统计&聚合&矩阵操作
4.1常用的统计函数
- numpy.amin() 和 numpy.amax(),用于计算数组中的元素沿指定轴的最小、最大值。
- numpy.ptp():计算数组中元素最大值与最小值的差(最大值 - 最小值)。
- numpy.median() 函数用于计算数组 a 中元素的中位数(中值)
- 标准差std():标准差是一组数据平均值分散程度的一种度量。
- 公式:std = sqrt(mean((x - x.mean())**2))
- 如果数组是 [1,2,3,4],则其平均值为 2.5。 因此,差的平方是 [2.25,0.25,0.25,2.25],并且其平均值的平方根除以 4,即 sqrt(5/4) ,结果为 1.1180339887498949。
- 方差var():统计中的方差(样本方差)是每个样本值与全体样本值的平均数之差的平方值的平均数,即 mean((x - x.mean())** 2)。换句话说,标准差是方差的平方根。
num.std()
num.var()
4.2常用的聚合操作
sum,max,min,mean
num = np.array([[69, 80, 7, 90, 31, 44],
[37, 57, 26, 92, 91, 34],
[13, 16, 93, 54, 87, 34],
[ 5, 16, 47, 66, 51, 12],
[54, 63, 20, 11, 94, 88]])
num.sum(axis = 1)
num.max(axis = 1)
4.3常用的矩阵操作
- NumPy 中包含了一个矩阵库 numpy.matlib,该模块中的函数返回的是一个矩阵,而不是 ndarray 对象。一个 的矩阵是一个由行(row)列(column)元素排列成的矩形阵列。
- numpy.matlib.identity() 函数返回给定大小的单位矩阵。单位矩阵是个方阵,从左上角到右下角的对角线(称为主对角线)上的元素均为 1,除此以外全都为 0。
arr.T#转置矩阵
#矩阵相乘
a1 = np.array([[2,1],[4,3]])
a2 = np.array([[1,2],[1,0]])
np.dot(a1,a2)
标签:arr,创建,数组,一些,np,基本操作,array,numpy
From: https://blog.csdn.net/2303_82176667/article/details/140557592