Python的Numpy库简述

numpy 是 python 的科学计算库
import numpy as np

1、使用numpy读取txt文件

# dtype = "str"：指定数据格式
# delimiter = "\t"：指定分割符
# skip_header = 1：跳过第一行
npinfo = np.genfromtxt("titanic_train.txt", delimiter = "\t", dtype = "U75", skip_header = 1)

 

2、ayyay数组，数据类型是必须相同。

vector = np.array([5, 10, 15, 20])
matrix = np.array([[5, 10, 15, 20], [25, 30, 35, 40], [45, 50, 55, 60]])
print(vector)
print(matrix)

 

3、numpy的数据类型，一般用到四种数据类型 bool、 int32/64、 float32/64、 string

print(vector.dtype)
print(matrix.dtype)

 

4、获取第1行的第4个数

npinfo[0, 3]
# 取1-3行和1-3列数据
npinfo[0: 3, 0: 3]
# 如果:省略前后数字表示所有数据
npinfo[:, :]

 

5、判断array中元素的值

vector == 10
matrix[:, 0] == 25

 

6、取出等于10的元素

token = (vector == 10)
vector[token]

 

7、取出有25的这一行

token_25 = (matrix[:, 0] == 25)
matrix[token_25]

 

8、string 转 float 类型

vector = np.array(["10", "20", "30", "40"])
vector = vector.astype(float)
print(vector)

 

9、基本运算

vector.sum()    # 求和
vector.mean()    # 均值
matrix.sum(axis = 0)    # 按列求和
matrix.sum(axis = 1)    # 按行求和

 

10、缺失值填补

nan_4 = np.isnan(npinfo[:, 4])
npinfo[nan_4, 4] = 0    # 缺失值填补，对有缺失值的第4列填补0

 

11、使用 numpy 创建数组和矩阵

# 创建一个3行5列的矩阵
a = np.arange(15).reshape(3, 5)
print(a)

 

12、查看当前数组是几维的

a.ndim

 

13、其它查看

a.dtype
a.size

 

14、创建一个空矩阵

np.zeros((3, 4))

 

15、创建一个1矩阵 3维

np.ones((3, 4, 5), dtype = np.int32)

 

16、创建有步长的矩阵：np.arange( 起始，结束，步长 )

np.arange( 10, 15, 1 )

 

17、随机初始化矩阵

np.random.random((3, 4))

 

18、创建一个指定数量的矩阵

# np.linspace( 起始，结束，数量 )
from numpy import pi
np.linspace( 0, 2*pi, 100 )

 

19、求正弦

np.sin(np.linspace( 0, 2*pi, 100 ))

 

20、数组计算

a = np.array([10, 15, 20, 25])
b = np.arange(4)

a - b
b ** 2 #注意：这个是n次方，不是乘法。
a < 20

 

21、# 求内积 外积

A = np.array( [[1, 2], 
[0, 3]] )
B = np.array( [[2, 0], 
[3, 4]] )

# 内积 对应位置相乘
A * B

# 矩阵相乘
A.dot(B)
np.dot(A, B)

# 矩阵相乘 原理
#A=
#a b c 
#d e f 
#g h i

#B=
#A D 
#B E 
#C F

#A.dot(B)=
#aA+bB+cC aD+bE+cF
#dA+eB+fC dD+eE+fF
#gA+hB+iC gD+hE+iF

 

22、e的x次幂

A = np.arange(3)
np.exp(A)

 

23、开根号

np.sqrt(A)

 

24、向下取整

C = np.floor(10*np.random.random((3, 4)))

 

25、转化为行向量

C.ravel()

 

26、重新shape，如：由3行4列转为2行6列

C.shape = (2, 6)

 

27、行列转置

C.T

 

28、其它reshape方法

C.resize((2, 6))
C.reshape(3, -1)

 

29、矩阵拼接

x = np.floor(10*np.random.random((3, 4)))
y = np.floor(10*np.random.random((3, 4)))

# 按行拼接
np.vstack((x, y))
# 按列拼接
np.hstack((x, y))

 

30、矩阵切分

x = np.floor(10*np.random.random((3, 12)))
# 按列切成3份
np.hsplit(x, 3)
# 如果想切两刀怎么办？
np.hsplit(x, (3, 5))

y = np.floor(10*np.random.random((12, 2)))
# 按行切分
np.vsplit(y, 3)

 

31、矩阵相互赋值问题

z = np.arange(12)

t = z     # 共享内存
t is z    # 结果是True
# print(id(t)) 和 print(id(z)) 的结果是一样的。

t1 = z.view() #共享数据，但不共享内存
t1 is z       # 结果是False
# print(id(t)) 和 print(id(z)) 的结果是不同的。

t2 = z.copy() #完全是两个对象

 

32、排序和索引

data = np.sin(np.arange(20).reshape(5, 4))
# 找最大值
ind = data.argmax(axis = 0)    # 最大值的索引
data_max = data[ind, np.arange(data.shape[1])]
print(data_max)

不过有最函数：data.max(axis = 0)

 

33、# 排序

sx = np.floor(10*np.random.random((3, 4)))
print(np.sort(sx, axis = 0))    # 按列排序
print(np.sort(sx, axis = 1))    # 按行排序
也可以这么写：sx.sort(axis = 1)

 

34、复制 tile

a = np.arange(0, 40, 10)
print(a)
# 将a的行复制2倍，列复制3倍
b = np.tile(a, (2, 3))
print(b)

 

35、8*8棋盘矩阵，其中1、3、5、7行和0、2、4、6列的元素置为1；1 ,3，5，7列和0,2,4,6行也是1

z = np.zeros((8,8), dtype = int)
z[1::2,::2] = 1    # 注意：双冒号的用法
z[::2,1::2] = 1
print(z)

 

36、多赋值方法

z = np.random.random((10,10))
zmin, zmax = z.min(), z.max()

 

37、归一化，将矩阵规格化到0～1，即最小的变成0，最大的变成1，最小与最大之间的等比缩放

z = 10*np.random.random((5,5))
zmin, zmax = z.min(), z.max()
z = (z-zmin)/(zmax-zmin) #归一化公式
print(z)

 

38、矩阵相加

z = np.zeros((5,5))
z += np.arange(5)
print(z)

 

39、生成0~10之间均匀分布的11个数，包括0和10

z = np.linspace(0, 10, 11, endpoint=True, retstep=True)
print(z)

 

40、交换矩阵的其中两行

a = np.arange(25).reshape(5,5)
a[[0,1]] = a[[1,0]]
print(a)

 

41、找出数组中与给定值最接近的数

z = np.array([[0,1,2,3],[4,5,6,7]])
a = 5.1
print(np.abs(z-a).argmin())

 

42、判断二维矩阵中有没有一整列数为0？

z = np.random.randint(0,3,(2,10))
print(z.any(axis = 0))

 

43、生成二维的高斯矩阵

x,y = np.meshgrid(np.linspace(-1,1,10),np.linspace(-1,1,10))
D = np.sqrt(x**2 + y**2)
sigma, mu = 1, 0
a = np.exp(-(D-mu)**2 / (2*sigma**2))
print(a)