关于numpy的一些总结

 

一、Numpy的安装

1）直接pip（打开cmd ,pip(pip3) install numpy）

2）下载对应版本的whl文件， https://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy ，将下好的文件复制到python的Scripts目录下，打开cmd，网上目前有以下两种方式，第一种进入到Scripts目录下pip install （刚才下载好的whl文件全称）（不过貌似我没成功）,或者在该目录下直接pip（pip3） install numpy。

总的来说，numpy的安装还是很简单的，注意对应版本即可

二、Numpy的一些基本用法（本人 新手小白，记录一些常用的操作）

函数库很多（不仅仅是numpy），想要全都记住很难，所以我们需要知道它能完成的功能，查找起来就方便很多。使用numpy时，需要导入numpy包，一般是import numpy as np,导入所有numpy函数包，from numpy import *。

创建数组

直接使用numpy.array([1,2,3,4],dtype = float),一维数组,类型为float

或者numpy.arrage(9).reshape(3,3)，创建3行3列的二维数组，其中reshape为重新调整数组的维度大小，其数字乘积必须与数组个数一致，如3*3 = 9；也可转换为3维数组numpy.arrage(9).reshape(1,3,3)

numpy.zeros([2,2])，numpy.ones([2,2])分别创建两行两列的全0数组和全1数组

numpy.linspace(1,100,100)创建一维等差数组，从1到100，总共100个数

数组切片

切片操作和python对数组的切片差不多，需要注意，如a =[[1,2,3],[4,5,6],[7,8,9]],

C = a[[0,1,2],[0,0,0]],索引结果为1,4,7，那么索引的就是（0,0），（1,0），（2,0）。Numpy的广播模式需要保证两个数组至少一个维度一样:

如a.shape是（4,4），b.shape为（1,4）或（4,1）都可以进行广播（可以进行运算）

如a.shape是（4,4），b.shape不是上述两种之一都不可进行广播，其中shape表示数组维度大小

使用np.squeeze时，去除的维度必须是1，否则会报错，如a.shape为（1,3,3）,np.squeeze(a,0)输出结果为（3,3）

取出数组的前三行，a[:3],后三行，a[3:]，前三列，a[:,:3],第三列，a[:.3]，后三列：a[...,3:]

三、numpy的数学运算

NumPy 算术函数包含简单的加减乘除: add()，subtract()，multiply() 和 divide()。

numpy.amin() 用于计算数组中的元素沿指定轴的最小值。

numpy.amax() 用于计算数组中的元素沿指定轴的最大值。

如a =[[1,2,3],

[4,5,6],

[7,8,9]]

np.concatenate([a,b],axis = 0),按行进行拼接，axis = 1，按列进行拼接

numpy.admin(a,axis = 0),输出为每一列的最小值（1,2,3）,axis=1输出每一行的，若不进行指定则为数组最小的数。其他的还有numpy.median()计算中位数，numpy.mean()计算平均数，numpy.std()计算标准差等。

深拷贝与浅拷贝

如a =[[1,2,3],

[4,5,6],

[7,8,9]]

浅拷贝情况（新创建的对象更改不会影响原始数据）

b = a.view()

　　b.reshape(1,3,3)

　　print(a.shape)#结果还是为（3,3）并没有改变

深拷贝（新创建的对象更改会影响原始数据）

  1）b = a.copy()

  2）b = a

 保存为csv文件

 np.savetxt("out.csv",data,delimiter=',')

 简单加载csv文件

 np.genfromtxt("out.csv",delimiter = ',')

 处理标量数组，有定义函数fun,

 fun_v = np.vectorize(fun,otypes = [float])

　np.bincount(data),统计最小值到最大值的个数，最小值为0

本文只是简单介绍了numpy，具体的还需慢慢补充，感谢大家的阅读，希望对您有所帮助，持续更新中.........