Numpy快速上手

目录

1、数组生成

2、数据计算

3、数据索引

4、图像Image

1、数组生成

        import numpy as np

np.zeros((3,2))	生成一个0矩阵
np.array([1,2,3,4])	生成一个矩阵
np.ones((3,2))	生成一个1矩阵
np.arange(3,8)	生成一个顺序矩阵
np.linspace(0,1,5)	返回 0 到 1 五个等间距递增数
np.random.rand( 2 , 4)	返回随机的 2 * 4 的随机数组
np.zeros( (4 , 2 ) , dtype = np.int32 )	数组默认的浮点类型是浮点类型，可以指定创建
name.shape	shape查看数组name的大小
name.astype(int)	转换数据类型

        np中的常用数组类型有：

np.int8/16/32/64	整型
np.uint8/16/32/64	无符号整型
np.float32/64	浮点数
str	字符串
bool	布尔值

2、数据计算

a+b	矩阵相加（不同尺寸也可相加，进行拓展）
a/b	矩阵相除
a@b	矩阵相乘
np.matmul(a,b)	矩阵相乘，与a@b等价
np.dot(a , b)	矩阵点乘
np.sqrt(a)	矩阵求平方根
np.sin(a)	矩阵进行sin运算
np.cos(a)	矩阵进行cos运算
np.log(a)	矩阵进行对数运算
np.power(a , 2)	矩阵进行指数运算
name.min()	name数组最小值
name.argmin()	name数组最小值的位置索引
name.mean()	返回数组的平均值
name.var()	返回方差
name.std()	标准差
name.sum(axis = 1)	按行相加
np.median(a)	返回数组的中位数

3、数据索引

a[0,1]	取下标 0 1 的元素
a[ (a > 3) & (a % 2 == 0) ]	取大于3 并且可以被二整除的元素
a[0 , :] / a[0]	取整行
a[ 0 : 9 : 2]	取下标0到9的值（左闭右开),且跨度等于2
a[::-1]	数组反转

        &与；

        |或。

4、图像Image

from PIL import Image
import numpy as np

im = Image.open('ph.jpg')

im = np.array(im)

# print(im.shape)#查看大小

# print(im[100,100])#查看分量

im_r= im[:,:,0]#单独提取出所有像素点的红色分量

im1 = np.array(Image.open('ph.jpg'))
im2 = np.array(Image.open('pl.jpg'))
im_blend = im1*0.4+im2*0.6  #将两张图片按照比例混合在一起
im_blend = im_blend.astype(np.unit8)#运算结果是浮点数，为了显示图片需要将图片转化为整型数

im_flipped = im[::-1,:,:]#上下翻转

im_cropped = im[40:500,400:500,:]#切片裁剪某一部分

Image.fromarray(im_cropped).show()