- 数组的创建
import numpy as np
x = np.array([1,2,3,4,5,6,7,8])
X = np.array([
[1,2,3,4],
[5,6,7,8]
])
# 形状
print(x.shape)
print(X.shape)
# 维度
print(x.ndim)
print(X.ndim)
# 元素个数
print(x.size)
print(X.size)
# 数据类型
print(x.dtype)
print(X.dtype)
(8,) (2, 4) 1 2 8 8 int32 int32
2.创建array的一些便捷函数：
arange（startNum，endNum，steplength，dtype=None）
x = np.arange(10) X = np.arange(1, 10, 2, dtype='float32') print(x) print(X)
[0 1 2 3 4 5 6 7 8 9] [1. 3. 5. 7. 9.]
ones(shape,dtype=None,order = 'C')
x = np.ones(5,dtype='int32') X = np.ones((2,3), dtype='float32') print(x) print(X) 结果如下： [1 1 1 1 1] [[1. 1. 1.] [1. 1. 1.]]
ones_like(array,dtype='float',order = 'C')
创建一个和 array形状一样的新数组
x1 = np.ones_like(x,dtype=float) [1. 1. 1. 1. 1.]
zeros()
zeros_like()
empty():创建全为零的空数组，数据未初始化不要用
empty_like()
full（shape,num,dtype=None）:数组里面数据全为num
full_like（array,num,dtype=None）
x = np.full(4,5) x1 = np.full_like(x,6) print(x) print(x1)
结果如下：
[5 5 5 5] [6 6 6 6]
np.random.randn(d0,d1,...,dn):dk表示维度
x1 = np.random.randn() x2 = np.random.randn(2) x3 = np.random.randn(2,3) print(x1) print(x2) print(x3)
-0.8884917348821152 [-0.75606673 0.00434954] [[-1.29902618 -0.77021982 -0.26975532] [-0.29984148 0.09659716 -0.93599409]]
3、array本身支持的大量操作和函数
一下操作都是 elementwise的：
A = np.arange(10).reshape(2,5) print(A) print(A.shape) print(A+1) print(A*3) print(np.sin(A)) print(np.exp(A))
B = np.random.randn(2,5) print(A+B) 结果如下： [[-0.28060406 1.27730837 0.99342338 3.33554666 3.75335682] [ 5.26228444 5.1825406 6.75159336 7.92368786 9.00068879]]
4、利用numpy对数组按索引查询
基础索引：
A = np.arange(20).reshape(4,5) print(A) print(A[2]) # 第三行 print(A[:1,2:]) A[:2,:3] = 666 print(A) 结果如下： [[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14] [15 16 17 18 19]] [10 11 12 13 14] [[2 3 4]] [[666 666 666 3 4] [666 666 666 8 9] [ 10 11 12 13 14] [ 15 16 17 18 19]]
神奇索引：
A = np.arange(10) print(A) print(A[[0,3,9]]) index = np.array([[0,3,1],[2,4,8]]) print(A[index])
结果如下：
[0 1 2 3 4 5 6 7 8 9] [0 3 9] [[0 3 1] [2 4 8]]
举例：
求得数组中最大的前三个数值：
# 产生十个随机数 arr = np.random.randint(1,100,10) print(arr) # 对arr进行有小到大排序，并返回索引 print(arr.argsort()) print(arr[arr.argsort()[-3:]])
结果如下：
[21 91 97 8 13 96 72 14 79 62] [3 4 7 0 9 6 8 1 5 2] [91 96 97]
示例2：
A = np.arange(20).reshape(4, 5) print(A) print(A[0]) print(A[0, :]) print(A[[1, 3]]) print(A[[0, 2, 3], [1, 3, 4]])
结果如下：
[[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14] [15 16 17 18 19]] [0 1 2 3 4] [0 1 2 3 4] [[ 5 6 7 8 9] [15 16 17 18 19]] [ 1 13 19]
布尔索引：
示例1
A = np.arange(10) print(A) print(A>5) print(A[A>5])
结果如下：
[0 1 2 3 4 5 6 7 8 9] [False False False False False False True True True True] [6 7 8 9]
示例2：
arr = np.arange(20).reshape(4,5) print(arr) # 返回第三列元素大于5 的行 print(arr[:,3]>5) print(arr[arr[:,3]>5])
结果如下：
[[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14] [15 16 17 18 19]] [False True True True] [[ 5 6 7 8 9] [10 11 12 13 14] [15 16 17 18 19]]
示例3：
arr = np.arange(20).reshape(4,5) print(arr) condition = (arr%2==0) | (arr>15) print(arr[condition])
结果如下：
[[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14] [15 16 17 18 19]] [ 0 2 4 6 8 10 12 14 16 17 18 19]
5、random中常用的随机函数
np.random.seed(666) x1 = np.random.rand(3,4) x2 = np.random.randn(5) x3 = np.random.randint(0,10,3) x4 = np.random.randint(0,10,size=(2,3)) x5 = np.random.choice(x3,2) x6 = np.random.choice(6,(2,3)) ---> 从 range（6）中随机选出（2,3）数组
x1 = np.arange(10) # 随机打散 返回值为 None，改变了原来的数组 np.random.shuffle(x1) print(x1) x2 = np.arange(20).reshape(4,5) # 随机打散行，列不变 np.random.shuffle(x2) print(x2)
x1 = np.arange(10) # 随机打散 返回了一个新的数组，原来的数组不变 print(np.random.permutation(x1)) print(x1) x2 = np.arange(4).reshape(2,2) print(np.random.permutation(x2)) print(x2)
结果如下：
[7 0 6 8 5 3 9 2 1 4] [0 1 2 3 4 5 6 7 8 9] [[2 3] [0 1]] [[0 1] [2 3]]
# 均值为 1 ，方差为5 的（1,10）维高斯分布数组 x1 = np.random.normal(1,5,10) print(x1) x2 = np.random.normal(2,4,(2,5)) print(x2)
# 1-10之间的均匀分布 的（1,10）维数组 x1 = np.random.uniform(1,5,10) print(x1) x2 = np.random.uniform(2,4,(2,5)) print(x2)
示例：
import numpy as np import matplotlib.pylab as plt # 均匀生成 -10 - 10 之间100个数 x = np.linspace(-10,10,100) y = np.sin(x) plt.plot(x,y) plt.show()
