目录

学习目标;

一、认识和创建数组

定义：

ndarray对象属性

 数组创建

array()函数

zerosz()和ones()函数

empty()函数

arange()函数

二、ndarray对象的数据类型

ndarray.dtype

常用数据类型

 特征码

astype()方法

三、运算，索引，切片

运算

索引，切片

花式索引

布尔型索引

四、通用函数、数据处理

常见的一元通用函数

常见的二元通用函数

 数据处理

where()函数

 sort()方法：元素进行排序

all()函数

unique()函数

in1d()函数

有关集合的函数

 五、模块

1、线性代数

numpy.linalg模块

dot()方法（用于矩阵乘法）

2、随机数（random模块）

rand()函数

 seed( )函数

学习目标;

创建数组，数组运算，索引与切片利用数组进行数据处理数据类型，线性代数模块，随机数模块转置和轴对称，通用函数

---

一、认识和创建数组

定义：

NumPy中最重要的一个特点就是其N维数组对象，该对象可以执行一些科学计算。

ndarray对象属性

属性	具体说明
ndarray.ndim	维度个数，数组的个数
ndarray.shape	数组维度。是一个整数的元组，表示每个维度上数组的大小
ndarray.size	数组元素的总个数，等于shape属性中元组元素的乘积
ndarray.dtype	描述数组中ing元素类型的对象，可以使用标准的Python来创建，野了使用NumPy特有的数据类型指定
ndarray.itemsize	数组中平每个元素的字节大小

 数组创建

array()函数

一维数组 data1 = np.array([1, 2, 3]) 二维数组 data2 = np.array([[1, 2, 3], [4, 5, 6]])

zerosz()和ones()函数

zeros()函数创建元素值都是0的数组：np.zeros((3, 4))通过ones()函数创建元素值都为1的数组：np.ones((3, 4))

empty()函数

        定义：创建一个新的数组，该数组只分配了内存空间，它里面填充的元素都是随机的

np.empty((5, 2))

arange()函数

定义：创建一个等差数组,arange()函数返回的结果是数组，不是列表

np.arange(1, 20, 5)

        注：有些数组元素的后面会跟着一个小数点，而有些元素后面没有，比如1和1.，产生这种现象，主要是因为元素的数据类型不同所导致的。

二、ndarray对象的数据类型

ndarray.dtype

        定义：创建一个表示数据类型的对象，如果希望获取数据类型的名称，则需要访问name属性进行获取。

data_one = np.array([[1, 2, 3], [4, 5, 6]])
data_one.dtype.name

常用数据类型

 特征码

特征码	含义
b	布尔型
u	无符号整型
c	复数类型
S，a	字节字符串
V	原始数据
i	有符号整形
f	浮点型
O	Python对象
U	unicode 字符串

astype()方法

定义：ndarray对象的数据类型可以通过astype()方法进行转换。

data = np.array([[1, 2, 3], [4, 5, 6]]) 
data.dtype
# 数据类型转换为float64
float_data = data.astype(np.float64)
float_data.dtype

三、运算，索引，切片

运算

矢量化运算：形状相同的数组广播机制：形状不同的数组数组与标量运算：标量

        标量运算会产生一个与数组具有相同行和列的新矩阵，其原始矩阵的每个元素都被相加、相减、相乘或者相除。

索引，切片

arr = np.arange(8)
# 获取索引为5的元素
arr[5]
# arr[5]


# 获取索引为3~5的元素，但不包括5
arr[3:5]
# array([3, 4])

二维数组：

arr2d = np.array([[1, 2, 3],
                  [4, 5, 6],
                  [7, 8, 9]]) 
# 获取索引为1的元素
arr2d[1]
# array([4, 5, 6])

二维数组的单个元素

# 获取位于第0行第1列的元素
arr2d[0, 1]
# 2

        多维数组的切片是沿着行或列的方向选取元素的，我们可以传入一个切片，也可以传入多个切片，还可以将切片与整数索引混合使用。

# 使用一个切片
arr2d[:2]
# array([[1, 2, 3],
         [4, 5, 6]])


# 使用两个切片
arr2d[0:2, 0:2]
# array([[1, 2],
         [4, 5]])


# 切片与整数索引混合使用
arr2d[1, :2]
#array([[1, 2],
        [4, 5]])

花式索引

定义：用整数数组或列表进行索引，然后再将数组或列表中的每个元素作为下标进行取值。

#创建一个二维数组

demo_arr = np.empty((4, 4))

for i in range(4):

      demo_arr[i] = np.arange(i, i + 4)

# 获取索引为[0,2]的元素

demo_arr[[0, 2]]

# 获取索引为(1,1)和(3,2)的元素

demo_arr[[1, 3], [1, 2]]

布尔型索引

定义：将一个布尔数组作为数组索引，返回的数据是布尔数组中True对应位置的值。

array([False, False, True, False])

四、通用函数、数据处理

常见的一元通用函数

常见的二元通用函数

 数据处理

where()函数

arr_x = np.array([1, 5, 7])
arr_y = np.array([2, 6, 8])
arr_con = np.array([True, False, True])
result = np.where(arr_con, arr_x, arr_y)
# array([1, 6, 7])

数组的统计汇总

 sort()方法：元素进行排序

arr = np.array([[6, 2, 7], 
                [3, 6, 2], 
                [4, 3, 2]])
arr.sort()

# array([[2, 6, 7],
#        [2, 3, 6],
#        [2, 3, 4]])


# 对任何一个轴上的元素进行排序
arr = np.array([[6, 2, 7], 
                         [3, 6, 2], 
                         [4, 3, 2]])
# 沿着编号为0的轴对元素排序
arr.sort(0)

# array([[3, 2, 2],
#        [4, 3, 2],
#        [6, 6, 7]])

all()函数

定义：判断整个数组中的元素的值是否全部满足条件。

arr = np.array([[1, -2, -7],[-3, 6, 2], [-4, 3, 2]])

# arr的所有元素是否都大于0

np.all(arr > 0)

any()函数

定义：用于判断整个数组中的元素至少有一个满足条件

unique()函数

定义：找出数组中的唯一值，并返回排序后的结果

in1d()函数

判断数组中的元素是否在另一个数组中存在，该函数返回的是一个布尔型的数组。

arr = np.array([12, 11, 34, 23, 12, 8, 11])

np.in1d(arr, [11, 12])

 # array([ True,  True, False, False, True, False,  True])

有关集合的函数

 五、模块

1、线性代数

numpy.linalg模块

矩阵分解运算：

通过“*”对两个数组相乘的话，得到的是一个元素级的积，而不是一个矩阵点积。

dot()方法（用于矩阵乘法）

arr_x = np.array([[1, 2, 3], [4, 5, 6]])

arr_y = np.array([[1, 2], [3, 4], [5, 6]])

# 等价于np.dot(arr_x, arr_y)

arr_x.dot(arr_y)

# array([[22, 28], [49, 64]])

2、随机数（random模块）

rand()函数

定义：随机生成N维浮点数组。

# 随机生成一个二维数组

np.random.rand(3, 3)

生成服从多种概率分布随机数的其它函数：

 seed( )函数

定义：可以保证生成的随机数具有可预测性，也就是说产生的随机数相同

numpy.random.seed(seed=None)

#seed参数，用于指定随机数生成时所用算法开始的整数值

注意：当调用seed()函数时，如果传递给seed参数的值相同，则每次生成的随机数都是一样的。 当传递的参数值不同或者不传递参数时，则seed()函数的作用跟rand()函数相同，即多次生成随机数且每次生成的随机数都不同。

---