numpy的引入及数组操作

优势

快速；
方便；
科学计算的基础库；

介绍

一个在Python中做科学计算的基础库，重在数值计算，也是大部分Python科学计算库的基础库，多用在大型、多维数组上执行数值运算。

使用数组

创建数组：
```
import numpy as np
a_1 = np.array([1, 2, 3, 4, 5])
a_2 = np.array(range(1, 6))
a_3 = np.arange(1, 6)
```
- 以上三个数组的内容相同；
- arange()与range()区别:
  - arange([start, ]stop[, step][, dtype=None])
    - dtype是指数组中存放的数据的类型。会在Python基础类型后加一个显示位数的数字，比如int64（表示有符号和无符号位的64位（8字节）整型数据）；
    - 默认根据电脑位数存储；
    - 传入参数可更改数据类型（比如np.int8）；
    - 使用astype()方法可通过传参改变数组类型，会形成新数组，不影响原数组数据；
```
np.random.random()
```
- 生成0~1的随机小数；
```
np.round(array, n)
```
- 对传入的数列进行取N位小数操作；
数组的形状：
- 查看形状：
  - array.shape()
- 重塑形状：
  - array.reshape(x,y,z[,…])
    - n个参数则产生n维数组；
    - 举例：
```
array_1 = np.arange(24)
array_2 = array_1.reshape(2, 3, 4)
```
      输出结果为：
```
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23] 
 [[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
```
      - 注意：数组元素数目必须与参数乘积相等，否则报错；
  - array.flatten()
    - 将数组展开成一维数组；
数组的计算：
- 数组与数字做运算：
  - 对数组进行加减乘除相当于对数组的每个数字进行相应计算；
  - 注意：在numpy中对0做除法，0/0 = nan；n/0 = inf；
- 数组与数组同形时做运算，对应位置做运算；
- 数组与数组列数相同时，每行做一次运算；
- 数组与数组行数相同时，每列做一次运算；
- 注意：如果两个数组的后缘维度（从末尾开始算起的维度）的轴长度相符或者其中一方的长度为一，则默认他们是广播兼容的。广播会在缺失或（和）长度为一的维度上进行；
转置：
- s.tranpose()；
- s.T；
- s.swapaxes(0, 1)：交换0轴和1轴；
切片操作：
- 取行：
  - s[n]；取第n行
  - s[n:]；从第n行开始取；
  - s[[2, 8, 10]]：取不连续多行；
- 取列：
  - s[:,n]：取第n列；
  - s[:, n:]；从第n列开始取；
  - s[:, [2, 8, 10]]：取不连续多列；
- 取点：
  - s[2, 3]：取第三行第四列交点的值；
- 取多行多列：
  - s[2:5, 1:4]：取第三到五行，二到三列的内容；
- 取多个不相邻的点：
  - s[0, 1], [0, 1]：取第一行第一列的值，取第二行第二列的值；
对值的修改：
- s[s<10] = 3；将s中小于10的值修改为3；
- s[s<10]；返回值为其中小于10的值的序列；
- np.where(s<10, 0, 0)；将s中小于10的数字换为0，大于10的数字换为10；（三元运算符）
裁剪（clip）;
- s.clip(10, 18)：将s中小于10的值替换为10，大于有8的值替换为18，nan不改变；

**注意：**nan为浮点类型；

轴

可以理解为方向，使用数字0~n表示，对于一个一维数组，只有一个0轴，对于2维数组(shape(2, 2))，只有0轴和1轴，对于三维数组(shape(2, 2, 3))，有0、1、2轴；
在引入轴的概念之后，可以指定计算方向；

numpy的引入及数组操作

Python相关栏目本月热门文章