一、Numpy库入门
-
ndarray对象的属性
-
.ndim秩，即轴的数量或维度的数量 -
.shapendarray对象的尺度，对于矩阵，n行m列 -
.sizendarray对象元素的个数，相当于.shape中n*m的值 -
.dtypendarray对象的元素类型 -
.itemsizendarray对象中每个元素的大小，以字节为单位
-
-
ndarray数组的创建方法
- 从Python中的列表、元组等类型创建ndarray数组
x= np.array(list/tuple)
x= np.array(list/tuple, dtype=np.float32)
当np.array()不指定dtype时，NumPy将根据数据情况关联一个dtype类型 - 使用NumPy中函数创建ndarray数组，如：arange, ones, zeros等
np.arange(n)类似range()函数，返回ndarray类型，元素从0到n‐1
np.ones(shape)根据shape生成一个全1数组，shape是元组类型
np.zeros(shape)根据shape生成一个全0数组，shape是元组类型
np.full(shape,val)根据shape生成一个数组，每个元素值都是val
np.eye(n)创建一个正方的n*n单位矩阵，对角线为1，其余为0
np.ones_like(a)根据数组a的形状生成一个全1数组
np.zeros_like(a)根据数组a的形状生成一个全0数组
np.full_like(a,val)根据数组a的形状生成一个数组，每个元素值都是val
- 从Python中的列表、元组等类型创建ndarray数组
使用NumPy中其他函数创建ndarray数组
np.linspace()根据起止数据等间距地填充数据，形成数组
np.concatenate()将两个或多个数组合并成一个新的数组ndarray数组的变换
ndarray数组的维度变换
.reshape(shape)不改变数组元素，返回一个shape形状的数组，原数组不变
.resize(shape)与.reshape()功能一致，但修改原数组
.swapaxes(ax1,ax2)将数组n个维度中两个维度进行调换
.flatten()对数组进行降维，返回折叠后的一维数组，原数组不变ndarray数组的类型变换
new_a = a.astype(new_type)ndarray数组向列表的转换
ls = a.tolist()ndarray数组的操作
索引：获取数组中特定位置元素的过程
切片：获取数组元素子集的过程
- 一维数组的索引和切片：与Python的列表类似
a[2]
a[1: 4: 2]
起始编号: 终止编号(不含): 步长，3元素冒号分割
编号0开始从左递增，或‐1开始从右递减
- 多维数组的索引：
每个维度一个索引值，逗号分割 - 多维数组的切片：
选取一个维度用:
a[: , 1 , -3]
每个维度切片方法与一维数组相同
a[: , 1 : 3 , :]
每个维度可以使用步长跳跃切片
a[: , : , : : 2]
- ndarray数组的运算
- NumPy一元函数
np.abs(x) np.fabs(x)计算数组各元素的绝对值
np.sqrt(x)计算数组各元素的平方根
np.square(x)计算数组各元素的平方
np.log(x) np.log10(x)np.log2(x) 计算数组各元素的自然对数、10底对数和2底对数
np.ceil(x) np.floor(x)计算数组各元素的ceiling值 或 floor值
np.rint(x)计算数组各元素的四舍五入值
np.modf(x)将数组各元素的小数和整数部分以两个独立数组形式返回
np.cos(x) np.cosh(x) np.sin(x) np.sinh(x) np.tan(x) np.tanh(x)计算数组各元素的普通型和双曲型三角函数
np.exp(x)计算数组各元素的指数值
np.sign(x)计算数组各元素的符号值，1(+), 0, ‐1(‐)
- NumPy一元函数
- NumPy二元函数
+ ‐ * / **两个数组各元素进行对应运算
np.maximum(x,y) np.fmax() np.minimum(x,y) np.fmin()元素级的最大/小值计算
np.mod(x,y)元素级的模运算
np.copysign(x,y)将数组y中各元素值的符号赋值给数组x对应元素
> < >= <= == !=算术比较，产生布尔型数组
二、Numpy数据文件与存储
- 一维、二维数据
CSV (Comma‐Separated Value, 逗号分隔值)，是一种常见的文件格式，用来存储批量数据- 从数组写入数据
np.savetxt(frame, array, fmt='%.18e', delimiter=None)
frame文件、字符串或产生器，可以是.gz或.bz2的压缩文件
array存入文件的数组
fmt写入文件的格式，例如：%d %.2f %.18e
delimiter分割字符串，默认是任何空格，csv文件是逗号分隔
np.savetxt('a.txt', a, fmt='%d', delimiter=',')
- 从数组写入数据
- 读入文件到数组
np.loadtxt(frame, dtype=np.float, delimiter=None， unpack=False)
frame文件、字符串或产生器，可以是.gz或.bz2的压缩文件
dtype数据类型，可选 （CSV中存储的是字符串类型）
delimiter分割字符串，默认是任何空格
unpack如果True，读入属性将分别写入不同变量 - CSV的局限性
CSV只能有效存储一维和二维数组，np.savetxt() np.loadtxt()只能有效存取一维和二维数组 - 任意维度数据
-
a.tofile(frame, sep='', format='%s')
frame文件、字符串
sep数据分割字符串，如果是空串，写入文件为二进制
format写入数据的格式
a.tofile('b.dat', sep=',' , formt='%s') -
np.fromfile(frame, dtype=float, count=‐1, sep='')
frame文件、字符串
dtype读取的数据类型
count读入元素个数，‐1表示读入整个文件
sep数据分割字符串，如果是空串，写入文件为二进制
np.fromfile(frame, dtype=float, count=‐1, sep='')
该方法需要读取时知道存入文件时数组的维度和元素类型，a.tofile()和np.fromfile()需要配合使用，可以通过元数据文件来存储额外信息
Numpy的便捷文件存取
np.save(fname, array)或np.savez(fname, array)
fname文件名，以.npy为扩展名，压缩扩展名为.npz
array数组变量np.load(fname)
fname文件名，以.npy为扩展名，压缩扩展名为.npzNumpy的随机数函数子库
rand(shape)根据d0‐dn创建随机数数组，浮点数，[0,1)，均匀分布
randn(shape)根据d0‐dn创建随机数数组，标准正态分布
randint(low,high,shape])根据shape创建随机整数或整数数组
seed(s)随机数种子，s是给定的种子值
shuffle(a)根据数组a的第1轴进行随排列，改变数组x
permutation(a)根据数组a的第1轴产生一个新的乱序数组，不改变数组x
choice(a[,size,replace,p])从一维数组a中以概率p抽取元素，形成size形状新数组， replace表示是否可以重用元素，默认为False
uniform(low,high,size)产生具有均匀分布的数组,low起始值,high结束值
normal(loc,scale,size)产生具有正态分布的数组,loc均值,scale标准差
poisson(lam,size)产生具有泊松分布的数组,lam随机事件发生率Numpy的统计函数
sum(a, axis=None)根据给定轴axis计算数组a相关元素之和，axis整数或元组
mean(a, axis=None)根据给定轴axis计算数组a相关元素的期望，axis整数或元组
average(a,axis=None,weights=None)根据给定轴axis计算数组a相关元素的加权平均值
std(a, axis=None)根据给定轴axis计算数组a相关元素的标准差
var(a, axis=None)根据给定轴axis计算数组a相关元素的方差
min(a) max(a)计算数组a中元素的最小值、最大值
argmin(a) argmax(a)计算数组a中元素最小值、最大值的降一维后下标
unravel_index(index, shape)根据shape将一维下标index转换成多维下标
ptp(a)计算数组a中元素最大值与最小值的差
median(a)计算数组a中元素的中位数（中值）Numpy的梯度函数
np.gradient(f)计算数组f中元素的梯度，当f为多维时，返回每个维度梯度
梯度：连续值之间的变化率，即斜率
XY坐标轴连续三个X坐标对应的Y轴值：a, b, c，其中，b的梯度是： (c‐a)/2
