科学计算库numpy

这是一篇关于科学计算库numpy的思维导图，包括numpy初始化、numpy数据类型、形状操作等内容。

科学计算库numpy

• 1. numpy是什么
  • 简介：NumPy 是一个功能强大的 Python 库，主要用于对多维数组执行计算
  • 特点
    • numpy 内置了并行运算功能，当系统有多个核心时，做某种计算时，numpy 会自动做并 行计算
    • Numpy 底层使用 C 语言编写，内部解除了 GIL（全局解释器锁），其对数组的操作速度不受Python 解释器的限制，效率远高于纯 Python 代码。
    • 有一个强大的 N 维数组对象 Array（一种类似于列表的东西）
    • 实用的线性代数、傅里叶变换和随机数生成函数
    • Numpy 数组中的元素必须是同一类型
• 2. numpy初始化
  • np.array(x)
    • 参数 x 是一个数组，这种实例化方式适用于数组已知的情况，直接把已知数组放入函数中即可创 建
  • np.arange(x,y,z)
    • x 是最小值，y 是最大值，z 是步长。也就是说这个函数会创建一个等差数列样式、一维数组样 式的 np 对象
  • np.random
    • np.random.random(x)：随机生成一个 x 形状的，并且数组元素在 0 到 1 之间的数组。参数 x 是一个元组，代表的是生成的 np 数组的形状
    • np.random.randint(x,y,size=z)：,x 是最小值，y 是最大值，z 是一个元组，代表形状。随机生成 一个数组元素在 x 和 y 之间的 z 形状数组
  • 特殊数组
    • np.zeros((2,2))：生成一个两行两列、数组元素全是 0 的数组
    • np.ones((2,2))：生成一个两行两列、数组元素全是 1 的数组
    • np.full((2,2),8)：生成一个两行两列、数组元素全是 8 的数组
    • np.eye(3)：生成一个三行三列、左上到右下对角线上是 1，其余全是 0 的数组
• 3. numpy的数据类型
  • 数据类型汇总
    • 子主题
  • 数据类型操作
    • 查看
      • Array.dtype
    • 设置
      • 在进行数组实例化时有一个参数是 datatype，可以进行数组类型的设置，例如： np.array([1,2,3],dtype = 'int16'）
    • 修改
      • Array.astype('string_')
• 4. 多维数组操作
  • 1、nparray.ndim 查看数组维数
  • 2、Nparray.shape 查看数组形状
  • 3、nparray.reshape(2,3) 修改数组形状
  • 4、nparray.size 查看数组中元素的个数
  • 5、nparray.flatten()把多为数组变为一维数组
• 5. 数组的切片和索引
  • 一维数组
    • 索引
      • a1[4]：索引从 0 开始，这里是取出索引为 4 的元素
    • 切片
      • a1[x:y:z]，从x开始取到y结束（不包含y），z是步长，如果z为-1，则表示倒叙打印 例如：a1[0:10:2] 取出所有偶数 a1[10:0:-1] #倒叙打印
  • 二维数组
    • 索引
      • 规则：以二维数组来举例，[x,y]以“，”来区分行和列，前面的 x 是行，后面的 y 是列
      • 1、取出单个单独的元素 例子：a[3,4]取出第四行第五列的元素
      • 2、取出多个单独的元素 例子：a1[[2,4],[3,5]] 取出第 3 行第 4 列和第 5 行第 6 列的数据
      • 3、取出单独的行或列 例子：(a1[0]) #取出第一行数据
      • 例子：a1[[2,4]]) 取多个不连续的行 a1[:,[3,5]]) 取出多个不连续的列
    • 切片
      • 1、取出连续的行
        • a1[1:3]:取出第一行到第二行
      • 2、取出连续的列
        • a1[:,1:3]：取出第一列到第二列
      • 3、取出二维数组的一块（连续的一部分）
        • a1[[2,4],[3,5]]：取出第 3 行第 4 列和第 5 行第 6 列的数据
      • 4、规律取出行或者列
        • a1[1:6:2]
  • 布尔索引
    • a1>10：返回的是一个和原数组形状一样的数组，但是元素只有 True 和 Fales
    • a1[((a1<10) & (a1>5))]：取出数组中大于5小于10的元素。返回值是一个一维数组
  • 修改数组的值
    • 使用索引和切片将数组要修改的元素取出来之后，直接赋新值即可
    • np.where(a,b,c):a 是一个条件表达式，如果元素符合条件表达式，那么就把元素换成 a， 否则换成 b。Npwhere()并不会修改元数组中的值，而是返回一个新的数组
• 6. 数组广播机制
  • 广播机制：两个数组进行加减乘除运算，如果维度相同，那么直接进行对位相加减即可；如果维 度符合上面的运算原则，那么就要发挥广播机制，使维度为 1 的进行扩展，比如有一个(4,1)乘 以(4,3)的数组那么，(4,1)的数组会进行扩展，扩展成(4,3)，扩展的第二列、第三列都是复制的 第一列的值，然后两个数组在进行对位相乘
  • 数组与数的运算
    • 规则：当数组与数进行运算时，数组中的每个元素会执行统一的操作。比如数组乘以一个数，那么数组 里的每个元素都会和这个数相乘，每个形成的结果组合成一个新的数组，这个数组就是数组与数 相乘的结果
  • 数组与数组的运算
    • 运算原则：从数组的末尾维度算起，如果两个数组的末尾维度相同或者有一方是 1，按照这个规则往前推，如果都符合规则，那么是可以相加的。 举例：（3,3,1）和（3,4）的两个数组，先看两个数组的末尾元素是 1 和 3，符合规则；那么再 往前看，3 和 3 还符合规则，那么这两个数组便是可以相加的
• 7. 形状操作
  • reshape()和resize()
    • 区别：reshape 和 resize 都是改变数组形状，但是 reshape 不改变原数组形状，resize 则会改变
    • a1.reshape((4,3))
    • a1.resize((4,3))
  • flatten() 和 ravel()
    • 区别：flatten 和 ravel 都是把多维数组转换成 1 维数组，但是 flatten 和 ravel 不会改变原数组形状， 但是当修改 ravel 的值时会修改原数组的值，但是 flatten 不会修改原数组：
    • a1.flatten()
    • a1.ravel()
  • 数组拼接操作
    • vstack 是在垂直方向上叠加
      • np.vstack([vstack1,vstack2])
    • hstack 是在水平方向上叠 加
      • np.hstack([hstack1,hstack2])
    • concatenate(a,b,axis)这也是数组拼接，但是具体拼接方向看 axis 的值：0:垂直，1：水平， None：融合为一个 1 维数组
      • np.concatenate([c1,c2],axis=0)
  • 数组切割
    • vsplit
    • hsplit
    • split
      • 规则：Nparray.split(x,y),x 是需要被分割的数组，y 可以是一个数字，也可以是一个元 组；如果是一个数子，那么代表原数组要被平均分成 y 份，如果是一个元组，那 么数组会按照元组所给的数组进行分割，比如 y 是(2,4),那么 y 将会从第二行与 第三行之间切一刀，第四行和第五行之间切一刀，把数组分成 3 部分。vsplit 和 hsplit 的参数和 split 相同
      • np.split(a,(2,3),axis=0)：垂直切割
      • np.split(a,(1,2),axis=1)：水平切割
  • 数组的转置
    • ndarray.T
    • ndarray.transpose()
    • ndarray.T 和 ndarray.transpose()都是数组的转置，区别是前者是拷贝，后者是视图（修改转 置后的数组会影响原数组），拷贝后修改不影响原数组，视图修改会影响原数组
• 8. 拷贝
  • 解释：在创建一个数组的时候，一般会在栈区开辟一个空间 存储对象名称以及指向堆区数据的信息，堆区会开辟一个空间存储数据。深拷贝是堆区和栈区都 拷贝，这种比较常见； 浅拷贝是只拷贝栈区不拷贝堆区，比如说某些函数创建视图，视图就是 浅拷贝；不拷贝是都不拷贝，只是相当于在栈区中对原数组的名称起别名
  • 不拷贝
    • 对应函数：
  • 浅拷贝
    • 对应函数：
  • 深拷贝
    • 对应函数：
• 9. csv 文件操作
  • np.savetxt()和 np.loadtxt()
    • np.savetxt('./文件/score.csv',a,delimiter = ',',header='语文,数学',comments='',fmt='%d') #fmd:数据类型
    • np.loadtxt('文件/score.csv',dtype='int',delimiter=',',skiprows=1)
  • np 独有的文件操作函数
    • np.save()
    • np.savez()
    • np.load()
• 10. random模块
  • 11.1 np.random.seed()的作用：random每次产生的随机数都是不固定，当在seed中给出一个值之后，不管random运行多少次，每次的结果都会是一样的。如果不给seed值，那么random会根据系统时间生成随机数
  • np.random.rand()产生一个0到1之间的随机数。参数是一个元组，表示形状
  • np.random.randn() 生一个标准差为1，平均值为0的标准正态分布值,randn()里面可以放参数，参数表示生成数组的大小
  • np.random.randint() 生成随机整数
  • np.random.choice() 从指定数组和列表中进行随机取数 numpy.random.choice(a, size=None, replace=True, p=None) 从a(只要是ndarray都可以，但必须是一维的)中随机抽取数字，并组成指定大小(size)的数组
  • np.random.shuffle()打乱数组中元素的位置,此函数没有返回值，直接在原数据上打乱的