Python NumPy库

本思维导图总结了Python的NumPy库，对库中主要的数据类型（对象）和相关方法或函数，进行了较为详细的总结。

Python NumPy库

• NumPy
  • 一个开源的Python科学计算基础库
  • 底层实现为C语言
  • 使用
    • import numpy as np
• NumPy数组
  • N维数组对象：ndarray
    • 数组对象可以去掉元素间运算所需的循环，使一维向量更像单个数据
    • 所有元素类型相同，下标从0开始
    • 组成
      • 1 实际的数据
      • 2 描述这些数据的元数据（数据维度、数据类型等）
    • 属性
      • .ndim
        • 秩，即轴的数量或维度的数量
      • .shape
        • ndarray对象的尺度，对于矩阵，n行m列
      • .size
        • ndarray对象元素的个数，相当于.shape中n*m
      • .dtype
        • ndarray对象的元素类型
      • .itemsize
        • ndarray对象中每个元素的大小，以字节为单位
    • 元素类型
      • bool
        • 布尔类型，True或False
      • intc
        • 与C语言中的int类型一致，一般是int32或int64
      • intp
        • 用于索引的整数，与C语言中ssize_t一致，int32或int64
      • int8
        • 字节长度的整数，取值：[-128, 127]
      • int16
        • 16位长度的整数，取值：[-32768, 32767]
      • int32
        • 32位长度的整数，取值：[-2^32, 2^31-1]
      • int64
        • 64位长度的整数，取值[-2^63, 2^63-1]
      • uint8
        • 8位无符号整数，取值：[0, 255]
      • uint16
        • 16位无符号整数，取值：[0, 65535]
      • uint32
        • 32位无符号整数，取值：[0, 2^32-1]
      • uint64
        • 64位无符号整数，取值：[0, 2^64-1]
      • float16
        • 16位半精度浮点数：1位符号位，5位指数，10位尾数
      • float32
        • 32位半精度浮点数：1位符号位，8位指数，23位尾数
      • float64
        • 64位半精度浮点数：1位符号位，11位指数，52位尾数
      • complex64
        • 复数类型，实部和虚部都是32位浮点数
      • complex128
        • 复数类型，实部和虚部都是64位浮点数
  • 创建
    • 1 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)
      • 如果不指定dtype，NumPy将根据数据情况自动关联一个
    • 2 使用NumPy中函数创建ndarray数组
      • 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.ones_like(a)
        • 根据数组a的形状生成一个全1数组
      • np.zeros(shape)
        • 根据shape生成一个全0数组，shape是元组类型
      • np.zeros_like(a)
        • 根据数组a的形状生成一个全0数组
      • np.full(shape,val)
        • 根据shape生成一个数组，每个元素值都是val
      • 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
      • 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.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数组
    • 3 从字节流（raw bytes）中创建ndarray数组
    • 4 从文件中读取特定格式，创建ndarray数组
  • 变换
    • 对于创建后的ndarray数组，可以对其进行维度变换和元素类型变换
    • 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()功能一直，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，返回折叠后的一位数组，原数组不变
    • 类型变换
      • .astype(new_type)
        • astype()方法会创建新的数组（原始数组的一个拷贝），即使两个类型一致
        • 例：new_a = a.astype(np.float)
    • ndarray数组向列表的转换
      • .tolist()
        • 例：ls = a.tolist()
  • 操作
    • 索引
      • 获取数组中特定位置元素
      • a[1]
        • 一维数组
          • 用下标获取
        • 获取一维数组第1个元素（下标从0开始）
      • a[1, 2, 3]
        • 多维数组
          • 用逗号隔开
        • 获取三维数组第1个元素中的第2个元素中的第3个元素
    • 切片
      • 获取数组元素子集的过程
      • a[1 : 4 : 2]
        • 一维数组
          • 起始编号：终止编号（不含）：步长
        • 取a数组的第1个、第3个元素
      • a[:, 1:3, :]
        • 多维数组
          • 每个维度的切片用逗号分隔开
        • 取a数组一维的全部、二维的第1个到第3个、三维的全部
  • 运算
    • 数组与标量之间的运算作用于数组的每一个元素
      • 例：a = a / 2
    • 一元函数
      • np.abs(x) np.fabs(x)
        • 计算数组个元素的绝对值
      • np.sqrt(x)
        • 计算数组个元素的平方根
      • np.square(x)
        • 计算数组个元素的平方
      • np.log(x) np.log10(x) np.log2(x)
        • 计算数组个元素的自然对数、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.cons(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(-)
    • 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()
        • 元素级的最大值/最小值计算
      • 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
• 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
• NumPy的统计函数
  • 例：ave = np.sum(a)
  • 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相关元素之期望，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转换为多维下标
  • 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
• random子库
  • NumPy库的子库，用于创建一个随机数组
  • 例：n = np.random.rand(3, 4, 5)
  • 随机数函数
    • rand(d0,d1,...,dn)
      • 根据d0-dn创建随机数数组，浮点数，[0,1]，均匀分布
    • randn(d0,d1,...,dn)
      • 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，范围是[low, high)
    • 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轴进行随机排列，改变数组
    • 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
    • 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，size形状
    • normal(loc,scale,size)
      • 产生具有正态分布的数组，loc均值，scale标准差，size形状
    • poisson(lam,size)
      • 产生具有泊松分布的数组，lam随机事件发生率，size形状
• 数据存取
  • 一维/二维
    • 保存
      • np.savetxt(frame, array, fat=‘%.18e’, delimiter=None)
      • 参数
        • 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
    • 读入
      • np.loadtxt(frame, dtype=np.float, delimiter=None, unpack=False)
      • 参数
        • 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
        • 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
  • 多维
    • 降为一维
      • 会丢失维度和元素类型
      • 保存
        • np.tofile(frame, sep=‘’, format=‘%s’)
        • 参数
          • 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
      • 读入
        • np.fromfile(frame, dtype=float, count=-1, sep=‘’)
        • 参数
          • 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
    • NumPy便捷存取
      • 保存
        • np.save(fname, array) 或 np.savez(fname, array)
        • 参数
          • fname
            • 文件名，以.npy为扩展名，压缩扩展名为.npz
          • array
            • 数组变量
      • 读入
        • np.load(fname)
        • 参数fname为文件名，以.npy为扩展名，压缩扩展名为.npz