ndarray概述 创建n维数组 接收的是列表类型，所有元素类型必须相同
shape表示各维度大小的元组 dtype表示数组数据类型对象
1、基本创建数据
ndarray1 = np.array([1, 2, 3, 4])
ndarray2 = np.array(list('abcdefg'))
ndarray3 = np.array([[11, 22, 33, 44], [10, 20, 30, 40]])
# 输出整个数组
print(ndarray3)
# 输出数组元素类型
print(ndarray3.dtype)
# 输出数组类型 mxn
print(np.shape(ndarray3))
# 输出数组指定元素
print(ndarray3[1][2])
- zeros和zeros_like创建全0数组
ndarray4 = np.zeros(10)
ndarray5 = np.zeros((3, 3))
ndarray6 = np.zeros_like(ndarray3) # 按照 ndarray3 的shape创建数组
- ones和ones_like创建全1数组
# 创建数组，元素默认值是1
ndarray7 = np.ones(10)
ndarray8 = np.ones((3, 3))
# 修改元素的值
ndarray8[0][1] = 999
ndarray9 = np.ones_like(ndarray5) # 按照 ndarray5 的shape创建数组
- empty和empty_like创建空数组
用于创建空数组，空数据中的值并不为0,而是未初始化的随机值.
ndarray10 = np.empty(5)
ndarray11 = np.empty((2, 3))
ndarray12 = np.empty_like(ndarray11)
- arange创建数组
# 产生0-9共10个元素
ndarray13 = np.arange(10)
# 产生从10-19共10个元素
ndarray14 = np.arange(10, 20)
# 产生10 12 14 16 18, 2为step
ndarray15 = np.arange(10, 20, 2)
# 将其形状改变为(2, 5)
ndarray14.reshape((2, 5))
- eys创建对角矩阵数组
# 该函数用于创建一个N*N的矩阵，对角线为1，其余为0.
ndarray16 = np.eye(5)
使用astype函数转换数组类型
如果浮点数转换为整数，则小数部分将会被截断 -- 取整
如果某些字符串数组表示的全是数字，也可以用astype将其转换为数值类型
ndarray19 = np.array([2.4, 3.6, 4.8])
ndarray20 = ndarray19.astype(np.int64)
2.3 数组运算
不需要循环即可对数据进行批量运算，叫做矢量化运算. 不同形状的数组之间的算数运算，叫做广播.
数组 + 数组 对应元素相加
数组 + 数字 分别相加,相乘,相除
一维 + 多维 按行分别相加 每行的元素个数相同
多维 + 多维 对应元素分别相加
多维 * 多维 形状相同对应元素分别相乘 (注意这里不是矩阵乘法)
矩阵乘法：条件--第一个行数 == 第二个的列数
arr14 = np.dot(arr6, arr12)
多维矩阵相乘.png
主要操作
arr = np.array(np.arange(24).reshape(6,4))
# print(arr)
'''
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]
'''
元素类型转换
arr2 = arr.astype(np.float32)
print(arr2)
数组转置 transpose 行变列，列变行
arr3 = arr.transpose()
print(arr3)
返回bool值，可以添加axis参数指定轴方向
np.any(): 至少有一个元素满足指定条件，返回True
np.all(): 所有的元素满足指定条件，返回True
arr2 = np.any(arr > 20)
print(arr2)
取行
取下标行 arr[n] print(arr[2])
取连续行 arr[m:n] print(arr[1:3])
只取指定行 arr[[1,3,4]] 两个中括号
取列
获取指定下标的列 print(arr[:, 3]) # 一维数组形式
print(arr[:, 3:4]) # 以真实的列展示(竖着)
获取指定范围列 arr[:, 1:3] # print(arr[:, 1:3])
获取多个指定下标列 arr[:, [0,2]] # print(arr[:, [0,2]])
获取指定连续行的指定连续列 arr[0:2 , 1:3]
print(arr[0:2 , 1:3])
获取不连续的行和列 前面是行 后面是列
arr2 = arr[np.ix_([0,2], [0,3])]
获取下标元素放入列表中[ 6, 11]
print(arr[[1,2], [2,3]])
判断列表是否为空
# if np.size(arr) != 0:
# print(f"数组大小为{np.size(arr)}")
拼接两数组 行拼接 在下面
arr1 = arr[0:2]
arr2 = arr[[4,5]]
newArr = np.vstack((arr1, arr2))
print(newArr)
列拼接 在后面拼接
arr1 = arr[0:2]
arr2 = arr[[4,5]]
newArr = np.hstack((arr1, arr2))
print(newArr)
分别获取每行或每列的总和 axis=0 表示列 axis=1 表示行
# 平均值 mean
arr4 = np.sum(arr, axis=0)
print(arr4)
# 第n列的sum
print(np.sum(arr[:, 2]))
reshape(6,4) 查看数组大小 返回元祖
print(arr.shape)
按列均分为n份 注意 均分后的值必须是正整数，不能有小数，也就是总行数/要均分的份数，能整除
vsplit(arr, n) 按行均分为n份 ，返回列表 可通过下标获取
ret = np.hsplit(arr, 4)
print(ret[2])
排序 axis=0 按列升序排序 axis=1 按行升序排序
arr2 = np.sort(arr[[4,2,0]], axis=1)
print(arr2)
怎么降序排序
# 按列降序 np.sort(arr[::-1])
arr3 = np.sort(arr[::-1])
print(arr3)
按行降序
先将数据变为负数 然后升序排序 np.sort(-arr, axis=1) 再加个符号，把负数变为整数
array = -np.sort(-arr, axis=1) #降序
print(array)
矩阵按其第一列元素大小顺序来对整个矩阵进行行排序
arr5 = np.array([[5, 4, 6], [3, 6, 3], [9, 4, 1]])
print(arr5)
mat1=arr5[arr5[:,0].argsort()]
print(mat1)
一元ufunc：
ceil(x): 向上最接近的整数，参数是 number 或 ndarray
floor(x): 向下最接近的整数，参数是 number 或 ndarray
rint(x): 四舍五入，参数是 number 或 ndarray
negative(x): 元素取反，参数是 number 或 ndarray
abs(x)：元素的绝对值，参数是 number 或 ndarray
square(x)：元素的平方，参数是 number 或 ndarray
aqrt(x)：元素的平方根，参数是 number 或 ndarray
sign(x)：计算各元素的正负号, 1(正数)、0（零）、-1(负数)，参数是 number 或 ndarray
modf(x)：将数组的小数和整数部分以两个独立数组的形式返回，参数是 number 或 ndarray
isnan(x): 判断元素是否为 NaN(Not a Number)，返回bool，参数是 number 或 ndarray
二元ufunc：
add(x, y): 元素相加，x + y，参数是 number 或 ndarray
subtract(x, y): 元素相减，x - y，参数是 number 或 ndarray
multiply(x, y): 元素相乘，x * y，参数是 number 或 ndarray
divide(x, y): 元素相除，x / y，参数是 number 或 ndarray
floor_divide(x, y): 元素相除取整数商(丢弃余数)，x // y，参数是 number 或 ndarray
mod(x, y): 元素求余数，x % y，参数是 number 或 array
power(x, y): 元素求次方，x ** y，参数是 number 或 array
三元ufunc：
where(condition, x, y): 三元运算符，x if condition else y，条件满足返回x，否则返回y，
参数condition 是条件语句，参数 x 和 y 是 number 或 ndarray
按下标依次迭代arr1和arr2两个数组的每个元素，并比较元素大小，如果结果为True，返回当前arr1的元素，否则返回当前arr2的元素，并将结果构建为一个数组。
arr3 = np.where(arr1 > arr2, arr1, arr2)
print(arr3)
多维数组默认统计全部数据，添加axis参数可以按指定轴心统计，值为0则按列统计，值为1则按行统计。
np.mean(x [, axis])：所有元素的平均值，参数是 number 或 ndarray
np.sum(x [, axis])：所有元素的和，参数是 number 或 ndarray
np.max(x [, axis])：所有元素的最大值，参数是 number 或 ndarray
np.min(x [, axis])：所有元素的最小值，参数是 number 或 ndarray
np.std(x [, axis])：所有元素的标准差，参数是 number 或 ndarray
np.var(x [, axis])：所有元素的方差，参数是 number 或 ndarray
np.argmax(x [, axis])：最大值的下标索引值，参数是 number 或 ndarray
np.argmin(x [, axis])：最小值的下标索引值，参数是 number 或 ndarray
np.cumsum(x [, axis])：返回一个一维数组，每个元素都是之前所有元素的 累加和，参数是 number 或 ndarray
np.cumprod(x [, axis])：返回一个一维数组，每个元素都是之前所有元素的 累乘积，参数是 number 或 ndarray
ndarray支持常用的增加和删除操作，以及数组合并。
append()：在数组后面追加元素
insert()：在指定下标插入元素
delete()：删除指定行/列数据
concatenate((arr1, arr2, ...), axis=0)：合并多个数组
unique(x) :去重，并返回有序结果.
intersect1d(x, y) :公共元素，并返回有序结果, x & y
union1d(x, y) :计算x和y的并集，并返回有序结果, x | y
setdiff1d(x, y) :集合的差，即元素在x中且不在y中. x - y, y - x
in1d(x, y) :得到一个表示“x的元素是否包含于y”的布尔型数组.
setxor1d(x, y) :对称差集，两个数组中互相不包含的元素。x ^ y
arr2 = np.array([1, 3, 2])
arr3 = np.array(["l", "o", "u", "d", "b"])
arr4 = np.unique(arr2)
print(arr4)
arr5 = np.multiply(arr2, arr3)
print(arr5)
数组中每一个元素都进行==运算，返回一个数组,如果相等返回True 不等返回False
names = np.array(['aaa', 'bbb', 'ccc', 'ddd', 'eee', 'fff', 'ggg'])
mask = names == "aaa"
# [ True False False False False False False]
使用numpy提供的where函数
三目运算符 如果符合条件 结果为值1 否则为值2 将结果添加到数组中
使用格式为: result = np.where(条件, 值1, 值2)
元素替换
# 将大于20的元素替换成666
ret1 = np.where(ndarray3 > 20, 666, ndarray3)
# 将大于13，并且小于17的元素替换成100
ret2 = np.where(ndarray3 > 13, np.where(ndarray3 < 17, 100, ndarray3), ndarray3)
按条件筛选元素
矩阵名[矩阵名>数值] 对矩阵元素进行筛选，以列表形似返回符合条件的元素
newArr= arr[arr>5] # 输出 [6 7 8]