Numpy数组基本用法

一、基本概念

numpy特点

numpy作为三方库,能快速操作数组,也就是python中的列表类型数据,包括数组创建查询修改移除,意味着也能快速处理excel等来源数据,在数据分析中是非常实用的工具。
1、批量化操作数组数据,高效;
2、广播机制,不同数组之间的交互(意味着数据与数据之间的交互)

一些基本概念

数组维度

一维:[1,2,3,4] 只有行
二维:[ [1,2],[3,4] ] 行和列
三维:[ [ [1,2],[3,4] ],[ [1,2],[3,4] ] ] 可结合x,y,z轴理解
常见数组一般最高就到三维,更高维的需要发挥三体人想象力去理解

二、numpy数组

numpy数组创建

1. numpy.array(可迭代对象)

import numpy as np
np.array(可迭代对象)
#可迭代对象:列表、元组、range(number)
#e.g
np.array([i for i in range(10)])
np.array((0,1,2,3,4,5,6,7,8,9))
np.array(range(10))

ps: numpy高效在这里可以稍微体现一下,以循环生成10000000个数据为例

import numpy as np
import time

#普通for循环生10000000长度数组
t1 = time.time()
lst = []
for i in range(10000000):
    lst.append(i)
t2 = time.time()

#numpy生成10000000长度数组
t3 = time.time()
lst = np.array(range(10000000))
t4 = time.time()

#耗时
print(t2-t1)
print(t4-t3)
#1.5315017700195312
#1.3233845233917236

2. numpy.arange()

arange()方法常用于通过参数直接生成一个等差数列,也即一维数组

np.arange([start,] stop[, step,], dtype=None)
#仅列举常用的参数
#start 数组起始值,可选,默认为0
#stop 数组结束值,不包含尾
#step 数组创建时步长,可选,默认为1
#dtype 指定数据类型,可选,不传由方法自己决定类型
#e.g
print(np.arange(10))  #输出: [0 1 2 3 4 5 6 7 8 9] 
print(np.arange(1,10,2))  #输出:[1 3 5 7 9] 
print(np.arange(1,10,2,dtype=float))   #输出:  [1. 3. 5. 7. 9.]

3. numpy.reshape()

numpy中的变形函数,能把array和arange产生的数组转换成目标维度数组,方便后续的使用,可以结合array和arange方法使用
支持:
低维数组转为高维数组
高维数组转为低维数组

np.reshape(a, shape, order='C')
也可以写成  
a.reshape(shape)
#a 待变换维度的数组 
#shape 目标维度形状,以元组表示(1,2,3)或(1,2)
#order 参数是用作排序,可crtl跳转源码了解,某些场景才需要控制,一般按行存储'C'  按列存储‘F’   按原始数组排序'A',不常用,可选

#e.g
#一维数组 
a = np.arange(12)
print(a)
#输出: [ 0  1  2  3  4  5  6  7  8  9 10 11]

#一维数组转为二维,6行2列
b = a.reshape((6,2))
print(b)
#输出:
[[ 0  1]
 [ 2  3]
 [ 4  5]
 [ 6  7]
 [ 8  9]
 [10 11]]

#一维数组转为三维,可以理解为线转为x,y,z空间坐标系
c = a.reshape((3,2,2))
print(c)
#输出:
[[[ 0  1]
  [ 2  3]]

 [[ 4  5]
  [ 6  7]]

 [[ 8  9]
  [10 11]]]

#三维转为二维
d = c.reshape((3,4))
print(d)
#输出:
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]] 

PS:高维数组转为一维数组还有另一个方法

numpy.flatten()

flatten()是NumPy数组对象的一个方法,常用于将多维数组”展平”成一维数组。
特点:不需要知道数组长度不管数组是几维,迅速以一维呈现

#三维数组
a = np.arange(12).reshape((3,2,2))
print(a)  
#输出:
[[[ 0  1]
  [ 2  3]]

 [[ 4  5]
  [ 6  7]]

 [[ 8  9]
  [10 11]]]

#将三维数组直接变成一维数组
q = a.flatten()
print(q) 
#输出:[ 0  1  2  3  4  5  6  7  8  9 10 11]

转置换轴

仅用于一,二维数组操作,也属于一种变形,但本身不移动数据,只是改变元素的索引方式
转置操作会交换数组的行和列,即原数组的第i行第j列元素会变成转置后数组的第j行第i列元素

1. 元素对象.T

T属性直接交换数组行列

a = np.arange(12).reshape((6,2))
print(a.shape)  #输出(6,2)
print(a.T.shape) #输出(2,6)
2. 元素对象.swapaxes(1,0)

swapaxes方法也是直接交换数组的1,0轴,1和0只是形参,顺序可以交换

a = np.arange(12).reshape((6,2))
print(a.shape)  #输出(6,2)
print(a.swapaxes(1,0).shape)  #输出(2,6)
3. 元素对象.transpose

transpose()也有参数
x.transpose((0,1))表示按照原坐标轴改变序列,也就是保持不变
x.transpose((1,0))表示交换'0轴’和'1轴’

a = np.arange(12).reshape((6,2))
print(a.shape)  #输出:(6, 2)
print(a.transpose().shape)  #输出:(2, 6)
print(a.transpose((0,1)).shape)  #输出:(6, 2)
print(a.transpose(1,0).shape)  #输出:(2, 6)

numpy数组对象几大属性

数组对象.ndim

ndim属性用于获取数组的维数,它告诉你该数组是几维数组

a = np.arange(12).reshape((3,2,2))
print(a.ndim)  #输出:3

q = a.flatten()
print(q.ndim)  #输出:1

数组对象.shape

shape 属性返回数组在每个维度上大小的元组。即arange方法中的shape参数。
对于一维数组,它返回一个表示数组长度的元组
对于二维数组,它返回表示行数和列数的元组

a = np.arange(12).reshape((3,2,2))
print(a.shape)  #输出:(3, 2, 2)

q = a.reshape((6,2))
print(q.shape) #输出:(6, 2)

b = a.flatten()
print(b.shape) #输出:(12,)

数组对象.dtype

dtype 属性用于获取数组元素的数据类型。arange方法里也有该属性指定

a = np.arange(12,dtype=float)
print(a.dtype)  #输出:float64

a = np.arange(12)
print(a.dtype)  #输出:int32

数组对象.size

size属性用于获取数组长度,比较好理解,即告诉你这个数组不管几维,里面包含了几个数组元素

a = np.arange(12).reshape((3,2,2))
print(a.size)  #输出: 12

a = np.arange(12)  
print(a.size)  #输出: 12

一些特殊数组用法

numpy.ones()

np.ones(shape,dtype,order)
#参数作用和arange方法一致
#shape 指定数组几维什么形状
#dtype 指定数据类型,可选,默认自己根据输入决定
#order 排序 可选
#也能创建指定形状数组,但默认元素以1填充
a = np.ones((6,2))
print(a)
#输出:
[[1. 1.]
 [1. 1.]
 [1. 1.]
 [1. 1.]
 [1. 1.]
 [1. 1.]]

numpy.ones_like()

ones_like() 以某个数组为目标,按照其形状进行复制,但默认以1填充元素

np.ones_like(a,dtype,subok=True)
#a 待复制形状的目标数组对象
#dtype 数据类型
#subok 这是一个可选参数,默认为 False。一般用于带有掩码的数据
a = np.arange(12).reshape((6,2))
print(a)
#输出:
[[ 0  1]
 [ 2  3]
 [ 4  5]
 [ 6  7]
 [ 8  9]
 [10 11]]

a = np.ones_like(a)
print(a)
#输出:
[[1 1]
 [1 1]
 [1 1]
 [1 1]
 [1 1]
 [1 1]]

numpy.full()

full()和one()一样,创建指定形状数组,但one默认以1填充,full默认通过指定的内容填充

np.full(shape,fill_value,dtype=None,order='C')
# shape 指定数组形状
# fill_value 指定填充的内容
#dtype 指定数据类型,可选
#order 排序,可选

#e.g
a = np.full((6,2),'a')
print(a)
#输出:
[['a' 'a']
 ['a' 'a']
 ['a' 'a']
 ['a' 'a']
 ['a' 'a']
 ['a' 'a']]

numpy.full_like()

和one_like()一样,以目标数组为蓝本,复制形状,以指定内容填充数组

numpy.full_like(a,fill_value=1,dtype)
#a 待复制的目标数组对象
#fill_value 指定填充的内容

#e.g
a = np.arange(12).reshape((6,2))
print(a)
#输出:
[[ 0  1]
 [ 2  3]
 [ 4  5]
 [ 6  7]
 [ 8  9]
 [10 11]]

a = np.full_like(a, fill_value=1)
print(a)
#输出:
[[1 1]
 [1 1]
 [1 1]
 [1 1]
 [1 1]
 [1 1]]
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 222,104评论 6 515
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 94,816评论 3 399
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 168,697评论 0 360
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,836评论 1 298
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,851评论 6 397
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 52,441评论 1 310
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,992评论 3 421
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,899评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 46,457评论 1 318
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,529评论 3 341
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,664评论 1 352
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 36,346评论 5 350
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 42,025评论 3 334
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,511评论 0 24
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,611评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 49,081评论 3 377
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,675评论 2 359

推荐阅读更多精彩内容