科学计算库之Numpy

简介

Numpy（Numerical Python）是一个开源的Python科学计算库，用于快速处理任意维度的数组。
Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多。
Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大数据容器。

ndarray介绍

优势

• 1.内存块风格
• 2.ndarray支持并行化运算（向量化运算）
• 3.Numpy底层使用C语言编写，内部解除了GIL

ndarray的属性

• ndarray.shape 数组维度的元组[***]
• ndarray.ndim 数组维数
• ndarray.size 数组中的元素数量
• ndarray.itemsize 一个数组元素的长度（字节）
• ndarray.dtype 数组元素的类型[*]

ndarray的形状

• 0维 ()
• 1维 (*,)
• 2维 (,)

基本操作

生成数组的方法

• 生成0和1的数组

  • np.ones([,])
  • np.zeros([,])

• 从现有数组生成

  • np.array() 深拷贝
  • np.asarray() 浅拷贝
  • np.copy() 深拷贝

• 生成固定范围的数组

  • np.linspace(start, stop, num)
  • np.arange(start, stop, step)

• 生成随机数组

  • 生成随机数组
    • np.random.uniform(low, high, size)
  • 正态分布[****]
    • np.random.normal(loc, scale, size)

形状修改

• ndarray.T
• ndarray.reshape([]) 产生新的对象
• ndarray.resize([]) 对自身进行改变

数组去重

• np.unique(temp)

运算

逻辑运算

• 例：test_score > 60

通用判断函数

• np.all() -- 所有满足要求,返回true
• np.any() -- 有一个满足要求,返回true

三元运算符

• np.where(temp>0,1,0)

统计运算

• np.min()
• np.max()
• np.median()
• np.mean()
• np.std()
• np.var()
• np.argmax() -- 返回最大值所在的索引
• np.argmin() -- 返回最小值所在的索引

数组间运算

• 数组与数的运算

arr = np.array([[1, 2, 3, 2, 1, 4], [5, 6, 1, 2, 3, 1]])
arr + 1
arr / 2

# 可以对比python列表的运算，看出区别
a = [1, 2, 3, 4, 5]
a * 3

• 数组与数组的运算 --广播机制
  • 维度相等
  • shape（其中相对应的一个地方为1）

arr1 = np.array([[0],[1],[2],[3]])
arr1.shape
# (4, 1)

arr2 = np.array([1,2,3])
arr2.shape
# (3,)

arr1+arr2
# 结果是：
array([[1, 2, 3],
       [2, 3, 4],
       [3, 4, 5],
       [4, 5, 6]])

矩阵运算

• (m行, n列)*(n行, l列) = (m行, l列)
• np.matmul()矩阵和矩阵相乘
• np.dot()也可以矩阵和标量相乘