Python基础知识—一文了解numpy

导入和使用

多维数组

多维数组的基本操作

数组的算数运算

数组的自身运算

随机数组

导入和使用

安装完成后，可以在Python中使用以下代码来验证NumPy是否已经正确安装：

import numpy as np

a = np.array([1, 2, 3])
print(a)

多维数组

⚪️ 多维数组对象是Numpy核心之一，为了更好的理解多维数组，我们把它当作是excel表格存储数据的形式。

一维数组就是使用列表的形式传入到numpy的array函数中进行转化，而多维数组是将数据用列表进行嵌套，从内到外列表括号的个数代表维度数。

# 缩写numoy为np
import numpy as np
# ==========一维数组
# 一组数据转化为数组
data = [1,2,3,4,5,6]
arr = np.array(data)
# 输出数据
print(arr)
# =============多维数组
data =[[1,2,3,4],
[3,2,1,4],
[5,8,2,9]]
# 数组转化为3行4列数组
arr = np.array(data)
# 输出数组
print(arr)

当然,多维数组还有其常用的属性，比如输出一个数组的维度数，使用ndim, 以及各个维度的维度值，数据类型

# 缩写numoy为np
import numpy as np
# =============多维数组
data =[[1,2,3,4],
[3,2,1,4],
[5,8,2,9]]
# 数组转化为3行4列数组
arr = np.array(data)
# 输出数组维度
print(arr.ndim) # 输出为2
# 输出各个维度值（行列值）
print(arr.shape) # 输出为(3, 4)
# 输出数组元素的个数
print(arr.size) # 12
# 输出数组中的元素的数据类型
print(arr.dtype) # int32
# 数组中每个元素的字节大小
print(arr.itemsize)

多维数组的基本操作

⚪️ 数组的算术运算、数组的自身运算、随机数组以及索引、切片和迭代

数组的算数运算

数组能够直接进行加减乘除算数运算

# 缩写numoy为np
import numpy as np
a = np.array([1,2,3])
b = np.array([4,5,6])

print("a - b =",a - b)
print("a + b =",a + b)
print("a * b =",a * b)
print("a / b =",a / b)

如果是数组组成的矩阵运算，我们使用dot()方法进行计算:其中有两种写法，结果相同:

# 缩写numoy为np
import numpy as np
A = np.array([[2,4],[1,2]])
B = np.array([[1,3],[1,2]])
# 一种写法
print("A * B =",A.dot(B))
# 另一种写法
print("A * B =",np.dot(A,B))

数组的自身运算

自身运算包括求元素的最小值，最大值、所有元素的和，数组所有元素指数运算、平方根运算以及平方运算。

# 缩写numoy为np
import numpy as np

A = np.array([[1,2,3,4],[5,6,7,8]])
# 对数组取最大值和最小值
print("最大元素是:",A.max())
print("最小元素是:",A.min())
# 所有元素之和
print("所有元素之和:",A.sum())
# 对所有元素求平方和开根号
print("所有元素平方:",np.square(A))
print("所有元素开根号:",np.sqrt(A))
# 对所有元素进行指数运算
print("所有元素指数运算:",np.exp(A))

值得注意的是最大值和最小值有参数设置,axis=0为列方向取最大,axis=1是按照行方向取最大，没有设置是整个元素取最大。

# 缩写numoy为np
import numpy as np

A = np.array([[1,2,3,4],[5,6,7,8]])
# 对数组取最大值和最小值
print("最大元素是:",A.max(axis=0))
print("最小元素是:",A.min(axis=1))

随机数组

生成随机数在我们平时的应用中是很有用的，在Numpy中有许多方法可以生成不同属性的随机数，以满足在计算中使用随机数字的需求

# 缩写numoy为np
import numpy as np

# seed：随机因子,在随机数生成器的随机因子被确定后，
# 无论运行多少次随机程序，最后生成的数字都是一样的
np.random.seed(44)
# rand:生成一个[0,1)范围内满足均匀分布的随机样本数
print(np.random.rand(2,3)) # 生成2行3列
# randn: 生成一个满足平均值为0且方差为1的正态分布随机数
print(np.random.randn(1,6)) # 1行6列
# randint:在给定的范围内生成类型为整数的随机数
print(np.random.randint(1,6)) # 1到6的整数
# binomial: 生成一个维度指定且满足二项分布的随机数
# 其中参数6表示了试验次数，参数1表示了成功概率。
# 具体地，这个函数模拟了进行6次独立的伯努利试验，每次试验成功的概率为1，返回成功的次数。
print(np.random.binomial(6,1))
# beta:生成一个指定维度且满足beta分布的随机样本数
print(np.random.beta(6,1))
# normal：生成一个指定维度且满足高斯正态分布的随机数
# 其中参数6和1分别表示正态分布的均值和标准差
print(np.random.normal(6,1))