numpy基本数据类型及常用函数_numpy complex

数据类型

创建np.array

# 一维
nl = np.array([1,2,3,4])
# 二维：
n2 = np.array([[1,2,3],[2,3,4],[5,6,7]])
N2.shape    # 查看行列数,一个元组
np.array(list('abcdeef3')).reshape(2,4)   #一维转化为二维，2行4列：np.array传入的数据必须一致。
np.ones(shape = [2,3],dtype = int)    # 2行3列，值全为1的数组
ones = np.ones(shape =[100,80,4],dtype = float)  
np.zeros     # 用法同np.ones()方法
np.random.randn(5)	# -1~1随机数，5个
np.random.random(5，4)	 #0~1随机数：生成5行4列随机数
np.random.rand	# 0~1随机数
np.random.randint(55,100，size = 9)	 # 区间左闭又开随机整数，size指定数据个数。
np.arange(3,7,0.3)		# 生成连续数，左闭又开,第三个参数，间隔，默认为1。arange(start开始,stop结束,step,dtype =None)左闭右开
1
2
3
4
5
6
7
8
9
10
11
12
13
14

索引与切片

ndarray[0,1] 	# 一维的第二个数据，跟切片取数一致。
#切片：左闭右开
np.random.randint(150,size =10)
n2[1:3]  #第二个，第三个
#切片排序
n3 = np.arange(1,10,1)
n3[::2]   # 两个冒号，后边的数字是间隔，如果正整数从前往后切，如果负数，从后往前按间隔切
n3.reshape(2,5)  #转化两行五列
# 如果是负数，多维直接转化为一维。图片三维转一维,比如：
n3.reshape((-1))
1
2
3
4
5
6
7
8
9
10

深拷贝与浅拷贝

• 浅拷贝：
  指向不同，里边共用元素，修改一个，另一个对应元素也会改变。a = b.view()
• 深拷贝：
  指向不同，里边不共用元素，完全独立。a = b.copy()
• 副本
  所有赋值运算，不会为ndarray的任何元素创建副本，对赋值后的对象操作修改，原来的对象也同样生效；

l=np.array((1,2,3))
n=l
n[1]=5   # l也随之改变
# 可以使用copy()函数创建副本
n = l.copy()
1
2
3
4
5

切分

三个函数完成切分工作,左闭右开

• np.split
• np.vsplit
• np.hsplit

n5 = np.random.randint(0,150,size=(5,7))
np.split(n5,(1,3))   切成三部分，0-1切下。2-3切下。：默认切分行
照片裁剪，可以用这种方法。
np.split(n5,(1,3),axis = 1)   切分列axis=1
np.vsplit(n5,(1,3))  默认切分行
np.hsplit(n5,(1,3))  切分列
1
2
3
4
5
6

级联

np.concatenate 级联需要注意的点，类似于pandas的concat方法：

1. 参数必须是列表：一定要加中括号或小括号
2. 维度必须相同
3. 形状必须相同
4. 【重点】级联的方向默认是shape这个tuple的第一个值所代表的维度方向
5. 可通过aixs参数改变级联方向。

a1=np.random.randint(1,10,size=(5,5))
a1.ndim   查看a1的维度
np.concatenate((a1,a1))
np.concatenate((a1,a1),axis = 1)
np.concatenate((a1,a1),axis = 0)
# np.hstack 与 np.vstack
# 水平级联与垂直级联，进行维度的变更。
a2 = np.array((1,2,3))
a3 = np.vstack(a2) #  转化为2维数据,三行一列
a4 =np.hstack(a2)  #2维转化为1维
1
2
3
4
5
6
7
8
9
10

排序

部分排序

当我们想取top-n排序输出时，可以先通过partition函数获取top元素再调用sort排序
np.partition(a,k)

• 当k为正数时，我们想要得到最小的k个数,从前往后
• 当k为负数时，我们想要得到最大的k个数，从后往前
• 先取数切片再排序，这样会快很多。

n3 = np.partition(n2,-5)[:5] 
n3.sort()
1
2

快速排序

np.sort() 和ndarray.sort都可以，但有区别：

• np.sort()不改变输入，
• ndarray.sort()本地处理，不占用空间，但改变输入。原来的数据进行了改变，不占内存。

常用函数

一元函数

二元函数

数学统计方法

数组去重及集合运算

线性代数

常用的numpy.linalg函数

随机数

数组连接函数

其他函数

# np.histograms:统计数据切分点间隔的数据条数,可用作直方图
s = np.random.randint(1,100,sie = 1000)
np.histogram(s.values,bins = np.arange(1,100,10))	也可以给bin直接传入整数参数。
a = np.random.random((3,4))
a.ravel()	#拉直成一维数组
a.shape=(4,3)	#也可以用shape设定形状
a.reshpe()	#重新设置形状。
a.sort(axis =1)		#按照行排序
a.argsort(axis =1)	#排序，得到排序后的索引。
1
2
3
4
5
6
7
8
9