Python语言之扩充程序库NumPy
白羽 2018-07-03 来源 :网络 阅读 27 评论 0

摘要:本文将带你了解Python语言之扩充程序库NumPy,希望本文对大家学Python有所帮助。


先来看一个库 NumPy。NumPy是Python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。

1. 读取文件

numpy.genfromtxt() 用于读取 txt 文件,其中传入的参数依次为:

1. 需要读取的 txt 文件位置,此处文件与程序位于同一目录下

2. 分割的标记

3. 转换类型,如果文件中既有文本类型也有数字类型,就先转成文本类型

help(numpy.genfromtxt)用于查看帮助文档:
如果不想看 API 可以启动一个程序用 help 查看指令的详细用法

Python

 



   

import numpy

 

world_alcohol = numpy.genfromtxt("world_alcohol.txt", delimiter=",",dtype=str)

print(type(world_alcohol))

print(world_alcohol)

print(help(numpy.genfromtxt))

   


2. 构造 ndarray

numpy.array()构造 ndarray

numpy.array()中传入数组参数,可以是一维的也可以是二维三维的。numpy 会将其转变成 ndarray 的结构。

Python

 



   

vector = numpy.array([1,2,3,4])

matrix = numpy.array([[1,2,3],[4,5,6]])

   


传入的参数必须是同一结构,不是同一结构将发生转换。

Python

 



   

vector = numpy.array([1,2,3,4])

 

array([1, 2, 3, 4])

   


均为 int 类型

Python

 



   

vector = numpy.array([1,2,3,4.0])

 

array([ 1.,  2.,  3.,  4.])

   


转为浮点数类型

Python

 



   

vector = numpy.array([1,2,'3',4])

 

array(['1', '2', '3', '4'],dtype='<U21')

   


转为字符类型

利用 .shape 查看结构

能够了解 array 的结构,debug 时通过查看结构能够更好地了解程序运行的过程。

Python

 



   

print(vector.shape)

print(matrix.shape)

(4,)

(2, 3)

   


利用 dtype 查看类型

Python

 



   

vector = numpy.array([1,2,3,4])

vector.dtype

 

dtype('int64')

   


ndim 查看维度

一维

Python

 



   

vector = numpy.array([1,2,3,4])

vector.ndim

 

1

   


二维

Python

 




   

matrix = numpy.array([[1,2,3],

                      [4,5,6],

                     [7,8,9]])

matrix.ndim

 


   


size 查看元素数量

Python

 



   

matrix.size

9

   


3. 获取与计算

numpy 能使用切片获取数据

Python

 



   

matrix = numpy.array([[1,2,3],

                      [4,5,6],

                     [7,8,9]])

   


根据条件获取

numpy 能够依次比较 vector 和元素之间是否相同

Python

 



   

vector = numpy.array([5, 10, 15, 20])

vector == 10

 

array([False,  True, False, False], dtype=bool)

   


根据返回值获取元素

Python

 



   

vector = numpy.array([5, 10, 15, 20])

equal_to_ten = (vector == 10)

print(equal_to_ten)

print(vector[equal_to_ten])

 

[False  True False False]

[10]

   


进行运算之后获取

Python

 



   

vector = numpy.array([5, 10, 15, 20])

equal_to_ten_and_five = (vector == 10) & (vector == 5)

   


Python

 



   

vector = numpy.array([5, 10, 15, 20])

equal_to_ten_or_five = (vector == 10) | (vector == 5)

   


类型转换

将整体类型进行转换

Python

 



   

vector = numpy.array([5, 10, 15, 20])

print(vector.dtype)

vector = vector.astype(str)

print(vector.dtype)

 

int64

<U21

   


求和

sum() 能够对 ndarray 进行各种求和操作,比如分别按行按列进行求和

Python

 




   

matrix = numpy.array([[1,2,3],

                      [4,5,6],

                     [7,8,9]])

print(matrix.sum())

print(matrix.sum(1))

print(matrix.sum(0))

 

45

[ 6 15 24]

[12 15 18]

   


sum(1) 是 sum(axis=1)) 的缩写,1表示按照 x轴方向求和,0表示按照y轴方向求和

4. 常用函数

reshape

生成从 0-14 的 15 个数字,使用 reshape(3,5) 将其构造成一个三行五列的 array。

Python

 



   

import numpy as np

arr = np.arange(15).reshape(3, 5)

arr

 

array([[ 0,  1,  2,  3,  4],

       [ 5,  6,  7,  8,  9],

       [10, 11, 12, 13, 14]])

   


zeros

生成指定结构的默认为 0. 的 array

Python

 



   

np.zeros ((3,4))

 

array([[ 0.,  0.,  0.,  0.],

       [ 0.,  0.,  0.,  0.],

       [ 0.,  0.,  0.,  0.]])

   


ones

生成一个三维的 array,通过 dtype 指定类型

Python

 



   

np.ones( (2,3,4), dtype=np.int32 )

 

array([[[1, 1, 1, 1],

        [1, 1, 1, 1],

        [1, 1, 1, 1]],

 

       [[1, 1, 1, 1],

        [1, 1, 1, 1],

        [1, 1, 1, 1]]])

   


range

指定范围和数值间的间隔生成 array,注意范围包左不包右

Python

 



   

np.arange(0,10,2)

 

array([0, 2, 4, 6, 8])

   


random 随机数

生成指定结构的随机数,可以用于生成随机权重

Python

 



   

np.random.random((2,3))

 

array([[ 0.86166627,  0.37756207,  0.94265883],

       [ 0.9768257 ,  0.96915312,  0.33495431]])

   


5. ndarray 运算

元素之间依次相减相减

Python

 



   

a = np.array([10,20,30,40])

b = np.array(4)

 

a - b

array([ 6, 16, 26, 36])

   


乘方

Python


   

a**2

array([ 100,  400,  900, 1600])

   


开根号

Python

 



   

np.sqrt(B)

 

array([[ 1.41421356,  0.        ],

       [ 1.73205081,  2.        ]])

   


e 求方

Python

 



   

np.exp(B)

 

array([[  7.3890561 ,   1.        ],

       [ 20.08553692,  54.59815003]])

   


向下取整

Python

 



   

a = np.floor(10*np.random.random((2,2)))

a

 

array([[ 0.,  0.],

       [ 3.,  6.]])

   


行列变换

Python

 



   

a.T

 

array([[ 0.,  3.],

       [ 0.,  6.]])

   


变换结构

Python

 



   

a.resize(1,4)

a

 

array([[ 0.,  0.,  3.,  6.]])

   


6. 矩阵运算

矩阵之间的运算

Python

 



   

A = np.array( [[1,1],

               [0,1]] )

B = np.array( [[2,0],

               [3,4]] )

   


对应位置一次相乘

Python

 



   

A*B

 

array([[2, 0],

       [0, 4]])

   


矩阵乘法

Python

 



   

print (A.dot(B))

print(np.dot(A,B))

 

[[5 4]

[3 4]]

   


横向相加

Python

 



   

a = np.floor(10*np.random.random((2,2)))

b = np.floor(10*np.random.random((2,2)))

 

print(a)

print(b)

print(np.hstack((a,b)))

 

[[ 2.  3.]

[ 9.  3.]]

[[ 8.  1.]

[ 0.  0.]]

[[ 2.  3.  8.  1.]

[ 9.  3.  0.  0.]]

   


纵向相加

Python

 


  

print(np.vstack((a,b)))

 

[[ 2.  3.]

[ 9.  3.]

[ 8.  1.]

[ 0.  0.]]

   


矩阵分割

Python

 



   

#横向分割

print( np.hsplit(a,3))

#纵向风格

print(np.vsplit(a,3))

   


7. 复制的区别

地址复制

通过 b = a 复制 a 的值,b 与 a 指向同一地址,改变 b 同时也改变 a。

Python

 


 

a = np.arange(12)

b = a

print(a is b)

 

print(a.shape)

print(b.shape)

b.shape = (3,4)

print(a.shape)

print(b.shape)

 

True

(12,)

(12,)

(3, 4)

(3, 4)

   


复制值

通过 a.view() 仅复制值,当对 c 值进行改变会改变 a 的对应的值,而改变 c 的 shape 不改变 a 的 shape

Python

 




   

a = np.arange(12)

c = a.view()

print(c is a)

 

c.shape = 2,6

c[0,0] = 9999

 

print(a)

print(c)

 

False

[9999    1    2    3    4    5    6    7    8    9   10   11]

[[9999    1    2    3    4    5]

[   6    7    8    9   10   11]]

   


完整拷贝

a.copy() 进行的完整的拷贝,产生一份完全相同的独立的复制

Python

 



   

a = np.arange(12)

c = a.copy()

print(c is a)

 

c.shape = 2,6

c[0,0] = 9999

 

print(a)

print(c)

 

False

[ 0  1  2  3  4  5  6  7  8  9 10 11]

[[9999    1    2    3    4    5]

[   6    7    8    9   10   11]]

   


本文由职坐标整理并发布,希望对同学们有所帮助。了解更多详情请关注职坐标编程语言之Python!

 


本文由 @白羽 发布于职坐标。未经许可,禁止转载。
喜欢 | 0 不喜欢 | 0
看完这篇文章有何感觉?已经有0人表态,0%的人喜欢 快给朋友分享吧~
评论(0)
后参与评论
X
免费获取海同IT培训资料
验证码手机号,获得海同独家IT培训资料
获取验证码
提交

版权所有 职坐标-一站式IT培训就业服务领导者 沪ICP备13042190号-4
上海海同信息科技有限公司 Copyright ©2015 www.zhizuobiao.com,All Rights Reserved.
沪公网安备 31011502005948号