07-05 numpy基础知识

numpy 基础用法

一、数组创建

创建数组 arr=np.array(list/tuple) 里边的元素可以是元素为int的list，也可以是元组， 但是最后数组表现形式都是array([…])

①使用array函数创建，语法格式为array（列表或元组） ②使用其他函数创建如arange、linspace、zeros等创建 ③掌握相关函数的用法

import numpy as np

1、一维数组的创建

arr1=np.array([-9,3,4,6]) arr1---返回 array([-9,3,4,6]) 创建数组时可以指定元素的数据类型 arr1=np.array([-9,3,4,6],dtype='str') arr1---返回 array(['-9','3','4','6'])

2、维数组的创建

一般通过嵌套列表的形式 arr2=np.array([[1,2,3],[2,3,4],[4,5,6]]) arr2----返回矩阵 三行三列 array([[1,2,3], [2,3,4], [4,5,6]])

3、(一维数组)数列的创建

np.arange(0,10,0.5)--- 以0为起始元素，步长为0.5，创建等差数列，到10结束，python 的range函数是 左闭右开，所以不会写到10；

4、创建等差数列

np.linspace(1,10,11) --以1位起始位数字，在1-10之间创建11个数字的等差数列 机制为： 1、求公差 （10-1）/(11-1)=0.9 则返回数列为： array([1., 1.9, 2.8 , 3.7 , 4.6 ,5.5 ,6.4 ,7.3 , 8.2 ,9.1 ,10. ]) np.linspace(1,10,11,endpoint= False) endpoint的意思为：将产生的最后一个元素去掉 array([1., 1.9, 2.8 , 3.7 , 4.6 ,5.5 ,6.4 ,7.3 , 8.2 ,9.1 ])

5、创建等比数列

np.logspace(1,5, base=2,num=10) 创建以2为底，幂在1-5之间的10个元素的等比数列 机制： ①先创建1之5之间10个元素的等差数列， 等价于 np.linspace(1,5,10) ②以2为底，以上述等差数列的每一个元素为幂求10个元素的等比数列， 等价于 2**np.linspace(1,5,10)

6、

np.zeros([5,5]) --元素全部为0的5行5列的二位数组的创建 np.zeros（6） --6个元素全部为0的一维数组的创建 如：np.zeros([4,5]) array([[0., 0., 0., 0., 0.], [0., 0., 0., 0., 0.], [0., 0., 0., 0., 0.], [0., 0., 0., 0., 0.]]) np.zeros([2,3]) ---错误的，无法创建2行3列的0元素数组，因为函数中的参数不是list or tuple；

7、

np.ones（7,6） --元素全部为1的7行6列的二位数组的创建` 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.], [1., 1., 1., 1., 1., 1.], [1., 1., 1., 1., 1., 1.], [1., 1., 1., 1., 1., 1.]])

8、

np.eye（7） 单位矩的创建 行数等于列数=6 ，对角线元素为1，其余元素都未0 array([[1., 0., 0., 0., 0., 0., 0.], [0., 1., 0., 0., 0., 0., 0.], [0., 0., 1., 0., 0., 0., 0.], [0., 0., 0., 1., 0., 0., 0.], [0., 0., 0., 0., 1., 0., 0.], [0., 0., 0., 0., 0., 1., 0.], [0., 0., 0., 0., 0., 0., 1.]])

9、

np.diag([1,2,3]) 对角矩阵的创建 参数为对角元素，元素个数=行数=列数 array([[1, 0, 0], [0, 2, 0], [0, 0, 3]]) np.diag([1,2,3]) + 1 ---矩阵中的每一个元素都+1 array([[2, 1, 1], [1, 3, 1], [1, 1, 4]])

二、数组属性

注：属性参数函数后边没有 （）， 1、arr1.ahspe ---数组arr1的形状 有几行几列 返回 （3,4） ---该数组有3行4列 2、arr1.ndim ---查看数组的维度 2 ----arr1数组是二维数组，既有行数又有列数 注：一维数组查看形状时返回 （2，） ，即第二个数字为空值 3、arr1.size 查看数组共有多少个元素 19 数组有19个元素 4、arr1.dtype 查看数组的元素的类型 返回 dtype（'int32'） --该数组有32个整型元素

三、索引和切片

一、简单索引

1、普通索引

矩阵的行数和列数的index从左上角开始，从0开始 arr1[2] ----访问数组arr1的第三（1+2）行，即行索引 arr1[2,3]---访问数组arr1的第三（1+2）行第四（3+1）个元素--2位行索引，3位列索引 arr1[2][1]---访问数组的第三行第二个元素

一维数组的切片和list很像，但是数组的处理速度比list快很多

如： arr1=np.arange(1,10,1) ----array([1,2,3,4,5,6,7,8,9]) 倒过来排列 arr1[ : : -1] arr1[-4:-2] 从倒数第四位取到倒数第二位（左闭右开） 元素的修改：及重命名 arr1[5]=12 ----array([1,2,3,4,5,12,7,8,9]) arr1[1,3]=[120,110] 将下标为1和2 的两位元素修改为120、110 ---array([1,120,110,4,5,12,7,8,9])

二维数组:

data2=( (1,2,3,4),(2,3,34,34),(23,12,32,4),(45,65,34,23)) arr2=np.array(data2) ---返回 array([1,2,3,4], [2,3,34,34], [23,12,32,4], [45,65,34,23]) arr2[2,3] 注： 访问第三行 第四列（ 逗号，前边的表示行数索引-- 逗号，后边的表示列索引） arr2[ : , 2:4] 访问 所有行数（行数不加限制），第三列到第四列（不包含第五列--所有这样的都是包前不包后） arr2[1:3] 访问第二行到第三行，列数不加限制 arr2[1: , 2:] 访问第二行到所有，第三列到所有

2、逻辑索引

①arr2>=30 ，判断每个元素与30相比较，返回True or false arr2[arr2>30] ---返回数组arr2中所有大于30的元素，存放于新的一维数组中 -----注：返回值为新的 一维数组 ②~（arr2>=30） 取每个元素与30相比较判断结果的相反情况 arr2（~（arr2>=30）） ---取数组arr2中比30小的所有元素组成新数组 ③并列条件 ( arr2>3.5 )& ( arr2<10 ) ---在每个元素位置上返回判断结果 true or false arr2( ( arr2>3.5 )& ( arr2<10 ) ) 将两个条件都满的值取出来组成新数组 注意： 按条件取满足条件的远近苏组成新数组时，数组名称前后不可变， arr1[arr1>1] --------正确 arr2[arr1>1]------错误，报错 name 'arr2' is not defined