2.2 Numpy数组基础

发表于

本文源码请见我的GitHub

2.2 Numpy数组基础

2.2.1 Numpy数组属性

1
2
import numpy as np
np.random.seed(0)
1
2
3
4
x1 = np.random.randint(10, size = 6)
x2 = np.random.randint(10, size = (3,4))
x3 = np.random.randint(10, size  = (3, 4, 5))
#分别是一维 二维 三维数组
1
2
3
4
print("x3 ,ndim: ", x3.ndim)
print("x3 ,shape: ", x3.shape)
print("x3 ,ndim: ", x3.size)
#每个数组有nidm 维度， shape 大小， size总大小属性
x3 ,ndim:  3
x3 ,shape:  (3, 4, 5)
x3 ,ndim:  60

1
2
print(x1.dtype)
#dtype数据类型
int32

1
2
3
#每个数组元素字节大小：itemsize 数组总字节大小：nbtytes;
print("itemsize of x1:",x1.itemsize, 'bytes')
print('nbytes of x2:',x2.nbytes, 'bytes')
itemsize of x1: 4 bytes
nbytes of x2: 48 bytes

1
'''一般可认为nbytes = itemsize * size'''
'一般可认为nbytes = itemsize * size'

2.2.2 数组索引：获取单个元素

1
x1
array([5, 0, 3, 3, 7, 9])

1
x1[0]
5

1
x1[4]
7

1
x1[-1]
9

1
x1[-2]
7

1
2
#多维数组中使用逗号分隔的索引元组获取元素：
x2
array([[3, 5, 2, 4],
       [7, 6, 8, 8],
       [1, 6, 7, 7]])

1
x2[0,0]
3

1
x2[2,3]
7

1
x2[2,-1]
7

1
2
x2[2,-1] = 12321
#通过索引改变值
1
x2
array([[    3,     5,     2,     4],
       [    7,     6,     8,     8],
       [    1,     6,     7, 12321]])

1
2
3
'''
Numpy是固定类型的，浮点插入整型数会被截断
'''
'\nNumpy是固定类型的，浮点插入整型数会被截断\n'

2.2.3 数组切片：获取子数组

1
x = np.arange(10)
1
x
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

1
x[:3]
array([0, 1, 2])

1
x[:-3]
array([0, 1, 2, 3, 4, 5, 6])

1
x[3:]
array([3, 4, 5, 6, 7, 8, 9])

1
x[3:7]
array([3, 4, 5, 6])

1
x[::2]
array([0, 2, 4, 6, 8])

1
x[1::2]
array([1, 3, 5, 7, 9])

1
2
x[::-1]
#逆序
array([9, 8, 7, 6, 5, 4, 3, 2, 1, 0])

1
x2
array([[    3,     5,     2,     4],
       [    7,     6,     8,     8],
       [    1,     6,     7, 12321]])

1
x2[:2, :3]
array([[3, 5, 2],
       [7, 6, 8]])

1
x2[:3,::2]#所有行，每隔一列
array([[3, 2],
       [7, 8],
       [1, 7]])

1
x2[::-1,::-1] #全部逆序
array([[12321,     7,     6,     1],
       [    8,     8,     6,     7],
       [    4,     2,     5,     3]])

1
'''3.获取数组的行和列'''
'3.获取数组的行和列'

1
print(x2[:,0]) #x2的第一列
[3 7 1]

1
print(x2[0,:])#第一行
[3 5 2 4]

1
'''4.非副本视图的子数组'''
'4.非副本视图的子数组'

1
print(x2)
[[    3     5     2     4]
 [    7     6     8     8]
 [    1     6     7 12321]]

1
2
x2_sub = x2[:2,:2]
x2_sub
array([[3, 5],
       [7, 6]])

1
#修改视图也会更改原数组
1
x2_sub[0,1]= 100
1
x2
array([[    3,   100,     2,     4],
       [    7,     6,     8,     8],
       [    1,     6,     7, 12321]])

1
#5.创建副本
1
2
3
4
5
#可以通过创建数组的视图之后用copy（）实现
x2_sub_copy = x2_sub.copy()
x2_sub_copy[0,0] = 99
print(x2_sub_copy)
print(x2,'这里原数组没有被更改')
[[ 99 100]
 [  7   6]]
[[    3   100     2     4]
 [    7     6     8     8]
 [    1     6     7 12321]] 这里原数组没有被更改

2.2.4 数组的变形

1
2
3
# reshape
a  =np.arange(9).reshape(3,3)
a
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

1
2
3
#常见的变形是将一个一维数组转为二维的行或列的矩阵
x = np.array([1,2,3])
x
array([1, 2, 3])

1
2
x.reshape((1,3))
x
array([1, 2, 3])

1
x[np.newaxis, :]#通过newaxis获得的行向量
array([[1, 2, 3]])

1
2
#变形成列向量
x.reshape((3,1))
array([[1],
       [2],
       [3]])

1
x[:,np.newaxis]
array([[1],
       [2],
       [3]])

2.2.5 数组的拼接和分裂

1
2
3
x = np.array([1,2,3])
y = np.array([3,2,1])
np.concatenate([x,y])
array([1, 2, 3, 3, 2, 1])

1
2
z = [1212,344,343]
np.concatenate([x,y,z])
array([   1,    2,    3,    3,    2,    1, 1212,  344,  343])

1
2
#分裂
x = [1,2,3,4,5,3,2,1]
1
x1,x2,x3 = np.split(x,[3,5])
1
print(x1,x2,x3) #索引列表记录的是分裂点的位置
[1 2 3] [4 5] [3 2 1]