概览：Numpy的使用。

Numpy与ndarray

NumPy(Numerical Python) 是 Python 语言中做科学计算的基础库。重在于数值计算，也是大部分Python科学计算库的基础，多用于在大型、多维数组上执行的数值运算。

NumPy 是 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。

• ndarray 对象是用于存放同类型元素的多维数组。
• ndarray 中的每个元素在内存中都有相同存储大小的区域。
• ndarray 内部由以下内容组成：
  • 一个指向数据（内存或内存映射文件中的一块数据）的指针
  • 数据类型或 dtype，描述在数组中的固定大小值的格子。
  • 一个表示数组形状（shape）的元组，表示各维度大小的元组。
  • 一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要”跨过”的字节数。

numpy与python列表的区别

• numpy数组中只能存放相同类型的数组元素。
• 并且数据类型优先级：str>float>int
  • eg:一维数组中只要有一个浮点数，所有的数都将是浮点数。

numpy创建

import numpy as np

1. 使用np.array()创建

   arr = np.array([1,2,3,4,5]) # 一维数组
   arr2 = np.array([[1,2,3],[4,5,6]]) # 二维数组

2. 使用matplotlib将外部图片的数据加载入np数组

   import matplotlib.pyplot as plt
   img_arr = plt.imread('./bobo.jpg')

3. 使用linespace、random等随机生成

   np.linspace(0,20,num=10) #返回一个一维形式的等差数列,10个数字
   np.arange(0,10,step=2) #返回也是一个等差数列 array([0, 2, 4, 6, 8])
   np.random.randint(0,100,size=(3,4)) #返回一个三行四列二维数组，数组元素是从0-100随机选取

   numpy常用属性

• shape：数组的形状，二维就是(m,n)
• ndim：数组维度
• size：数组元素个数
• dtype：数组元素的数据类型，上面提到numpy数组只能存放同一类型的数据。

numpy数据类型

• array(dtype=?)：创建时可以设定数据类型

• arr.dtype = ‘?’：之后可以修改数据类型

reshape变形

可以将x维度的数组变换成y维度的数组，但是变形前和变形后数组的容量不可以发生变化。

• arr.reshape((2,15)) #两行15列的二维数组
• arr.reshape((3,-1)) #-1表示自行计算，保证3行n列的数组
• arr.reshape((30,))注意逗号后面没有数字，会变形成为一个一维数组。

concatenate级联

将多个numpy数组进行横向或者纵向的拼接。

np.concatenate((arr,arr,arr),axis=1)

• axis表示轴向，0为列，1为行。
• 维度不一致，一定不可以级联，但是维度一致，行列不一致也可以适当级联。

索引与切片

arr = np.random.randint(0,100,size=(5,6))
arr[2] #单行
arr[[1,2]] # 多行
arr[2,3] # 单值
arr[[1,2],3] #索引取多值,(1,3)与(2，3)

# ---

arr[0:2] #切出前两行
arr[:,0:2] #切出前两列，逗号左边表示行，右边表示列
arr[::-1] #将行倒置
arr[:,::-1] #列倒置
arr[::-1,::-1] #元素倒置

聚合操作、数学函数、统计函数

• sum(axis=0)：按列求和
• max(axis=0)
• min(axis=0)
• mean(axis=0)：均值

arr.sum(axis=0)

• sin()、cos()、tan()
• numpy.around(a,decimals) 函数返回指定数字的四舍五入值。
  • a：np数组
  • decimals: 舍入的小数位数。 默认值为0。 如果为负，整数将四舍五入到小数点左侧的位置。

np.sin(3.123)

• numpy.amin() 和 numpy.amax()，用于计算数组中的元素沿指定轴的最小、最大值。
• numpy.ptp():计算数组中元素最大值与最小值的差（最大值 - 最小值）。
• numpy.median() 函数用于计算数组 a 中元素的中位数（中值），计算不能有空值。
• 标准差std()：标准差是一组数据平均值分散程度的一种度量。
  公式：std = sqrt(mean((x - x.mean())**2))
  如果数组是 [1，2，3，4]，则其平均值为 2.5。 因此，差的平方是 [2.25,0.25,0.25,2.25]，并且其平均值的平方根除以 4，即 sqrt(5/4) ，结果为 1.1180339887498949。
• 方差var()：统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数，即 mean((x - x.mean())** 2)。换句话说，标准差是方差的平方根。

np.median(arr[0]) #返回一组数据的中位数
np.std(arr[0])

矩阵相关

NumPy 中包含了一个矩阵库 numpy.matlib，该模块中的函数返回的是一个矩阵，而不是 ndarray 对象。一个 的矩阵是一个由行（row）列（column）元素排列成的矩形阵列。

numpy.matlib.identity() 函数返回给定大小的单位矩阵。单位矩阵是个方阵，从左上角到右下角的对角线（称为主对角线）上的元素均为 1，除此以外全都为 0。

• 矩阵转置：arr.T
• 矩阵相乘：numpy.dot(a, b, out=None)