Python庫一Numpy庫學習總結

• N維陣列ndarray
• Numpy資料儲存
• 隨機函式、統計函式、梯度函式

N維陣列物件ndarray

基本構成

ndarray是一個多維陣列物件，由兩部分構成：

• 實際的資料；
• 描述這些資料的元資料（資料維度、資料型別等)；

ndarray陣列一般要求所有元素型別相同（同質），陣列下標從0開始。

注意:

• 在NumPy中維度(dimensions)叫做軸(axes)，軸的個數叫做秩(rank)；
• ndarray中的每個元素在記憶體中使用相同大小的塊。 ndarray中的每個元素是資料型別物件的物件（稱為 dtype）；
• 從ndarray物件提取的任何元素（通過切片）由一個數組標量型別的 Python 物件表示；
• ndarray大部分建立的陣列預設都是浮點數(出了arange等函式)，為什麼？因為大部分科學計算都是浮點數，很少只有整數的資料；

下圖顯示了ndarray，資料型別物件（dtype）和陣列標量型別之間的關係。

ndarray物件的屬性

程式碼演示:

import numpy as np

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

print(a.ndim)
print(a.shape)
 

print(a.size)
print(a.dtype)  # int64 這個不是python3中的型別 而是numpy自定義的資料型別
print(a.itemsize)  # 每個元素的大小(位元組為單位)

輸出：

2
(2, 5)
10
int64
8

ndarray的元素型別

• bool、
• intc、intp、int8、int16、int32、int64、
• uint8、uint16、uint32、uint64、
• float16、float32、float64
• complex64、complex128

ndarray也可以有非同質的物件

import numpy as np

# 非同質的 ndarray物件，無法有效發揮NumPy優勢，儘量避免使用
a = np.array([[0, 1, 2, 3, 4],
              [9, 8, 7, 6]])  # 不是一個矩陣

print(a.ndim)
print(a.shape)
print(a.size)  # 2
print(a.dtype)  # object 非同質ndarray元素為物件型別
print(a.itemsize)  # 每個元素的大小(位元組為單位)

輸出:

1
(2,)
2
object
8

建立ndarray陣列

建立的方式：

• 從Python中的列表、元組等型別建立ndarray陣列；
• 使用NumPy中函式建立ndarray陣列，如：arange, ones, zeros等；
• 從位元組流（raw bytes）中建立ndarray陣列；
• 從檔案中讀取特定格式，建立ndarray陣列；

下面看前兩種常見的建立方式：

① 從Python中的列表、元組等型別建立ndarray陣列:

基本格式如下:

x = np.array(list/tuple)
x = np.array(list/tuple, dtype=np.float32)

注意: 當np.array()不指定dtype時，NumPy將根據資料情況關聯一個dtype型別；

import numpy as np

# 使用列表建立ndarray物件
x = np.array([0, 1, 2, 3])
print(x)

# 使用元組建立ndarray物件
x = np.array((3, 2, 1, 0))
print(x)

# 使用列表和元組混合建立ndarray物件  --> 包含的個數相同即可
x = np.array([[1, 2], [3, 4], (0.1, 0.2)])  # 二維的
print(x)

輸出:

[0 1 2 3]
[3 2 1 0]
[[1.  2. ]
 [3.  4. ]
 [0.1 0.2]]

np.array函式的完整引數如下:

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

② 使用NumPy中函式建立ndarray陣列，如：arange, ones, zeros等

測試：

import numpy as np

# 使用arange來建立(類似python3中的range)
x = np.arange(10)
print(x)
print("*" * 20)

# 使用ones來建立
x = np.ones((3, 4))
print(x)
print("*" * 20)

# 三維的 -- ones的高階用法
x = np.ones((2, 3, 4))
print(x)
print("*" * 20)

# 根據zeros來建立
x = np.zeros((2, 3), dtype=np.int32)
print(x)
print("*" * 20)

# 根據full來建立
x = np.full((2, 3), 6)
print(x)
print("*" * 20)

# 根據eye來建立  建立一個正方形 對角線為1 其餘為0
x = np.eye(3)
print(x)
print("*" * 20)

輸出:

[0 1 2 3 4 5 6 7 8 9]
********************
[[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.]]]
********************
[[0 0 0]
 [0 0 0]]
********************
[[6 6 6]
 [6 6 6]]
********************
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]
********************

其他函式：　

測試:

import numpy as np

a = np.linspace(1, 10, 4)  # 在[1,10]中等間距的選4個數
print(a)

b = np.linspace(1, 10, 4, endpoint=False)  # [1,10)之間
print(b)

c = np.concatenate((a, b))  # 將a,b合併
print(c)

輸出:

[ 1.  4.  7. 10.]
[1.   3.25 5.5  7.75]
[ 1.    4.    7.   10.    1.    3.25  5.5   7.75]

ndarray陣列的變化

兩種變化:

• 維度變化；
  
• 元素型別變化 : astype函式；

①維度變化: reshape和resize以及flatten的使用:

import numpy as np

a = np.ones((2, 3, 4), dtype=np.int32)
print(a)

print("-------使用reshape生成b------")
# reshape   不改變原來的陣列 建立一個新的ndarray
b = a.reshape((2, 12))  # 將[2,3,4] 變成[2,12] 注意都是24個元素
print(b)

print("--------原來的a沒有變化------")
# 輸出原來的
print(a)

print("--------使用resize改變a-------")
# resize改變原來的　ndarray
a.resize((2, 12))
print(a)

print("--------使用flatten對a降維生成一維c陣列------")
c = a.flatten()
print(c)

輸出:

[[[1 1 1 1]
  [1 1 1 1]
  [1 1 1 1]]

 [[1 1 1 1]
  [1 1 1 1]
  [1 1 1 1]]]
-------使用reshape生成b------
[[1 1 1 1 1 1 1 1 1 1 1 1]
 [1 1 1 1 1 1 1 1 1 1 1 1]]
--------原來的a沒有變化------
[[[1 1 1 1]
  [1 1 1 1]
  [1 1 1 1]]

 [[1 1 1 1]
  [1 1 1 1]
  [1 1 1 1]]]
--------使用resize改變a-------
[[1 1 1 1 1 1 1 1 1 1 1 1]
 [1 1 1 1 1 1 1 1 1 1 1 1]]
--------使用flatten對a降維生成一維c陣列------
[1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1]

②元素型別變化: astype函式，以及ndarray轉換成列表的tolist()方法:

import numpy as np

a = np.ones((2, 3), dtype=np.int)
print(a)

print("*" * 20)
# 注意astype生成的是一個拷貝的型別 沒有修改原來的陣列,即使新的型別和原來的型別一致
b = a.astype(np.float)
print(b)

print("-------使用tolist()方法從ndarray中生成列表list-------")
print(b.tolist())  # 注意生成的列表也是二維的

輸出：

[[1 1 1]
 [1 1 1]]
********************
[[1. 1. 1.]
 [1. 1. 1.]]
-------使用tolist()方法從ndarray中生成列表list-------
[[1.0, 1.0, 1.0], [1.0, 1.0, 1.0]]

ndarray陣列的運算

注意: 陣列與標量之間的運算作用於陣列的每一個元素。

常用的一元函式：

常用的二元函式：　

例子:

import numpy as np

a = np.arange(12).reshape((2, 6))
print(a)
print("*" * 20)

b = np.square(a)  # 平方
print(b)
print("*" * 20)

c = np.sqrt(a)  # 平方根
print(c)
print("*" * 20)

print(np.maximum(a, b))  # 元素級的最大值 輸出a,b中較大的
print("*" * 20)

print(b > a)  # 各個位置的比較

輸出:

[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]]
********************
[[  0   1   4   9  16  25]
 [ 36  49  64  81 100 121]]
********************
[[0.         1.         1.41421356 1.73205081 2.         2.23606798]
 [2.44948974 2.64575131 2.82842712 3.         3.16227766 3.31662479]]
********************
[[  0   1   4   9  16  25]
 [ 36  49  64  81 100 121]]
********************
[[False False  True  True  True  True]
 [ True  True  True  True  True  True]]

Numpy資料儲存

一維或二維資料儲存

儲存到csv檔案：

np.savetxt(fname, array, fmt='%.18e', delimiter=None)

相關引數使用說明:

• fname : 檔案、字串或產生器，可以是.gz或.bz2的壓縮檔案；
• array : 存入檔案的陣列；
• fmt : 寫入檔案的格式，例如：%d %.2f %.18e；
• delimiter : 分割字串，預設是任何空格；

例子:

import numpy as np

a = np.arange(80).reshape((4, 20))
np.savetxt("a.csv", a, fmt="%d", delimiter=",")

b = np.arange(80).reshape((4, 20))
np.savetxt("b.csv", b, fmt="%.1f", delimiter=",")

在同目錄下生成的a.csv和b.csv檔案內容如下:
a.csv:

0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19
 
 

            
  
           

              
              
            
            
相關推薦
			   
            
            
            
 

    

    
    
Python庫一Numpy庫學習總結
     
  
 
  
  
 Python庫一Numpy庫學習總結 
  
  N維陣列ndarray 
  Numpy資料儲存 
  隨機函式、統計函式、梯度函式 
  
  
 N維陣列物件ndarray 
 基本構成 
 ndarray是一個多維陣列物件，由兩部分構成： 
  
  實際的資料； 
  描述這些 

  
 

    

    
    
Python資料分析numpy庫方法簡介（一）
     
 Numpy功能簡介: 
1.官網:www.numpy.org 
2.特點:(1)高效的多維矩陣/陣列; 
　　　(2);複雜的廣播功能 
　　　(3):有大量的內建數學統計函式 
矩陣(多維陣列): 
一維陣列:  ([ 值1,值2,值3]) 
維維陣列:　([[1,2,3],[4,5,6]]) 
 

  
 

    

    
    
Python資料分析Numpy庫方法簡介(二)
     
 資料分析圖片儲存:vg 
　　1.儲存圖片:plt.savefig(path) 
　　2.圖片格式:jpg,png,svg(建議使用,不失真) 
　　3.資料儲存格式: excle,csv 
csv介紹 
　　csv就是用逗號隔開的純文字資訊!!會以表格的資訊開啟 
矩陣生成的相關屬性 
　　　　  

  
 

    

    
    
Python資料分析Numpy庫方法簡介(四)
     
 Numpy的相關概念2 
副本和檢視 
 
  副本：複製 
   
    三種情況屬於淺copy 
     
      賦值運算  
      切片  
      檢視：連結，運算元組是，返回的不是副本就是檢視 c =a.view().建立a的檢視/影子和切片一樣都是淺copy  
      
 

  
 

    

    
    
Python中的numpy庫介紹！
     
 
							
							
							機器學習演算法中大部分都是呼叫Numpy庫來完成基礎數值計算的。
安裝方法：
pip3 install numpy

1. ndarray陣列基礎
python中用列表儲存一組值，可將列表當陣列使用。另外，python中有array模組，但它不支援多維陣列，無論 

  
 

    

    
    
Python程式設計之numpy庫函式in1d的使用
     
 
								
								            
						
                
         最近利用Python作數值分析時使用到numpy庫下的in1d函式。in1d函式與excel中vlookup函式和MATLAB中ismember函式有相似之處。其作用在於在序列B中尋 

  
 

    

    
    
python 如何安裝numpy庫？
     
  
 
 首先我們要找到python安裝的位置 
 win+R開啟 
  
 進入以後輸入：    where python 
 找到安裝目錄後，找到Scripts資料夾所在位置：如Programs\Python\Python36\Scripts 
 去https://pypi.org/p 

  
 

    

    
    
python資料分析 -- numpy庫初識
     
 
							
							
							標籤（空格分隔）： 王小草機器學習筆記



python的強大之處不但因為簡潔易學高效，還在於她有許多庫，可以方便我們得到想要的計算。比如今天講的numpy庫，為python提供了快速的多維陣列的處理能力。有人數，numpy庫的出現使得python可以像mat 

  
 

    

    
    
【Python】安裝numpy庫
     
 
							
							
							

為了能夠安裝wheel檔案，你需要首先安裝wheel這個包。 
進到cmd裡面輸入：



pip install wheel

安裝成功以後下載相應的numpy的wheel檔案，在cmd裡面通過easy_install或pip install安裝。 
安裝 

  
 

    

    
    
一周的學習總結
     
 pri   貨幣   分配   int   service   ade   ice   nbsp   季節   　　最近在看經濟學原理這本書，英文原版。看過過程中有些還是很難懂尤其涉及到長句生詞。閱讀能在很需要加強。主要看了就是經濟學的是個基本原則。從人類的生產交易的基本的經濟行為以及相應影響經濟行為的因素。 

  
 

    

    
    
ES6（阮一峰）學習總結
     
 gpo   efi   post   調用   function   ()   會有   col   clas   以下所寫都是個人的理解，可能會有不正確的地方。
1.let和var的區別

var a= [];
for (let i = 0; i <10; i++) {
    a[i]=f 

  
 

    

    
    
Koffee設計模式學習之路（一） —— 模式學習總結思路
     
  
 
     這篇部落格沒有相關技術細節，僅作為自己對設計模式這個東西的一點感悟和以後設計模式系列部落格的一個寫作思路。 
     作為非科班出身，誤打誤撞進入程式設計的人，在上研究生期間對於程式的唯一要求就是：能用。彼時，不知道有面向物件，記憶體管理，多執行緒， 

  
 

    

    
    
我的現代電子系統設計（一）：學習總結
     
 
                
短短兩週的現代電子系統設計就這樣結束了，有些意猶未盡啊。
關於PSoC部分的總結已經單獨列出來了， 這裡再補充幾點吧。
一：USB HID例程很好，可以仔細分析一下，可以實現插上電腦就能輕易搜尋和拷貝電腦上的資料，搜尋所有的doc檔案拷貝到移動盤，真是非常黑客的應用啊。xc 

  
 

    

    
    
用Python寫網路爬蟲－學習總結
     
 
                
一.關於爬蟲的一些零散知識
１．Robots協議
大多數網站的主頁下會有robots.txt檔案，標識了爬蟲爬取該網站資訊時，哪些資源是有限制的，可以使用Python的標準庫robotparser來檢測將要爬取的url連結是否被允許：


# coding=utf-8
im 

  
 

    

    
    
python彈窗——tkinter.messagebox學習總結
     
 
                import tkinter
import tkinter.messagebox #彈窗庫


1、提示訊息框

tkinter.messagebox.showinfo('提示','人生苦短')



2、訊息警告框

tkinter.messagebox.showwarni 

  
 

    

    
    
第十一周java學習總結
     
 nta   沒有   另一個   遠程服務器   sina   輸出   連接   托管   string   
    目錄
    
        
        第十一周java學習總結
        學習內容
        學習總結
        提交代碼截圖
        代碼推送
   

  
 

    

    
    
Python flask模組介面開發學習總結
     
 引言
Flask 是一個簡單且十分強大的Python web 框架。它被稱為微框架，“微”並不是意味著把整個Web應用放入到一個Python檔案，微框架中的“微”是指Flask旨在保持程式碼簡潔且易於擴充套件，Flask框架的主要特徵是核心構成比較簡單，但具有很強的擴充套件性和相容性，程式設計師可以使用Pyt 

  
 

    

    
    
關於python科學計算庫numpy學習總結
     
 
							
							
							
  本文中部分print輸出可能會報錯，原因為python3的print通過函式方式使用，與python2中的print通過解釋執行不同，需要使用print()進行控制檯列印


安裝numpy

python3 -m pip install -U pip更新 

  
 

    

    
    
機器學習之numpy庫中常用的函數介紹（一）
     
 做的   string   idt   維度   數據   round   float   數值   array   1. mat()
mat()與array的區別：
mat是矩陣，數據必須是2維的，是array的子集，包含array的所有特性，所做的運算都是針對矩陣來進行的。
array是數組，數據可以是多 

  
 

    

    
    
Python 學習筆記之 Numpy 庫——數組基礎
     
 array   oat   dot   tac   運算   stop   ogr   數據類型   總數   1. 初識數組
import numpy as np
a = np.arange(15)
a = a.reshape(3, 5)
print(a.ndim, a.shape, a.dtype, a.