numpy使用示例

• 前言
• 示例程式碼
• 參考資料

前言

numpy，全稱numeric python，是一個由多維陣列物件和用於處理陣列的例程集合組成的庫，是python資料分析中最基礎的工具。利用numpy，可以輕鬆地使用python達到matlab中的矩陣、線性代數等等運算。
下面給出一些示例的使用方法，作為入門。完整的API文件可以參考文末給出的參考資料。

示例程式碼

# coding=utf-8
# author=BebDong
# 10/14/18

import numpy as
 
 np
# 匯入線性方程組相關
from numpy.linalg import *


# ndarray 測試
def ndarray_test():
    print("ndarray：")
    # 普通列表
    lst = [[1, 3, 5], [2, 4, 6]]
    print(type(lst))
    # numpy ndarray
    np_lst = np.array(lst)
    print(type(np_lst))
    # 指定型別定義
    np_lst = np.array(lst, dtype=np.float)
    # 常用屬性：陣列行數和列數
 

    print(np_lst.shape)
    # 常用屬性：陣列維數
    print(np_lst.ndim)
    # 常用屬性：資料型別
    print(np_lst.dtype)
    # 常用屬性：元素大小
    print(np_lst.itemsize)
    # 常用屬性：陣列元素個數
    print(np_lst.size)


# 常用陣列測試
def arrays_test():
    print("常用陣列：")
    # 0陣列，方便進行資料初始化
    print(np.zeros([2, 3]))
    # 1陣列
    print
 
(np.ones([3, 5]))
    # 列印隨機數矩陣（0～1均勻分佈）
    print(np.random.rand(2, 4))
    # 列印隨機數
    print(np.random.rand())
    # 指定範圍列印隨機整數
    print(np.random.randint(1, 10))
    print(np.random.randint(1, 10, [3, 3]))
    # 正態分佈隨機數
    print(np.random.randn())
    print(np.random.randn(2, 4))
    # 在指定範圍產生隨機數
    print(np.random.choice([10, 2, 8, 9]))
    # beta分佈
    print(np.random.beta(1, 10, 20))
    # 其他常見分佈亦可……


# numpy常用操作
def operations():
    # 產生等差數列，預設公差為1，可覆蓋
    print(np.arange(1, 51, 5))
    # 將產生的一維數列重定形為n維陣列
    print(np.arange(1, 13, 2).reshape([3, -1]))
    # numpy中array的算術操作將作用在每個元素身上
    lst = np.arange(1, 11)
    # 指數操作：item = e^item
    print(np.exp(lst))
    # item = 2^item
    print(np.exp2(lst))
    # item = sqrt(item)
    print(np.sqrt(lst))
    # item = sin(item)
    print(np.sin(lst))
    # item = ln(item)
    print(np.log(lst))
    # 單個數組進行不同深度的運算,axis指定進行到哪種深度，最大取值為維數-1
    lst = np.array([[[1, 2, 3, 4],
                     [5, 6, 7, 8]],
                    [[9, 10, 11, 12],
                     [13, 14, 15, 16]],
                    [[17, 18, 19, 20],
                     [21, 22, 23, 24]]
                    ])
    print(lst.sum())
    print(lst.sum(axis=2))
    print(lst.max())
    print(lst.max(axis=1))
    print(lst.min())
    # 兩個陣列的運算，作用於對應位置元素
    lst1 = np.array([1, 2, 3, 4])
    lst2 = np.array([5, 6, 7, 4])
    # 普通加減乘除，或者乘方
    print(lst1 + lst2)
    print(lst1 - lst2)
    print(lst1 / lst2)
    print(lst1 * lst2)
    print(lst1 ** 2)
    # 矩陣點乘
    print(np.dot(lst1.reshape(2, 2), lst2.reshape(2, 2)))
    # 陣列層面的運算：並集
    print(np.concatenate((lst1, lst2), axis=0))
    print(np.hstack((lst1, lst2)))
    # 合併成一個數組，合併前的陣列作為結果陣列的一個元素
    print(np.vstack((lst1, lst2)))
    # 分割陣列
    print(np.split(lst1, 4))
    # 拷貝一個數組
    print(np.copy(lst2))


# 線性方程組
def linearAlgebra():
    # 單位矩陣
    print(np.eye(3))
    # 矩陣的逆
    lst = np.array([[1, 2], [3, 4]])
    print(inv(lst))
    # 轉置
    print(lst.transpose())
    # 行列式
    print(det(lst))
    # 特徵值和特徵向量：第一個元素指特徵值，第二個指特徵向量
    print(eig(lst))
    # 解線性方程組：x+2y=5,3x+4y=7
    result = np.array([[5.], [7.]])
    print(solve(lst, result))


if __name__ == '__main__':
    ndarray_test()
    arrays_test()
    operations()
    linearAlgebra()
    # 其他更多的操作

參考資料

numpy官網網站：http://www.numpy.org/
易百教程：https://www.yiibai.com/numpy