1.numpy的導入以及查看版本

創新互聯總部坐落于成都市區，致力網站建設服務有做網站、網站建設、網絡營銷策劃、網頁設計、網站維護、公眾號搭建、微信小程序開發、軟件開發等為企業提供一整套的信息化建設解決方案。創造真正意義上的網站建設，為互聯網品牌在互動行銷領域創造價值而不懈努力！

>>> import numpy as np

>>> print(np.__version__)

1.15.4

2.創建一維(或多維)數組

# 通過list初始化來創建

>>> np.array([1,2,3,4,5])

array([1, 2, 3, 4, 5])

# 通過arange方法生成

>>> np.arange(10)

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

# 指定創建范圍和步長

>>> np.arange(3,10,2)

array([3, 5, 7, 9])

# 二維(3,3)

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

array([[1, 2, 3],

[4, 5, 6],

[7, 8, 9]])

# 三維(2,2,2)

>>> np.array([[[1,3],[2,4]],[[3,6],[4,8]]])

array([[[1, 3],

[2, 4]],

[[3, 6],

[4, 8]]])

3.創建布爾數組

# 一維

>>> np.full(3, True, dtype=bool)

array([ True, True, True])

# 二維

>>> np.full((3, 3), True, dtype=bool)

array([[ True, True, True],

[ True, True, True],

[ True, True, True]])

4.從數組中提取(或替換)滿足指定條件的元素

# 提取數組中的所有奇數

>>> arr = np.arange(10)

>>> arr[arr % 2 == 1]

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

# 提取大于4的數

>>> arr[arr > 4]

array([5, 6, 7, 8, 9])

# 替換所有奇數為-1

>>> arr[arr % 2 == 1] = -1

>>> arr

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

5.改變數組的形狀

>>> arr = np.arange(12)

>>> arr.reshape(2,6)

array([[ 0, 1, 2, 3, 4, 5],

[ 6, 7, 8, 9, 10, 11]])

# 設為-1維數會自動匹配

>>> arr.reshape(3,-1)

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

>>> arr.reshape(2,2,3)

array([[[ 0, 1, 2],

[ 3, 4, 5]],

[[ 6, 7, 8],

[ 9, 10, 11]]])

6.類型轉換

>>> a = np.arange(10)

>>> a.dtype

dtype('int32')

# 轉換為 str 類型

>>> a.astype(str)

array(['0', '1', '2', '3', '4', '5', '6', '7', '8', '9'], dtype='

# 轉換為 float 類型

>>> a.astype(float)

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

7.垂直合并數組

>>> a = np.arange(8).reshape(2,4)

>>> b = np.arange(8,12)

# 方法1

>>> np.vstack((a, b))

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

# 方法2

>>> np.row_stack((a,b))

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

# 方法3，注意 concatenate 垂直合并的兩個數組維數要一致

>>> np.concatenate([a, b], axis=0)

Traceback (most recent call last):

File "", line 1, in

np.concatenate([a, b], axis=0)

ValueError: all the input arrays must have same number of dimensions

>>> np.concatenate([a, [b,b]], axis=0)

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11],

[ 8, 9, 10, 11]])

# 方法4，合并的兩個數組維數要一致

>>> np.r_[a,[b,b]]

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11],

[ 8, 9, 10, 11]])

8.水平合并數組

>>> a = np.arange(8).reshape(2,4)

>>> b = np.arange(8,12).reshape(2,2)

# 方法1

>>> np.hstack((a,b))

array([[ 0, 1, 2, 3, 8, 9],

[ 4, 5, 6, 7, 10, 11]])

# 方法2

>>> np.column_stack((a,b))

array([[ 0, 1, 2, 3, 8, 9],

[ 4, 5, 6, 7, 10, 11]])

# 方法3

>>> np.concatenate([a, b], axis=1)

array([[ 0, 1, 2, 3, 8, 9],

[ 4, 5, 6, 7, 10, 11]])

# 方法4

>>> np.c_[a,b]

array([[ 0, 1, 2, 3, 8, 9],

[ 4, 5, 6, 7, 10, 11]])

9.保存和讀取txt(或csv)

>>> filename = 'data.txt' # or filename = 'data.csv'

>>> a = np.arange(12).reshape(3,4)

# 保存：fmt 指定保存的數據類型，delimiter 指定分隔符

>>> np.savetxt(filename, a, fmt='%d', delimiter=',')

# 讀取：dtype 指定讀取后的類型，delimiter 指定分隔符

>>> np.loadtxt(filename, dtype=float, delimiter=',')

array([[ 0., 1., 2., 3.],

[ 4., 5., 6., 7.],

[ 8., 9., 10., 11.]])

10.數組的特殊運算

>>> a = np.arange(10)

>>> a.sum() # 求和

45

>>> a.max() # 求大值

9

>>> a.min() # 求最小值

0

>>> a.mean() # 求平均值

4.5

>>> a.ptp() # 求數組中元素大值與最小值的差

9

>>> np.median(a) # 求數組的中位數

4.5

>>> np.std(a) # 求數組的標準差

2.8722813232690143

>>> np.var(a) # 求數組的方差

8.25

>>> a ** 2 # a中每個數平方

array([ 0, 1, 4, 9, 16, 25, 36, 49, 64, 81], dtype=int32)

>>> a.dot(a) # 點積運算，對應元素相乘后求和，返回一個標量

285

>>> a.dot(a.T) # a.T是a的轉置，也可以用 a.transpose()

285

11.創建零矩陣、1矩陣、單位陣

>>> np.zeros((2, 3)) # 零矩陣

array([[0., 0., 0.],

[0., 0., 0.]])

>>> np.ones((4, 3)) # 1矩陣

array([[1., 1., 1.],

[1., 1., 1.],

[1., 1., 1.],

[1., 1., 1.]])

>>> np.identity(3) # 單位陣，也可以用 np.eye(3)

array([[1., 0., 0.],

[0., 1., 0.],

[0., 0., 1.]])

12.矩陣的特殊運算

(1)array內積運算np.dot()

# 一維內積，對應元素相乘后求和

>>> A=np.array([1, 2, 3])

>>> B=np.array([4, 5, 6])

>>> A.dot(B) # or A.dot(B.T)

32?無錫×××醫院 https://yyk.familydoctor.com.cn/20612/

# 二維內積，矩陣A[m,n]的列數等于矩陣B[n,p]的行數，與線性代數的矩陣乘法相同(C[i,j] = sum(A[i,k] * B[k,i]), k in [i,n])

# 假設C=A·B，則C[1,1] = A[1,1]*B[1,1] + A[1,2]*B[2,1] + A[1,3]*B[3,1] = 1*2 + 2*2 + 3*2 = 12

>>> A=np.array([[1, 2, 3], [4, 5, 6]]) # (2, 3)

>>> B=np.array([[2, 3], [2, 3], [2, 3]]) # (3, 2)

>>> A.dot(B) # or np.dot(A, B)

array([[12, 18],

[30, 45]])

(2)array元素乘法運算np.multiply()

# 元素的乘法運算是矩陣指對應元素相乘，可以用np.multiply()，也可以直接寫" * "運算符

# 元素的乘法運算要求兩個矩陣的維數必須要一致

# 一維數組

>>> A=np.array([1, 2, 3])

>>> B=np.array([4, 5, 6])

>>> A * B

array([ 4, 10, 18])

>>> np.multiply(A, B)

array([ 4, 10, 18])

# 二維數組

>>> A = np.arange(8)

>>> A = A.reshape(2,4)

>>> A

array([[0, 1, 2, 3],

[4, 5, 6, 7]])

>>> A * A

array([[ 0, 1, 4, 9],

[16, 25, 36, 49]])

>>> np.multiply(A, A)

array([[ 0, 1, 4, 9],

[16, 25, 36, 49]])

(3)matrix乘法運算

# matrix乘法運算可使用np.matmul()，也可使用" * "運算符

# matrix乘法運算與array的二維內積相同，所以也可以用np.dot()

>>> MA = np.matrix([[1, 2, 3], [4, 5, 6]])

>>> MB = np.matrix([[2, 3], [2, 3], [2, 3]])

>>> MA

matrix([[1, 2, 3],

[4, 5, 6]])

>>> MB

matrix([[2, 3],

[2, 3],

[2, 3]])

>>> MA * MB

matrix([[12, 18],

[30, 45]])

>>> np.matmul(MA, MB) # or np.dot(MA, MB), MA.dot(MB)

matrix([[12, 18],

[30, 45]])

(4)笛卡爾積運算

# 笛卡爾積也稱為直積，其實就是集合的映射關系，可以用itertools.product()來實現

# 比如A={a, b}，B={1,2,3}，則A和B的笛卡爾積為{(a,1), (a,2), (a,3), (b,1), (b,2), (b,3)}

>>> import itertools

>>> A = np.array(['a', 'b'])

>>> B = np.array([1, 2, 3])

>>> D = itertools.product(A, B)

>>> list(D) # 直接轉list，list中每個元素為tuple類型

[('a', 1), ('a', 2), ('a', 3), ('b', 1), ('b', 2), ('b', 3)]

# 也可以通過循環來遍歷D

>>> for d in D:

print(d)

('a', 1)

('a', 2)

('a', 3)

('b', 1)

('b', 2)

('b', 3)

待更新：

python數據分析系列(二)——Matplotlib的使用

python數據分析系列(三)——Scipy的使用

另外有需要云服務器可以了解下創新互聯cdcxhl.cn，海內外云服務器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務器、裸金屬服務器、高防服務器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業上云的綜合解決方案，具有“安全穩定、簡單易用、服務可用性高、性價比高”等特點與優勢，專為企業上云打造定制，能夠滿足用戶豐富、多元化的應用場景需求。

文章名稱：python數據分析系列之——Numpy的使用-創新互聯
網頁URL：http://vcdvsql.cn/article16/djpsgg.html

成都網站建設公司_創新互聯，為您提供手機網站建設、動態網站、品牌網站制作、微信小程序、網站導航、域名注冊

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯