numpy 基础

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。在我们数据分析时，方便我们进行数据的基本处理，并且它的速度很快。本文介绍一下numpy的基础用法，如果想要全面的学习numpy，可以参考numpy官方文档

首先导入numpy包，如果没有需要提前安装

pip install numpy

import numpy as np

1.数组对象

我们可以使用np.arange()函数创建数组对象

首先我们创建一个一维数组

arr1 = np.arange(10)
arr1

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

使用type()查看arr1的类型

type(arr1)

numpy.ndarray

可以看出arr1的数据类型是ndarry

下面再来查看一下这个数组纬度的个数，数组纬度，和数组个数以及数组元素的类型

arr1.ndim

1

说明是一维数组

arr1.shape

(10,)

说明数组是(10,)的

arr1.size

10

数组一共有十个元素

arr1.dtype
dtype('int32')

说明数组的元素都是int32类型的

2.使用numpy创建多维数组

上面我们介绍了数组对象的基本使用，在numpy中，有多重方式可以创建数组对象，上面我们使用了np.arange()，下面我们看一下如何使用其他方法创建多维数组

下面这个两个代码返回结果一样
arr2 = np.array([1,2,3])
arr3 = np.arange(1,4)
arr2 == arr3

array([ True, True, True])

创建二维数组

arr4 = np.array([[1,2,3],[4,5,6]])
arr4

array([[1, 2, 3],
[4, 5, 6]])

创建3*3的零数组

np.zeros((3,3))

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

创建一个3*3的1数组

np.ones((3,3))

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

创建一个3*3的单位阵

np.eye(3)

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

使用dtype参数在定义数组时定义元素类型

np.eye(3,dtype='float')
array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])

生成指定值的3*3数组

np.full((3,3),fill_value=5)
array([[5, 5, 5],
[5, 5, 5],
[5, 5, 5]])

numpy定义数组的主要函数如下

3.多维数组数据类型

3.1 查看数据类型

4.numpy数组运算

4.1 数组相加

a = np.array([[0.0,0.0,0.0],[10.0,10.0,10.0],[20.0,20.0,20.0],[30.0,30.0,30.0]])
b = np.array([1.0,2.0,3.0])
print('第一个数组:')
print(a)
print('\n第二个数组:')
print(b)
print('\n第一个数组加第二个数组:')
print(a + b)

第一个数组:
[[ 0. 0. 0.]
[10. 10. 10.]
[20. 20. 20.]
[30. 30. 30.]]
第二个数组:
[1. 2. 3.]
第一个数组加第二个数组:
[[ 1. 2. 3.]
[11. 12. 13.]
[21. 22. 23.]
[31. 32. 33.]]

从上述结果可以看出，这两个数组的纬度并不相同，但是他们具有相同的列，此时，触发广播机制，第二个数组默认重复。其具体工作原理可以看一下下面这张图

注意：广播机制也不是任意两个数组都能触发的,例如下面这个例子

a = np.array([[0.0,0.0,0.0],[10.0,10.0,10.0],[20.0,20.0,20.0],[30.0,30.0,30.0]])
b = np.array([1.0,2.0])
a+b

---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
Input In [23], in <cell line: 3>()
1 a = np.array([[0.0,0.0,0.0],[10.0,10.0,10.0],[20.0,20.0,20.0],[30.0,30.0,30.0]])
2 b = np.array([1.0,2.0])
----> 3 a+b
ValueError: operands could not be broadcast together with shapes (4,3) (2,)

此时报错了，这是因为a数组是(4,3),b数组是(2,)

6.基础索引和切片

numpy索引是中返回某一个给定位置的元素，切片是返回一个数组形式

通过下面这张图具体看一下切片的原理

下面我们通过一些实际例子来说明如何使用切片和索引

arr = np.arange(10)
print(arr)
print(arr[5])#返回数组的第六个元素

print(arr[5:8])# 返回数组的第6，7，8个元素，并返回数组

print(arr[1:6:2])#返回索引为1-6的元素，以2为步长

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

上述我们可以看出numpy中基础索引和切片的使用方法，基本和python的list用法一样，
下面我们看一下在多维数组情况下是如何使用的

二维数组情况下索引返回一个一维数组，切片返回一个二维数组

小编有点累后续知识晚点更新~

特此备注一下：也祝大家五一快乐，小编在此也送波福利（编程所有语言教程及附源码）

已设置好自动回复私信回复1 就可以啦~

已设置好自动回复私信回复1 就可以啦~

已设置好自动回复私信回复1 就可以啦~

（重要的事情说三遍）