Python Numpy陣列計算

1、numpy是高效能科學計算和資料分析的基礎包。它是pandas等其他各種工具的基礎。

2、numpy的主要功能：

3、安裝方法：pip install numpy

1、建立ndarray：np.array()

2、ndarray是多維陣列結構，與列表的區別是：

3、常用屬性：

4、常用方法

array.shape                         array的規格

array.ndim      
array.dtype                         array的資料規格
numpy.zeros(dim1,dim2)              建立dim1*dim2的零矩陣
numpy.arange
numpy.eye(n) /numpy.identity(n)     建立n*n單位矩陣
numpy.array([…data…], dtype=float64 )
array.astype(numpy.float64)         更換矩陣的資料形式
array.astype(float)                 更換矩陣的資料形式
array * array                       矩陣點乘
array[a:b]                          切片
array.copy()                        得到ndarray的副本，而不是檢視
array [a] [b]=array [ a, b ]        兩者等價
name=np.array(['bob','joe','will']) res=name==』bob』 res= array([ true, false, false], dtype=bool)
data[true,false,…..]                索引，只索取為true的部分，去掉false部分
通過布林型索引選取陣列中的資料，將總是建立資料的副本。
data[ [4,3,0,6] ]                   索引，將第4,3,0,6行摘取出來，組成新陣列
data[-1]=data[data.__len__()-1]
numpy.reshape(a,b)                  將a*b的一維陣列排列為a*b的形式
array([a,b,c,d],[d,e,f,g])          返回一維陣列，分別為[a,d],[b,e],[c,f],[d,g]
array[ [a,b,c,d] ][:,[e,f,g,h] ]=array[ numpy.ix_( [a,b,c,d],[e,f,g,h] ) ]
array.t                             array的轉置
numpy.random.randn(a,b)             生成a*b的隨機數組
numpy.dot(matrix_1,matrix_2)        矩陣乘法
array.transpose( (1,0,2,etc.) )     對於高維陣列，轉置需要乙個由軸編號組成的元組

建立ndarray：

array()         將列表轉換為陣列，可選擇顯式指定dtype
arange()        range的numpy版，支援浮點數
linspace()      類似arange()，第三個引數為陣列長度
zeros()         根據指定形狀和dtype建立全0陣列
ones()          根據指定形狀和dtype建立全1陣列
empty()         根據指定形狀和dtype建立空陣列（隨機值）
eye()           根據指定邊長和dtype建立單位矩陣

1、陣列和標量之間的運算

a+1    a*3    1//a    a**0.5
2、同樣大小陣列之間的運算
a+b    a/b    a**b
3、陣列的索引：
一維陣列：a[5]
多維陣列：
列表式寫法：a[2][3]
陣列的切片：
一維陣列：a[5:8]    a[4:]        a[2:10] = 1
多維陣列：a[1:2, 3:4]    a[:,3:5]        a[:,1]
4、強調：與列表不同，陣列切片時並不會自動複製，在切片陣列上的修改會影響原陣列。    【解決方法：copy()】

答案：a[a>5]

原理：a>5會對a中的每乙個元素進行判斷，返回乙個布林陣列

布林型索引：將同樣大小的布林陣列傳進索引，會返回乙個由所有true對應位置的元素的陣列

問題2：給乙個陣列，選出陣列中所有大於5的偶數。

問題3：給乙個陣列，選出陣列中所有大於5的數和偶數。

答案：a[(a>5) & (a%2==0)]

a[(a>5) | (a%2==0)]

import numpy as np

a = np.array([1,2,3,4,5,4,7,8,9,10])
a[a>5&(a%2==0)]  #注意加括號，不叫括號錯誤，如下
輸出：array([ 1,  2,  3,  4,  5,  4,  7,  8,  9, 10])
a[(a>5)&(a%2==0)]
輸出：array([ 8, 10])

問題1：對於乙個陣列，選出其第1，3，4，6，7個元素，組成新的二維陣列。

答案：a[[1,3,4,6,7]]
問題2：對乙個二維陣列，選出其第一列和第三列，組成新的二維陣列。
答案：a[:,[1,3]]

常見通用函式：

numpy.sqrt(array)                   平方根函式   

numpy.exp(array)                    e^array[i]的陣列
numpy.abs/fabs(array)               計算絕對值
numpy.square(array)                 計算各元素的平方 等於array**2
numpy.log/log10/log2(array)         計算各元素的各種對數
numpy.sign(array)                   計算各元素正負號
numpy.isnan(array)                  計算各元素是否為nan
numpy.isinf(array)                  計算各元素是否為nan
numpy.cos/cosh/sin/sinh/tan/tanh(array) 三角函式
numpy.modf(array)                   將array中值得整數和小數分離，作兩個陣列返回
numpy.ceil(array)                   向上取整,也就是取比這個數大的整數 
numpy.floor(array)                  向下取整,也就是取比這個數小的整數
numpy.rint(array)                   四捨五入
numpy.trunc(array)                  向0取整 
numpy.cos(array)                       正弦值
numpy.sin(array)                    余弦值 
numpy.tan(array)                    正切值

numpy.add(array1,array2)            元素級加法

numpy.subtract(array1,array2)       元素級減法
numpy.multiply(array1,array2)       元素級乘法
numpy.divide(array1,array2)         元素級除法 array1./array2
numpy.power(array1,array2)          元素級指數 array1.^array2
numpy.maximum/minimum(array1,aray2) 元素級最大值
numpy.fmax/fmin(array1,array2)      元素級最大值，忽略nan
numpy.mod(array1,array2)            元素級求模
numpy.copysign(array1,array2)       將第二個陣列中值得符號複製給第乙個陣列中值
numpy.greater/greater_equal/less/less_equal/equal/not_equal (array1,array2)
元素級比較運算，產生布林陣列
numpy.logical_end/logical_or/logic_xor(array1,array2)元素級的真值邏輯運算

據缺失值

既然nan連自己都不相等，那麼怎麼判斷是不是nan呢？

用a==a 只要返回false就能判斷

常用函式：

隨機數生成函式在np.random子包內

常用函式

Python Numpy陣列儲存

numpy提供了幾種資料儲存的方法。以3 4陣列a為例 這種方法只能儲存為二進位制檔案，且不能儲存當前資料的行列資訊，檔案字尾不一定非要是bin，也可以為txt，但不影響儲存格式，都是二進位制。這種儲存方法對資料讀取有要求，需要手動指定讀出來的資料的的dtype，如果指定的格式與儲存時的不一致，則讀...

Python numpy的矩陣計算

import numpy as np def numpywork1 矩陣的求和運算 one np.array 1,0,1,3,4,1 2,1,4,2,3,0 3,5,4,1,3,2 2,6,3,1,3,8 9,1,2,1,5,0 two np.sum one,axis 0 每一列求和，得到的新矩陣 ...

python numpy 陣列的切片

參考 對於一維陣列 來說，python原生的list和numpy的array的切片操作都是相同的。arr name start end step 是複製源的意思 對於二維陣列來說，對陣列操作規範是這樣的 arr name 行操作,列操作 舉個例子 in np.arrange 12 reshape 3...