一、Numpy
數(shù)組是一系列同類(lèi)型數(shù)據(jù)的集合，可以被非零整數(shù)進(jìn)行索引，可以通過(guò)列表進(jìn)行數(shù)組的初始化，數(shù)組也可以通過(guò)索引進(jìn)行切片。
Numpy提供了幾乎全部的科學(xué)計(jì)算方式。
1 2 | # numpy 導(dǎo)入方式:import numpy as np |
①、創(chuàng)建數(shù)組：
1.簡(jiǎn)單一二維數(shù)組
1 2 3 4 5 | np.array( [1,2,3,4] ) # 一維數(shù)組np.array( ['1',5,True] ) # 數(shù)組內(nèi)容為字符型np.array( [True,True] ) # 布爾型數(shù)組np.array( [[1,2,3,4] , [5,6,7,8]] ) # 二維數(shù)組 |
2.范圍函數(shù)生成 一維數(shù)組:
1 2 3 4 | np.arange([start,] stop[, step,], dtype=None)np.arange(1,10)# array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) |
3.均分函數(shù)生成 一維數(shù)組:(等差數(shù)列)
1 2 3 4 5 6 7 8 9 10 11 12 13 | np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)start : 初始值stop : 末尾值num : 生成的樣本數(shù) , 必須為非負(fù)數(shù)endpoint : 默認(rèn)True , 數(shù)組最后一個(gè)元素為 stop項(xiàng)# 數(shù)組step計(jì)算:當(dāng) endpoint = True 時(shí), step = (end - start) / (num - 1)當(dāng) endpoint = False 時(shí), step = (end - start) / num np.linspace(1,10,num=5,endpoint=False)# array([ 1. , 2.8, 4.6, 6.4, 8.2]) |
4.創(chuàng)建元素為1 的數(shù)組
1 2 | np.ones(4) # 一維數(shù)組 array([ 1., 1., 1., 1.])np.ones([4,5]) # 二維數(shù)組 4行5列 |
5.創(chuàng)建元素為0 的數(shù)組
1 2 | np.zeros(4) # 一維數(shù)組 array([ 0., 0., 0., 0.])np.zeros([4,5]) # 二維數(shù)組 4行5列 |
6.創(chuàng)建一定形狀的數(shù)組
1 2 3 | numpy.empty(shape, dtype=float, order='C')np.empty([2,3]) # 創(chuàng)建2行3列數(shù)組 |
7.創(chuàng)建方陣型，行列相等，對(duì)角元素為1，其余元素為0
1 2 3 4 5 | np.eye(4) # 4行4列 , 元素為0 , 對(duì)角線元素為1array([[ 1., 0., 0., 0.], [ 0., 1., 0., 0.], [ 0., 0., 1., 0.], [ 0., 0., 0., 1.]]) |
8.創(chuàng)建與某數(shù)組大小相同的數(shù)組，元素為0
1 2 | arr1 = np.eye(4) # 4行4列arr2 = np.empty_like(arr1) # 4行4列 |
9.Series轉(zhuǎn)換Array
1 | np.array(series) |
②、Numpy下的random類(lèi)創(chuàng)建 隨機(jī)數(shù)組
1.創(chuàng)建符合 [0:1) 均勻分布 的數(shù)組
1 2 3 | np.random.rand(d0, d1, ..., dn)np.random.rand(4,5) # 4行5列數(shù)組 |
2.創(chuàng)建符合 標(biāo)準(zhǔn)正態(tài)分布 的數(shù)組
1 2 3 | np.random.randn(d0, d1, ..., dn)np.random.randn(4,5) # 4行5列數(shù)組 |
3.創(chuàng)建 隨機(jī)整數(shù) 的數(shù)組 , (不包含)
1 2 3 4 5 | np.random.randint(low, high=None, size=None, dtype='l')np.random.randint(5, size=(2, 4)) # 生成0到4之間的 2 x 4數(shù)組array([[4, 0, 2, 1], [3, 2, 2, 0]]) |
4.創(chuàng)建 隨機(jī)整數(shù) 的數(shù)組 , (包含)
1 2 3 4 5 | np.random.random_integers(low, high=None, size=None)np.random.random_integers(5, size=(2, 4)) # 生成1到5之間的 2 x 4數(shù)組array([[3, 3, 4, 3], [3, 4, 1, 5]]) |
5.創(chuàng)建 [0.0,1.0) 隨機(jī)浮點(diǎn)數(shù)
1 2 3 4 5 6 7 | np.random.random(size=None)np.random.random_sample(size=None)np.random.ranf(size=None)np.random.sample(size=None)np.random.random( (5,) )np.random.random_sample( (4,5) ) # 4行5列 浮點(diǎn)數(shù)數(shù)組 |
6.從給定的1-D數(shù)組 生成隨機(jī)樣本
1 2 3 4 5 6 7 8 | np.random.choice(a, size=None, replace=True, p=None)p：1-D array-like，可選 ( 設(shè)置概率 )與a中的每個(gè)條目相關(guān)聯(lián)的概率。如果沒(méi)有給出樣本，則假設(shè)在a中的所有條目均勻分布。np.random.choice(5, 3) # 從np.arange(5)生成大小為3的均勻隨機(jī)樣本：np.random.choice(5, 3, replace=False) # 從np.arange(5)生成大小為3的均勻隨機(jī)樣本，沒(méi)有重復(fù)：aa_milne_arr = ['pooh', 'rabbit', 'piglet', 'Christopher']np.random.choice(aa_milne_arr, 5, p=[0.5, 0.1, 0.1, 0.3]) |
7.返回隨機(jī)字節(jié)
1 2 3 4 | np.random.bytes(length)np.random.bytes(10)# b'u\x1e\xd6\x8d\xf5]\xab6\xed\x0c' |
③、重要屬性
1 2 3 4 | np.shape # 查看數(shù)組的維度 如: (4,) 一個(gè)數(shù)字代表1維 , (5,6) 代表二維,5行6列數(shù)組 , .....np.size # 查看數(shù)組元素總個(gè)數(shù)np.ndim # 查看數(shù)組維度數(shù)len(array) # 查看數(shù)組行數(shù) |
④、重要方法
1. 給定條件判斷元素
1 2 3 4 5 6 | numpy.where(condition[, x, y]) # 根據(jù)條件，從x或y返回元素。np.where(arr1 > 0 , True , False )array([[False, True, True, False], [ True, False, False, False], [ True, True, True, False]], dtype=bool) |
2.查找數(shù)組唯一元素
1 2 3 4 5 6 7 8 | np.unique(ar, return_index=False, return_inverse=False, return_counts=False)[source]return_counts = True # 返回出現(xiàn)次數(shù)<br>np.unique([1, 1, 2, 2, 3, 3])# array([1, 2, 3])a = np.array([[1, 1], [2, 3]])np.unique(a)# array([1, 2, 3]) |
3.兩個(gè)數(shù)組連接
1 2 3 4 5 6 7 8 9 10 | np.concatenate((a1, a2, ...), axis=0) # 沿現(xiàn)有軸連接數(shù)組序列。a = np.array([[1, 2], [3, 4]])b = np.array([[5, 6]])np.concatenate((a, b), axis=0)array([[1, 2], [3, 4], [5, 6]])np.concatenate((a, b.T), axis=1) |
⑤、索引與切片
⑥、數(shù)組計(jì)算
1.加法
1 2 3 4 5 6 7 | a = np.array([1,2,3])b = np.array([-1,2,-4])np.add(x1, x2[, out]) = <ufunc 'add'>np.add(a,b) # 等效于 a + b# array([ 0, 4, -1]) |
2.減法
1 2 3 | np.subtract(x1, x2[, out]) = <ufunc 'subtract'>np.subtract(a,b) # a - b |
3.乘法
1 2 3 | np.multiply(x1, x2[, out]) = <ufunc 'multiply'>np.multiply(a,b) # a * b |
4.除法
1 2 3 | np.divide(x1, x2[, out]) = <ufunc 'divide'>np.divide(a,b) # a / b |
5.點(diǎn)積 (相乘后把元素相加)
兩矩陣的點(diǎn)積 需要 左邊矩陣列 與 右邊矩陣行 數(shù)目相等
1 2 3 4 | np.dot(a, b, out=None)np.dot(a,b)np.dot(a,b.T) |
6.廣播
兩矩陣相加 , 類(lèi)型shape不一樣時(shí) , 自動(dòng)廣播計(jì)算 ,作用在每一行每個(gè)元素
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | arr1 = np.random.randint(1,10,size=(3,4))array([[3, 3, 4, 1], [8, 4, 8, 2], [6, 4, 4, 9]])arr2 = np.array([2,2,2,2])array([2, 2, 2, 2])arr1 + arr2array([[ 5, 5, 6, 3], [10, 6, 10, 4], [ 8, 6, 6, 11]])# 方式二 : arr1 + 6 # 每個(gè)元素都加6 |
7.求和
1 2 3 4 5 6 7 8 9 | np.sum(a, axis=None, dtype=None, out=None, keepdims=<class numpy._globals._NoValue>)# 給定軸上的數(shù)組元素的總和。np.sum([0.5, 1.5])# 2.0np.sum([[0, 1], [0, 5]], axis=0)# array([0, 6])np.sum([[0, 1], [0, 5]], axis=1)# array([1, 5]) |
8.求平均
1 2 3 4 5 6 7 8 | np.mean(a, axis=None, dtype=None, out=None, keepdims=<class numpy._globals._NoValue>)# 沿指定軸計(jì)算算術(shù)平均值。a = np.array([[1, 2], [3, 4]])np.mean(a)# 2.5np.mean(a, axis=0)# array([ 2., 3.]) |
9.求平方根
1 2 3 4 5 | np.sqrt(x[, out]) = <ufunc 'sqrt'># 按元素方式返回?cái)?shù)組的正平方根。np.sqrt([1,4,9])# array([ 1., 2., 3.]) |
10.求指數(shù)
1 2 | np.exp(x[, out]) = <ufunc 'exp'># 計(jì)算輸入數(shù)組中所有元素的指數(shù)。 |
11.求絕對(duì)值
1 2 3 4 5 6 | np.absolute(x[, out]) = <ufunc 'absolute'># 逐個(gè)計(jì)算絕對(duì)值。x = np.array([-1.2, 1.2])np.absolute(x)# array([ 1.2, 1.2]) |
12.求自然對(duì)數(shù)
1 2 | np.log(x[, out]) = <ufunc 'log'># 自然對(duì)數(shù)，逐元素。 |
⑦、線性代數(shù)計(jì)算
1.數(shù)組轉(zhuǎn)置
1 2 | arr1 = np.random.randint(0,10,size=(4,4))np.transpose(arr1) # arr1.T |
2.矩陣的逆
1 2 3 4 5 | a = np.array([[1,2],[4,7]])np.linalg.inv(a)array([[-7., 2.], [ 4., -1.]]) |
3.沿?cái)?shù)組的對(duì)角線返回總和
1 2 3 | a = np.array([[1,2],[4,7],[5,2]])np.trace(a)# 8 |
4.正方形數(shù)組的特征值和右特征向量
1 2 3 4 5 | w, v = np.linalg.eig(np.array([ [1, -1], [1, 1] ]))w; varray([ 1. + 1.j, 1. - 1.j])array([[ 0.70710678+0.j , 0.70710678+0.j ], [ 0.00000000-0.70710678j, 0.00000000+0.70710678j]]) |
①、matplotlib 導(dǎo)入方式: ??官方文檔
1 | import matplotlib.pyplot as plt |
②、條形圖
1 2 3 4 5 6 7 8 9 | plt.bar(left, height, width=0.8, bottom=None, hold=None, data=None, **kwargs)y = np.array([10,20,30,50])x = np.arange(len(y))plt.bar(x,y,color='r') # 垂直方向plt.show()plt.barh(x,y,color='r') # 水平方向plt.show() |
③、多圖形排列
1 2 3 4 5 6 7 8 | y = np.random.randint(10,100,size=(4,4))x = np.arange(4)plt.bar(x,y[0],color='r',width=0.25)plt.bar(x+0.25,y[1],color='b',width=0.25)plt.bar(x+0.5,y[2],color='g',width=0.25)plt.show() |
④、圖形堆疊
1 2 3 | plt.bar(x,y[0],color='r')plt.bar(x,y[1],color='y',bottom=y[0])plt.bar(x,y[2],color='g',bottom=y[0] + y[1]) |
⑤、散點(diǎn)圖
1 2 3 | data = np.random.rand(1024,2)plt.scatter(data[:,0],data[:,1])plt.show() |
⑥、直方圖
1 2 3 | x = np.random.rand(1000)plt.hist(x,bins=50) # 顯示50條plt.show() |
⑦、箱形圖
1 2 3 | x = np.random.randn(100,5)plt.boxplot(x)plt.show() |
注意:
numpy數(shù)組計(jì)算中*和dot是有很大區(qū)別的
1.numpy乘法運(yùn)算中"*"是數(shù)組元素逐個(gè)計(jì)算具體代碼如下：
2.numpy乘法運(yùn)算中dot是按照矩陣乘法的規(guī)則來(lái)運(yùn)算的具體實(shí)現(xiàn)代碼如下：
聯(lián)系客服
