摘要：會(huì)將其轉(zhuǎn)變成的結(jié)構(gòu)。傳入的參數(shù)必須是同一結(jié)構(gòu)不是同一結(jié)構(gòu)將發(fā)生轉(zhuǎn)換。均為類型轉(zhuǎn)為浮點(diǎn)數(shù)類型轉(zhuǎn)為字符類型利用查看結(jié)構(gòu)能夠了解的結(jié)構(gòu)，時(shí)通過查看結(jié)構(gòu)能夠更好地了解程序運(yùn)行的過程。
Python 真火來學(xué)習(xí)一下，先來看一個(gè)庫 NumPy。NumPy是Python語言的一個(gè)擴(kuò)充程序庫。支持高級(jí)大量的維度數(shù)組與矩陣運(yùn)算，此外也針對(duì)數(shù)組運(yùn)算提供大量的數(shù)學(xué)函數(shù)庫。
1. 讀取文件
numpy.genfromtxt() 用于讀取 txt 文件，其中傳入的參數(shù)依次為：
需要讀取的 txt 文件位置，此處文件與程序位于同一目錄下
分割的標(biāo)記
轉(zhuǎn)換類型，如果文件中既有文本類型也有數(shù)字類型，就先轉(zhuǎn)成文本類型
help(numpy.genfromtxt)用于查看幫助文檔：
如果不想看 API 可以啟動(dòng)一個(gè)程序用 help 查看指令的詳細(xì)用法
import numpy
world_alcohol = numpy.genfromtxt("world_alcohol.txt", delimiter=",",dtype=str)
print(type(world_alcohol))
print(world_alcohol)
print(help(numpy.genfromtxt))
2. 構(gòu)造 ndarray
numpy.array()構(gòu)造 ndarray
numpy.array()中傳入數(shù)組參數(shù)，可以是一維的也可以是二維三維的。numpy 會(huì)將其轉(zhuǎn)變成 ndarray 的結(jié)構(gòu)。
vector = numpy.array([1,2,3,4])
matrix = numpy.array([[1,2,3],[4,5,6]])
傳入的參數(shù)必須是同一結(jié)構(gòu),不是同一結(jié)構(gòu)將發(fā)生轉(zhuǎn)換。
vector = numpy.array([1,2,3,4])
array([1, 2, 3, 4])
均為 int 類型
vector = numpy.array([1,2,3,4.0])
array([ 1., 2., 3., 4.])
轉(zhuǎn)為浮點(diǎn)數(shù)類型
vector = numpy.array([1,2,"3",4])
array(["1", "2", "3", "4"],dtype="
轉(zhuǎn)為字符類型
利用 .shape 查看結(jié)構(gòu)
能夠了解 array 的結(jié)構(gòu)，debug 時(shí)通過查看結(jié)構(gòu)能夠更好地了解程序運(yùn)行的過程。
print(vector.shape)
print(matrix.shape)
(4,)
(2, 3)
利用 dtype 查看類型
vector = numpy.array([1,2,3,4])
vector.dtype
dtype("int64")
ndim 查看維度
一維
vector = numpy.array([1,2,3,4])
vector.ndim
1
二維
matrix = numpy.array([[1,2,3],
[4,5,6],
[7,8,9]])
matrix.ndim
2
size 查看元素?cái)?shù)量
matrix.size
9
3. 獲取與計(jì)算
numpy 能使用切片獲取數(shù)據(jù)
matrix = numpy.array([[1,2,3],
[4,5,6],
[7,8,9]])
根據(jù)條件獲取
numpy 能夠依次比較 vector 和元素之間是否相同
vector = numpy.array([5, 10, 15, 20])
vector == 10
array([False, True, False, False], dtype=bool)
根據(jù)返回值獲取元素
vector = numpy.array([5, 10, 15, 20])
equal_to_ten = (vector == 10)
print(equal_to_ten)
print(vector[equal_to_ten])
[False True False False]
[10]
進(jìn)行運(yùn)算之后獲取
vector = numpy.array([5, 10, 15, 20])
equal_to_ten_and_five = (vector == 10) & (vector == 5)
vector = numpy.array([5, 10, 15, 20])
equal_to_ten_or_five = (vector == 10) | (vector == 5)
類型轉(zhuǎn)換
將整體類型進(jìn)行轉(zhuǎn)換
vector = numpy.array([5, 10, 15, 20])
print(vector.dtype)
vector = vector.astype(str)
print(vector.dtype)
int64
求和
sum() 能夠?qū)?ndarray 進(jìn)行各種求和操作，比如分別按行按列進(jìn)行求和
matrix = numpy.array([[1,2,3],
[4,5,6],
[7,8,9]])
print(matrix.sum())
print(matrix.sum(1))
print(matrix.sum(0))
45
[ 6 15 24]
[12 15 18]
sum(1) 是 sum(axis=1)) 的縮寫，1表示按照 x軸方向求和，0表示按照y軸方向求和
4. 常用函數(shù)
reshape
生成從 0-14 的 15 個(gè)數(shù)字，使用 reshape(3,5) 將其構(gòu)造成一個(gè)三行五列的 array。
import numpy as np
arr = np.arange(15).reshape(3, 5)
arr
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])
zeros
生成指定結(jié)構(gòu)的默認(rèn)為 0. 的 array
np.zeros ((3,4))
array([[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.]])
ones
生成一個(gè)三維的 array,通過 dtype 指定類型
np.ones( (2,3,4), dtype=np.int32 )
array([[[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]],
[[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]]])
range
指定范圍和數(shù)值間的間隔生成 array，注意范圍包左不包右
np.arange(0,10,2)
array([0, 2, 4, 6, 8])
random 隨機(jī)數(shù)
生成指定結(jié)構(gòu)的隨機(jī)數(shù)，可以用于生成隨機(jī)權(quán)重
np.random.random((2,3))
array([[ 0.86166627, 0.37756207, 0.94265883],
[ 0.9768257 , 0.96915312, 0.33495431]])
5. ndarray 運(yùn)算
元素之間依次相減相減
a = np.array([10,20,30,40])
b = np.array(4)
a - b
array([ 6, 16, 26, 36])
乘方
a**2
array([ 100, 400, 900, 1600])
開根號(hào)
np.sqrt(B)
array([[ 1.41421356, 0. ],
[ 1.73205081, 2. ]])
e 求方
np.exp(B)
array([[ 7.3890561 , 1. ],
[ 20.08553692, 54.59815003]])
向下取整
a = np.floor(10*np.random.random((2,2)))
a
array([[ 0., 0.],
[ 3., 6.]])
行列變換
a.T
array([[ 0., 3.],
[ 0., 6.]])
變換結(jié)構(gòu)
a.resize(1,4)
a
array([[ 0., 0., 3., 6.]])
6. 矩陣運(yùn)算
矩陣之間的運(yùn)算
A = np.array( [[1,1],
[0,1]] )
B = np.array( [[2,0],
[3,4]] )
對(duì)應(yīng)位置一次相乘
A*B
array([[2, 0],
[0, 4]])
矩陣乘法
print (A.dot(B))
print(np.dot(A,B))
[[5 4]
[3 4]]
橫向相加
a = np.floor(10*np.random.random((2,2)))
b = np.floor(10*np.random.random((2,2)))
print(a)
print(b)
print(np.hstack((a,b)))
[[ 2. 3.]
[ 9. 3.]]
[[ 8. 1.]
[ 0. 0.]]
[[ 2. 3. 8. 1.]
[ 9. 3. 0. 0.]]
縱向相加
print(np.vstack((a,b)))
[[ 2. 3.]
[ 9. 3.]
[ 8. 1.]
[ 0. 0.]]
矩陣分割
#橫向分割
print( np.hsplit(a,3))
#縱向風(fēng)格
print(np.vsplit(a,3))
7. 復(fù)制的區(qū)別
地址復(fù)制
通過 b = a 復(fù)制 a 的值，b 與 a 指向同一地址，改變 b 同時(shí)也改變 a。
a = np.arange(12)
b = a
print(a is b)
print(a.shape)
print(b.shape)
b.shape = (3,4)
print(a.shape)
print(b.shape)
True
(12,)
(12,)
(3, 4)
(3, 4)
復(fù)制值
通過 a.view() 僅復(fù)制值，當(dāng)對(duì) c 值進(jìn)行改變會(huì)改變 a 的對(duì)應(yīng)的值，而改變 c 的 shape 不改變 a 的 shape
a = np.arange(12)
c = a.view()
print(c is a)
c.shape = 2,6
c[0,0] = 9999
print(a)
print(c)
False
[9999 1 2 3 4 5 6 7 8 9 10 11]
[[9999 1 2 3 4 5]
[ 6 7 8 9 10 11]]
完整拷貝
a.copy() 進(jìn)行的完整的拷貝，產(chǎn)生一份完全相同的獨(dú)立的復(fù)制
a = np.arange(12)
c = a.copy()
print(c is a)
c.shape = 2,6
c[0,0] = 9999
print(a)
print(c)
False
[ 0 1 2 3 4 5 6 7 8 9 10 11]
[[9999 1 2 3 4 5]
[ 6 7 8 9 10 11]]
