numpy.md

Numpy

多维性 ｜ 同质性 ｜ 高效性

核心属性

假设 arr = np.array([[1, 2], [3, 4]])

属性名称	通俗解释	使用示例	输出结果
shape	数组的形状	arr.shape	(2, 2)
ndim	维度数量	arr.ndim	2
size	总元素个数	arr.size	4
dtype	元素类型	arr.dtype	int64 (或 int32)
T	转置	arr.T	[[1,3],[2,4]]
itemsize	单个元素占用字节	arr.itemsize	8 (int64)
nbytes	数组总字节数	arr.nbytes	32 (4 x int64)

ndarry 的创建

基础构造

np.array([[1,2],[3,4]])
np.copy(arr)

预定义填充

np.zeros(2, 3)  # 2行3列，shape = (2,3) 的全0数组
np.ones(2, 3)
np.full((2, 3), 5)

np.zeros_like(arr)
np.full_like(arr, 5)

范围生成

np.arange(0, 10, 2)     # [0, 2, 4, 6, 8]
np.linspace(0, 1, 5)    # [0.0, 0.25, 0.5, 0.75, 1.0]
np.logspace(0, 2, 3, base = 10) # [1.0, 10.0, 100.0]

特殊矩阵

np.eye(3) # 3x3 单位矩阵
np.diag([1, 2, 3])  # 3x3 对角矩阵

随机矩阵

# 2 x 2 随机矩阵
np.random.rand(2, 2)                # [0,1) 均匀
np.random.uniform(1, 10, (2, 2))    # [1, 10) 浮点数
np.random.randn(2, 2)               # 标准分布
np.random.normal(μ, σ, (2, 2))      # μ,σ 正态分布
np.random.randint(1, 10, (2, 2))    # [1, 10) 整数

拼接矩阵

注：np 默认都是 列向量

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

"""
a:          b:
    1 | 3       5 | 7
    2 | 4       6 | 8
"""
np.vstack((a, b)) # 竖直堆叠
"""
[[1, 2],
 [3, 4],
 [5, 6],
 [7, 8]]

1 | 3 | 5 | 7
2 | 4 | 6 | 8
"""

np.hstack((a, b)) # 水平堆叠
"""
[[1, 2, 5, 6],
 [3, 4, 7, 8]]

1 | 3
2 | 4
5 | 7
6 | 8
"""

数据类型

"""
int8  | int16  | int32  | int64
i1    | i2     | i4     | i8
uint8 | uint16 | uint32 | uint64
u1    | u2     | u4     | u8

float16 | float32 | float64
f2      | f4      | f8
        | f       | d
"""

np.array([1, 2, 3], dtype=np.float32)
np.array([1, 2, 3], dtype='i8')
arr.astype(np.int64)

索引与切片

arr = np.arange(1, 10).reshape(3, 3)
"""
1 2 3
4 5 6
7 8 9
"""
arr[1, 2] # 6
arr[:, 1] # [2, 5, 8] shape = (3,)
arr[1, :] # [4, 5, 6] shape = (3,)
arr[::2, ::2] # [[1, 3],[7, 9]] shape = (2, 2)

# 条件索引
arr[arr > 0]
print(arr[2][arr[2] > 50])
print(arr[2, arr[2] > 50])

基本运算

• 相同维度(shape)：+ - * / 相同位置逐元素计算
• 不同维度：广播机制，1 -> 合适维度，只能从 1 扩展

重要统计函数

可搭配 axis=0 参数，约束维度。

大部分第一个参数为 arr 的，也可以通过 arr.xxx() 调用。

统计量名	API
总和	np.sum(arr)
计数	np.size(arr)
平均数	np.mean(arr)
中位数	np.median(arr)
众数	np.mode(arr)
最大索引	np.argmax(arr)
最小索引	np.argmin(arr)
方差	np.var(a)
标准差	np.std(a)
分位数	np.quantile(a, 0.25, axis=0)
协方差	np.cov()
累加和	np.cumsum()
唯一值	np.unique()
范数	np.linalg.norm(ord=2)
展平	np.flatten(arr)
变形	arr.reshape((3, 3))