Numpy的简单使用

妖狐艹你老母 2022-02-16 20:15 231阅读 0赞

![20190419230158413.png][]

Numpy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。

官方：[http://www.numpy.org/][http_www.numpy.org]

--------------------

使用前安装该模块：使用pycharm可以进入 Settings-> Project ->Project Interpreter -> 点击右侧，绿色加号

在出来的搜索框输入Numpy -> 点击下面的Install Package 等待提示安装成功即可。

--------------------

基本属性：

import numpy as np
    from numpy.linalg import *
    
    lst = [[1, 3, 5], [2, 4, 6]]
    print(type(lst))
    np_lst = np.array(lst)
    print(np_lst)
    print(type(np_lst))  # 打印类型
    np_lst = np.array(lst, dtype=np.float)
    # bool int int8 int16 int32 int64 int128 uint8 uint16 uint32 uint64 uint128 float float16/32/64
    print(np_lst.shape)  # 2行 3列 打印行列式的 规格
    print(np_lst.ndim)  # 打印维度 2维
    print(np_lst.dtype)  # 打印数据类型
    print(np_lst.itemsize)  # 条目大小
    print(np_lst.size)  # 大小

其他数组：

# 2 some arrays
    print(np.zeros([2, 4]))  # 数值初始化一个2行4列的矩阵 全部0
    print(np.ones([3, 5]))  # 数值初始化一个3行5列的矩阵 全部1
    print('rand')
    print(np.random.rand(2, 4))  # 随机数矩阵2行4列  0-1之间的 均匀生成
    print(np.random.rand())  # 打印一个随机数
    print('randint')
    print(np.random.randint(1, 10))  # 1-10之间的整数
    print(np.random.randint(1, 10, 3))  # 1-10之间的3个随机整数
    print('randn')
    print(np.random.randn())  # 正态分布的随机数
    print(np.random.randn(2, 4))  # 正态分布的随机数 2行 4列
    print('Choice')
    print(np.random.choice([10, 20, 30]))  # 根据可迭代 指定值之间  只会出现 10 20 30 中的一个
    print('Distribute')
    print(np.random.beta(1, 10, 100))  # 生成白塔分布

操作：

# 操作
    print(np.arange(1, 11))  # 生成一维数组 范围1-10
    print(np.arange(1, 11).reshape([2, 5]))  # 生成一维数组 重生为2行5列的矩阵
    print(np.arange(1, 11).reshape([2, -1]))  # 生成一维数组 重生为2行5列 5可以缺省
    
    lst = np.arange(1, 11).reshape([2, -1])
    print("指数", np.exp(lst))  # 指数操作
    print("平方", np.exp2(lst))  # 指数操作 2的指数幂
    print("开方", np.sqrt(lst))  # 指数操作 开方
    print("正弦函数", np.sin(lst))  # 三角函数
    print("对数", np.log(lst))  # 对数
    
    lst2 = np.array([[[1, 2, 3, 4], [4, 5, 6, 7]],
                     [[7, 8, 9, 10], [10, 11, 12, 13]],
                     [[14, 15, 16, 17], [18, 19, 20, 21]]
                     ])
    
    print(lst2.sum())  # 所有元素求和
    
    print(lst2.sum(axis=0))  # 指定维数求和
    # 对几维求和指定 axis 越大 越深入
    # [[1, 2, 3, 4], [4, 5, 6, 7]] + [[7, 8, 9, 10], [10, 11, 12, 13]]+[[14, 15, 16, 17], [18, 19, 20, 21]]
    # = [[22 25 28 31] [32 35 38 41]]
    print(lst2.sum(axis=1))
    # 对几维求和指定 axis 越大 越深入
    # [1, 2, 3, 4] + [4, 5, 6, 7], [7, 8, 9, 10]+ [10, 11, 12, 13], [14, 15, 16, 17]+ [18, 19, 20, 21]
    # =     [ 5  7  9 11]                [17 19 21 23]                       [32 34 36 38]
    print(lst2.sum(axis=2))
    
    print("max", lst2.max())  # 找出最大值
    print("min", lst2.min())  # 找出最小值

数组间操作：

lst3 = np.array([10, 20, 30, 40])
    lst4 = np.array([4, 3, 2, 1])
    print(lst3 + lst4)  # 直接进行数组的相加
    print(lst3 - lst4)  # 减法
    print(lst3 * lst4)  # 乘法
    print(lst3 / lst4)  # 除法
    print(lst3 ** 2)  # 平法

矩阵操作：

print("两矩阵点乘", np.dot(lst3.reshape([2, 2]), lst4.reshape([2, 2])))  # 变成矩阵进行 点乘
    print("追加", np.concatenate((lst3, lst4), axis=0))  # 追加 首尾追加
    print("上下拼接", np.vstack((lst3, lst4)))  # 矩阵上下拼接
    print("左右拼接", np.hstack((lst3, lst4)))  # 矩阵左右拼接
    print("拆分矩阵", np.split(lst3, 2))  # 分开 分成两个矩阵

矩阵运算操作：

print("3*3单位矩阵", np.eye(3))  # 3*3单位矩阵
    lst5 = np.array([[1, 2],
                     [3, 4]])
    print("逆", inv(lst5))  # 求矩阵的逆
    print("转置", lst5.transpose())  # 转置矩阵
    print("行列式", det(lst5))  # 求行列式
    print("特征值 特征向量", eig(lst5))  # 特征向量 打印出两个array 第一个是特征值  第二个是特征向量
    lst6 = np.array([[5], [7]])  #
    # [1]    [2]    [5]
    # [3]x + [4]y = [7]   x=-3,y=4
    print("解方程组", solve(lst5, lst6))  # 求解线性方程组

其他：

# 其他
    print("信号处理", np.fft.fft(np.array([1, 1, 1, 1, 1, 1, 1, 1])))  # 信号处理
    print("系数运算", np.corrcoef([1, 0, 1], [0, 2, 1]))  # 相关系数的运算
    print("生成一元多次函数", np.poly1d([2, 1, 3]))  # 生成一元多次函数 x^2+x+3 = 从0次幂升高

--------------------

总结：

*  np.array(lst) 转变为该模块数组
 *  np\_lst 的shape(规格)、ndim(维度)、dtype(数据类型)、itemsize(条目大小)、size(大小)
 *  np.zeros() 创建全0矩阵，np.ones()创建全1矩阵  括号内指定规格  例如：\[2,4\] 2行4列
 *  np.random.rand()创建随机数或随机矩阵,0-1之间的数。例如：np.random.rand(2,4) 2行4列 、np.random.rand() 一个随机数
 *  np.random.randint() 创建随机数或随机矩阵。例如：np.random.randint(1,10) 产生一个1-10之间的随机整数、np.random.randint(1,10,4)产生3个1-10之间的随机整数
 *  np.random.randn()创建正态分布随机数或矩阵。例如：np.random.randn() 产生1个随机数、np.random.randn(2,4)创建正态分布矩阵2行4列
 *  np.random.choice(array) 从array中随机选择一个数。array是一个可迭代对象
 *  np.random.beta()创建一个贝塔分布矩阵。例如：np.random.beta(1,10,100) 产生100个1-10之间的符合贝塔分布的随机数

--------------------

*  np.arange() 遍历创建一维数组。例如：np.arange(1-11)遍历创建一个1维数组，范围1-10之间的数。
 *  np.arange(a,b).reshape()将创建的一维数组，进行重塑。例如：np.arange(1,11).reshape(\[2,5\])将一维数组，重新生成一个2行5列的数组

--------------------

*  np.exp() 是返回e的n次方，e为2.71828。
 *  np.exp2() 是返回2的n次方。
 *  np.sqrt() 是返回开方。
 *  np.sin() 是返回正弦函数
 *  np.log() 是返回对数
 *

--------------------

*  lst.sum() 数组元素求和
 *  lst.sum(axis=n) 对于多维数组求和，n越大表示维度越大，越深入

--------------------

*  lst.max() 找到最大值
 *  lst.min() 找到最小值
 *  lst1=np.array(\[1,2,3\]),lst2=np.array(\[4,5,6\]) lst1与lst2可以直接进行：加法、减法、乘法、除法、平方等运算。
 *  np.dot(lst1,lst2) 两矩阵进行点乘
 *  np.concatenate((lst1,lst2),axis=0) 两矩阵首尾追加
 *  np.vstack((lst1,lst2)) 两矩阵上下拼接
 *  np.hstack((lst1,lst2)) 两矩阵左右拼接
 *  np.split(lst,2)  将矩阵分为2个矩阵

--------------------

*  np.eye(3) 生成3阶单位矩阵
 *  inv(lst) 其中lst为矩阵 求矩阵的逆
 *  lst.transpose() 求转置矩阵
 *  det(lst) 其中lst为行列式 求行列式
 *  eig(lst) 求特征值和特征向量
 *  solve(lst1,lst2) 求解线性方程组

--------------------

*   np.fft.fft(array) 信号处理
 *   np.corrcoef(array) 相关系数
 *  np.poly1d(array) 生成一元多次函数 从0次幂开始升高

--------------------

[20190419230158413.png]: /images/20220217/59edd73b6967495c84465f856ddaeb25.png
[http_www.numpy.org]: http://www.numpy.org/