numpy基础

import numpy as np#导入numpy库并配置一个别名np
#传统的python语法
def pysum():
    a=[0,1,2,3,4]
    b=[9,8,7,6,5]
    c=[]
    for i in range(len(a)):
        c.append(a[i]**2+b[i]**2)
    return c
print(pysum())

结果： [81, 65, 53, 45, 41]

#运用numpy的思想 对数组的运算是对数组中的每一个元素的运算
def npsum():
    a=np.array([0,1,2,3,4])
    b=np.array([9,8,7,6,5])
    c=a**2+b**2
    return c
print(pysum())

结果： [81, 65, 53, 45, 41]

numpy中ndarray数组的属性

变量.ndim	数组的行数
变量.shape	数组的维度和形状，即行数和列数构成的元组
变量.size	数组中元素的总个数
变量.dtype	数组中元素的数据类型
变量.itemsize	元素的字节大小

#np.array()函数创建数组对象
a=[4,56,567,4]
b=[23,54,6,78]
n=np.array([a,b])
print(n)

[[ 4 56 567 4] [ 23 54 6 78]]

#np.arange()函数创建数组  只能创建一维数组

ui=np.array([np.arange(9),np.arange(9,18)])
print(ui)

结果： [[ 0 1 2 3 4 5 6 7 8] [ 9 10 11 12 13 14 15 16 17]]

#np.ones()  np.zeros() np.full(shape,val) np.eye()
u2=np.ones((2,3,4))
print(u2)
print('------分割线------')
u3=np.zeros((3,3,3))
print(u3)

结果： [[[1. 1. 1. 1.] [1. 1. 1. 1.] [1. 1. 1. 1.]] [[1. 1. 1. 1.] [1. 1. 1. 1.] [1. 1. 1. 1.]]] ------分割线------ [[[0. 0. 0.] [0. 0. 0.] [0. 0. 0.]] [[0. 0. 0.] [0. 0. 0.] [0. 0. 0.]] [[0. 0. 0.] [0. 0. 0.] [0. 0. 0.]]]

u4=np.full((3,4),26)
print(u4)
print('------分割线------')
u5=np.eye(4)
print(u5)
print('------分割线------')
u6=np.concatenate([u4,u5])#将两个或者多个数组合并为一个新的数组
print(u6)

结果： [[26 26 26 26] [26 26 26 26] [26 26 26 26]] ------分割线------ [[1. 0. 0. 0.] [0. 1. 0. 0.] [0. 0. 1. 0.] [0. 0. 0. 1.]] ------分割线------ [[26. 26. 26. 26.] [26. 26. 26. 26.] [26. 26. 26. 26.] [ 1. 0. 0. 0.] [ 0. 1. 0. 0.] [ 0. 0. 1. 0.] [ 0. 0. 0. 1.]]

#ndarray数组的维度变换
u8=u6.reshape((2,14))
print(u8)
print('------分割线------')
print(u6)
print('------分割线------')
u9=u8.flatten()#对数组进行降维返回一维数组（不改变原数组）
print(u9)
print('------分割线------')
print(u8)

[[26. 26. 26. 26. 26. 26. 26. 26. 26. 26. 26. 26. 1. 0.] [ 0. 0. 0. 1. 0. 0. 0. 0. 1. 0. 0. 0. 0. 1.]] ------分割线------ [[26. 26. 26. 26.] [26. 26. 26. 26.] [26. 26. 26. 26.] [ 1. 0. 0. 0.] [ 0. 1. 0. 0.] [ 0. 0. 1. 0.] [ 0. 0. 0. 1.]] ------分割线------ [26. 26. 26. 26. 26. 26. 26. 26. 26. 26. 26. 26. 1. 0. 0. 0. 0. 1. 0. 0. 0. 0. 1. 0. 0. 0. 0. 1.] ------分割线------ [[26. 26. 26. 26. 26. 26. 26. 26. 26. 26. 26. 26. 1. 0.] [ 0. 0. 0. 1. 0. 0. 0. 0. 1. 0. 0. 0. 0. 1.]]

#数组的拷贝和转换 new_a=a1.astype()   new_2=a.tolist()
a1=np.array([np.arange(9),np.arange(51,60)])
print(a1)
a2=a1.tolist()
print(type(a2))
print(a2)

[[ 0 1 2 3 4 5 6 7 8] [51 52 53 54 55 56 57 58 59]] [[0, 1, 2, 3, 4, 5, 6, 7, 8], [51, 52, 53, 54, 55, 56, 57, 58, 59]]

#numpy数组的属性 n.ndim n.shape n.size n.dtype n.itemsize
print(n.ndim)
print(n.shape)
print(n.size)
print(n.dtype)

2 (2, 4) 8 int32

#数组的操作 即 ；索引和切片
#一维数组的索引与切片
a3=np.array([9,8,7,6,5])
print(a3[2])#索引
print(a3[1:4:2])#切片
print((a3[1:4:2]).tolist())

7 [8 6] [8, 6]

#多维数组的索引与切片
a4=np.arange(24).reshape((2,3,4))
print(a4)
print('------分割线------')
print(a4[0,1,2])#索引
print(a4[1,2,3])
print(a4[1,1,1])
print('------分割线------')
print(a4[0,1,:3])#切片
print(a4[:,1,1:3])

[[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]] ------分割线------ 6 23 17 ------分割线------ [4 5 6] [[ 5 6] [17 18]]

#数组的运算  一元函数
n=np.arange(24).reshape((2,3,4))
print(n)
print('------分割线------')
print(n*2)
print('------分割线------')
print(np.square(n))#计算数组各元素的平方值
print('------分割线------')
print(np.mean(n))#计算数组各元素的平均值
print('------分割线------')
print(np.abs(n))

[[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]] ------分割线------ [[[ 0 2 4 6] [ 8 10 12 14] [16 18 20 22]] [[24 26 28 30] [32 34 36 38] [40 42 44 46]]] ------分割线------ [[[ 0 1 4 9] [ 16 25 36 49] [ 64 81 100 121]] [[144 169 196 225] [256 289 324 361] [400 441 484 529]]] ------分割线------ 11.5 ------分割线------ [[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]]

#数组的运算二元函数
ji=np.arange(12).reshape(2,2,3)
ji2=np.sqrt(ji)
print(ji)
print(ji2)
print('------分割线------')
print(ji

[[[ 0 1 2] [ 3 4 5]] [[ 6 7 8] [ 9 10 11]]] [[[0. 1. 1.41421356] [1.73205081 2. 2.23606798]] [[2.44948974 2.64575131 2.82842712] [3. 3.16227766 3.31662479]]] ------分割线------ [[[False False False] [False False False]] [[False False False] [False False False]]]

#csv文件的存储
a9=np.arange(24).reshape(4,6)
np.savetxt("C:\\Users\86666\Desktop\python文件处理\9.csv",a9,fmt='%d',delimiter=',')
print('写入成功')
#csv文件的读取
wenjian=np.loadtxt('C:\\Users\86666\Desktop\python文件处理\9.csv',dtype=np.int32,delimiter=',')
print(wenjian)

结果：  写入成功 [[ 0 1 2 3 4 5] [ 6 7 8 9 10 11] [12 13 14 15 16 17] [18 19 20 21 22 23]]

#多维数组的储存
hu=np.arange(36).reshape(2,3,6)
hu.tofile('C:\\Users\86666\Desktop\python文件处理\qw.dat',sep=',',format='%d')
print('写入成功')
#多维数组的读取
shu=np.fromfile('C:\\Users\86666\Desktop\python文件处理\qw.dat',dtype=int,sep=',').reshape(hu.shape)
print(shu)

结果： 写入成功 [[[ 0 1 2 3 4 5] [ 6 7 8 9 10 11] [12 13 14 15 16 17]] [[18 19 20 21 22 23] [24 25 26 27 28 29] [30 31 32 33 34 35]]]

#numpy数组便捷的读取方法
u=np.arange(12).reshape(2,6)
print(u)
#保存 np.save()
np.save('C:\\Users\86666\Desktop\python文件处理\wenjian.npy',u)
print('保存成功')

[[ 0 1 2 3 4 5] [ 6 7 8 9 10 11]] 保存成功

#读取
ji3=np.load('C:\\Users\86666\Desktop\python文件处理\wenjian.npy')
print(ji3)

[[ 0 1 2 3 4 5] [ 6 7 8 9 10 11]]