1. 簡介

NumPy(Numerical Python) 是 Python 語言的一個擴充套件程式庫，支援大量的維度陣列與矩陣運算，此外也針對陣列運算提供大量的數學函式庫。最主要的資料結構是ndarray陣列。

NumPy 通常與 SciPy（Scientific Python）和 Matplotlib（繪相簿）一起使用， 這種組合廣泛用於替代 MatLab。
SciPy 是一個開源的 Python 演算法庫和數學工具包。SciPy 包含的模組有最優化、線性代數、積分、插值、特殊函式、快速傅立葉變換、訊號處理和影象處理、常微分方程求解和其他科學與工程中常用的計算。
Matplotlib 是 Python 程式語言及其數值數學擴充套件包 NumPy 的視覺化操作介面。

2. 建立

建立一維陣列
（1）直接建立：np.array([1,2,3,4,5,6])
（2）從python的list中建立：np.array(list([1,6]))

建立常量值的一維資料
（1）建立以0為常量值：np.zeros(n,dytpe=float/int)
（2）建立以1為常量值：np.ones(n)
（3）建立一個空陣列：np.empty(4)

建立一個元素遞增的陣列
（1）從0開始增長的遞增陣列：np.arange(8)
（2）給定區間，自定義步長：np.arange(0,1,0.2)
（3）給定區間，自定義個數：np.linspace(-1,50)

建立多維陣列：建立單維陣列，再新增進多維陣列

# 陣列的結構一定是np.array([]) 無論陣列中間存放的是多少“層”資料
# 二維陣列相當於存放的是“兩層”陣列而已
arr1=np.array(list([1,5]))
arr2=np.array([arr1,[1,0]])  # 2*5的兩維陣列
arr3=np.array(list([[0,1],0],[2,6]])) # 3*5的兩維陣列

arrx=np.array([arr1,list([1,5],0])]) # 報錯
arry=np.array([list([[ 1,7,11],6]]),5]]) # 報錯

建立常量值的(n*m)維資料
（1）建立以0為常量值：np.zeros((n*m),dytpe=float/int)

建立隨機數字的陣列

生成隨機數種子：

（1）np.random.seed()
（2）np.random.RandomState()

生成隨機數：

	函式	取值	說明
1	np.random.rand(d0,d1,…,dn)	[0,1)	根據給定維度生成陣列，服從均勻分佈
2	np.random.randint(low,high=None,size=None,dtype='l')	[0,low)或者[low,high)	根據size生成離散均勻分佈的整數值
3	np.random.randn(d0,dn)		根據給定維度生成陣列，服從標準正態分佈
4	np.random.random_sample(size=None)	[0,1)	根據給定維度生成隨機浮點數
5	np.random.random(size=None)	[0,1)	根據給定維度生成隨機浮點數
6	np.random.ranf(size=None)	[0,1)	根據給定維度生成隨機浮點數
7	np.random.sample(size=None)	[0,1)	根據給定維度生成隨機浮點數

生成有分佈規律的隨機陣列
（1）二項分佈：np.random.binomial(n,p,size)
（2）正態分佈：np.random.normal(loc,scale,size)

將csv檔案轉化成陣列或陣列

使用 np.genfromtxt( ‘csv檔名'，delimiter = ‘檔案中的分割符' )函式將檔案轉化成陣列

 csv_array = np.genfromtxt('sample.csv',delimiter=',')
 print(csv_array)

3. 陣列的變形

生成陣列／矩陣轉置的函式，即行列數字交換，使用.T

a = np.array([[32,15,6,9,14],[12,10,23,16,13,40,37]])
print(a.T)

-------------------
# 結果如下
[[32 12 2]
 [15 10 16]
 [ 6 5 13]
 [ 9 23 40]
 [14 1 37]]

改變陣列的形狀：

（1）arr.resize(n,m) ：arr.resize(n,m)函式是原地修改陣列，要求：元素的個數必須一致

a=np.arange(8)
a.resize(2,4)
print(a)

---------------------------
[[0 1 2 3]
 [4 5 6 7]]

（2）arr.reshape(n,m)：如果某一個維度的引數為-1，則表示元素總個數會遷就另一個維度來計算

a=np.arange(8).reshape(-1,1)
print(a)

-----------------
[[0]
 [1]
 [2]
 [3]
 [4]
 [5]
 [6]
 [7]]

將一維升至二維：np.newaxis

np.newaxis實際上是直接增加維度的意思，我們一般不會給陣列增加太多維度，這裡以一維增加到二維為例：

（1）增加行維度：arr[np.newaxis,:]
（2）增加列維度：arr[:,np.newaxis]

a=np.arange(8)

a  # array([0,7])
a.shape  # (8,)
a[np.newaxis,:] # array([[0,7]])
a.shape  # (8,)
a[:,np.newaxis] # array([[0],[1],[2],[3],[4],[5],[6],[7]])
a.shape  # (8,)

降維：arr.ravel()

arr.ravel()函式在降維時：預設是行序優先生成新陣列（就是一行行讀）；如果傳入引數“F”則是列序降維生成新陣列

a=np.array([[1,2],[3,4]])
a.ravel() 
a.ravel('F') 

----------------------------
# 結果 array([1,4])
# 結果 array([1,4])

4. 計算

對陣列進行計算操作

（1）對元素進行加減計算

a=np.arange(8).reshape(2,4) # array([[0,3],[4,7]])
b=np.random.randint(8,size=(2,4)) # array([[1,6]])
a+b
a-b

----------------------------
# a+b和a-b結果分別是：
array([[ 1,6],[ 8,13]])
array([[-1,-1,-3,[ 0,1]])

（2）乘法：平方／矩陣中元素相乘

a=np.arange(8).reshape(2,6]])
a**2
a*b

-----------------------
# a矩陣平方／a*b矩陣中元素相乘結果分別：
array([[ 0,9],[16,25,36,49]])
array([[ 0,42]]) 

（3）矩陣*矩陣：

# 要求a矩陣的行要等於b矩陣的列數；且a矩陣的列等於b矩陣的行數
a=np.arange(8).reshape(2,size=(4,2)) # array([[3,[5,[6,7]])
c1 = np.dot(a,b)
c2 = a.dot(b)

----------------------
# ab矩陣相乘的結果：c1=c2 
array([[ 31,36],[ 99,100]])

（4）邏輯計算

【注】列表是無法作為一個整體對其中的各個元素進行邏輯判斷的！

# 結果返回：一個數組，其中每個元素根據邏輯判斷的布林型別的結果
a > 3 
-----------------------------
# 結果如下：
array([[False,False,False],[ True,True,True]])

5. 取值

獲取一維陣列中的某個元素：操作和list列表的index一樣

a = np.array([5,11])

a[0] # 結果為 5
a[:4] # 結果為 從頭開始到索引為4結束
a[2:] # 結果為 從索引為2的開始到結尾
a[::2] # 結果為 從頭開始到結尾，每2個取一個值

獲取多維陣列的某個元素，某行或列值

a = np.array([[32,37]])

a[2,1]  # 結果是一個元素 16
a[2][1]  # 結果是一個元素 16
a[1]  # 第2行 array([12,1])
a[：，2]  # 取出全部行，第2列 [15,16]
a[1:3,:] # 取出[1，3)行，全部列
a[1,1:]  # array([10,1])

獲取滿足邏輯運算的

# 需要注意的是，我們資料進行邏輯計算操作得到的仍然是一個數組
# 如果我們想要的是一個過濾後的陣列，就需要將"邏輯判斷"傳入陣列中
a = np.array([[32,37]])

a[a > 3]
a[(a > 3) | (a < 2)] 

------------------------------
# 結果分別是：
array([32,14,12,37])
array([32,37])

遍歷：結果是按行輸出

a = np.array([[32,37]])
for x in a:
 print(x)

--------------------
[32 15 6 9 14]
[12 10 5 23 1]
[ 2 16 13 40 37]

6. 複製／分割／合併

複製：arr.cope()

分割：

（1）等分：np.split(arr,n,axis=0/1)（即行數或列數可以整除n時才可以）
（2）不等分：np.array_split(arr,n) 預設按行分n份

a = np.array([[32,21],10],37,8]])
    
# 可以看到a矩陣是(3*6)，所以使用np.split()只能嘗試行分成3份；或者列分成2/3/6份 
np.split(a,axis=0) 
np.split(a,axis=1)

np.array_split(a,2)
np.array_split(a,axis=1)

-------------------------------------------
[array([[32,21]]),array([[12,10]]),array([[ 2,8]])]
 
[array([[32,15],[ 2,16]]),array([[ 6,[ 5,23],[13,40]]),array([[14,[ 1,[37,8]])]
  
[array([[32,array([[14],[ 1],[37]]),array([[21],[10],[ 8]])] 

合併：np.concatenate((arr1,arr2,arr3),axis=0/1) 預設接在資料下面

a=np.random.rand(2,3)
b=np.random.randint(1,3))

np.concatenate((a,b,a))  # 接在下面
np.concatenate((a,a),axis=1) # 接在後面

------------------------
array([[0.95912866,0.81396527,0.809493 ],[0.4539276,0.24173315,0.63931439],[0.,0.,0.  ],[0.95912866,0.63931439]])

​array([[0.95912866,0.809493,0.95912866,0.63931439,0.4539276,0.63931439]])

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援我們。