python科学计算包 numpy是pandas、SciPy、sklearn等模块的必需模块，pandas、SciPy和sklearn模块都是在numpy模块的基础上封装的，由此可见numpy的作用是很大的。
numpy在后期数据科学方面的学习上会经常性用到的，特别是算法模型这一大块，要将数据转换成不同维度的数组以便符合算法模型的需求。
本文是总结性文章，适合学过、还没学过的读者朋友阅读。下面从numpy基础操作讲起，后续将持续更新.....
安装：
pip install numpy
导入模块
import numpy as np
1、创建数组
# 一维数组 np.array([1, 2, 3, 4])
array([1, 2, 3, 4])
# 二维数组，指定数据类型为浮点型 np.array([(1.5, 2, 3), (4, 5, 6)], dtype=float)
array([[ 1.5, 2. , 3. ],
[ 4. , 5. , 6. ]])
# 三维数组 np.array([[(1.5, 2, 3), (4, 5, 6), (3, 2, 1), (4, 5, 6)]], dtype = float)
array([[[ 1.5, 2. , 3. ],
[ 4. , 5. , 6. ],
[ 3. , 2. , 1. ],
[ 4. , 5. , 6. ]]])
2、初始化占位符
# 1、创建值为 0 的数组, np.zeros((rows, columns)) np.zeros((3, 4))
array([[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.]])
# 2、创建值为 1 数组 # np.ones((多少个数组，rows，columns)) np.ones((2, 3, 4), dtype=np.int16)
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]]], dtype=int16)
# 3、创建均匀间隔的数组（步进值，类似于等差数列） # np.arange(start, end, 等差值) np.arange(10, 25, 2)
array([10, 12, 14, 16, 18, 20, 22, 24])
# 4、创建均匀间隔的数组（样本值） # np.linspace(允许的最小值，允许的最大值，生成样本值的个数) np.linspace(0, 2, 9)
array([ 0. , 0.25, 0.5 , 0.75, 1. , 1.25, 1.5 , 1.75, 2. ])
# 5、创建常数数组 # np.full((rows, columns), 指定的常数值) np.full((3, 6), 5)
array([[5, 5, 5, 5, 5, 5],
[5, 5, 5, 5, 5, 5],
[5, 5, 5, 5, 5, 5]])
# 6、创建 3 x 3 单位矩阵 np.eye(3)
array([[ 1., 0., 0.],
[ 0., 1., 0.],
[ 0., 0., 1.]])
# 7、创建随机值的数组 # np.random.random((rows, columns)) np.random.random((2, 2))
array([[ 0.23610365, 0.55253555],
[ 0.6943377 , 0.05858759]])
3、输入输出
1、输出
# 语法：np.save(fileName, 需要保存的数组) np.save('../data/my_array', [b, a]) # 保存多个要用 () 或者 [] 括起来 np.savez('../data/my_array.npz', a, b) np.savetxt('../data/my_array.txt', b, delimiter=" ") np.savetxt('../data/my_array.csv', b, delimiter=",")
2、输入
np.load('../data/my_array.npy') np.loadtxt('../data/my_array.txt') np.genfromtxt('../data/my_array.csv', delimiter=' ')
4、数据类型
1、带符号的64位整数
np.int64
# 指定创建的"步进值"数组为整数 np.arange(1, 20, 4, dtype=np.int64)
array([ 1, 5, 9, 13, 17], dtype=int64)
2、标准双精度浮点数
np.float32
# 创建均匀的样本值 np.linspace(1, 6, 5, dtype=np.float32)
array([ 1. , 2.25, 3.5 , 4.75, 6. ], dtype=float32)
3、显示为128位浮点数的复数
np.complex
4、布尔值：True值和False值
np.bool
5、Python 对象
# 创建 4 x 4 矩阵，指定类型为 python 对象 np.object np.eye(4, dtype=np.object)
array([[1, 0, 0, 0],
[0, 1, 0, 0],
[0, 0, 1, 0],
[0, 0, 0, 1]], dtype=object)
6、固定长度字符串
# 创建常数数组，指定类型为字符串 np.string_ np.full((3, 4), 4, dtype=np.string_)
array([[b'4', b'4', b'4', b'4'],
[b'4', b'4', b'4', b'4'],
[b'4', b'4', b'4', b'4']],
dtype='|S1')
5、数组信息
test = np.array([[1, 15, 10, 2], [2, 5, 9, 1], [6, 2, 5, 4]]) test
array([[ 1, 15, 10, 2],
[ 2, 5, 9, 1],
[ 6, 2, 5, 4]])
1、数组形状，几行几列
# 查看整体形状，查看行的形状，查看列的形状 a, b, c= test.shape, test.shape[0], test.shape[1] a, b, c
((3, 4), 3, 4)
2、数组长度
len(test) # 也相当求行的数量
3
3、几维数组
test.ndim
2
4、数组有多少个元素
test.size
12
5、数据类型
test.dtype
dtype('int32')
6、数据类型的名字
test.dtype.name
'int32'
7、数据类型转换
test.astype(float)
array([[ 1., 15., 10., 2.],
[ 2., 5., 9., 1.],
[ 6., 2., 5., 4.]])
6、查看某个函数怎么使用，有哪些参数
np.info(np.linspace)
End-----------
推荐往期文章如下：