数组计算模块NumPy

NumPy是Python数组计算、矩阵运算和科学计算的核心库。

• 提供了高性能的数组对象
• 提供了大量的函数和方法
• NumPy使用机器学习中的操作变得简单
• NumPy是通过C语言实现的

NumPy的安装  pip install numpy 

数组的分类

• 一维数组 跟Python列表的形状一样，区别在于数组的切片是针对原始数组
• 二维数组 以数组作为数组元素，二维数组包括行和列，类似于表格，又称为矩阵 
• 三维数组（多维数组） 为数为三的数组元素，也称矩阵列表

轴的概念  ：轴是NumPy模块里的axis，指定某个axis就是沿着axis做相关操作 

创建简单的数组

numpy.array(object,dtype=None,copy=True,ndmin=0)

不同方式创建数组

• 创建指定维度和数据类型未初始化的数组  np.empty()
• 创建指定维度以0填充的数组  np.zeros()
• 创建指定维度以1填充的数组  np.ones()
• 创建指定维度和类型的数组并以指定值填充  np.full()

从数值范围创建数组 

• 通过数值范围创建数组 arange(start,stop,step,dtype=None)
• 使用linspace函数创建等差数列linspace(start,stop,num=50,endpoint=True,retstep=False,dtype=None)
• 使用logspace函数创建等比数列 logspace(start,stop,num=50,endpoint=True,base=10.0,dtype=None)

生成随机数组 

• 生成(0,1)之间的随机数组        np.random.rand()
• 随机生成满足正态分布的数组 np.random.randn()
• 生成一定范围内的随机数组     np.random.randint()
• 生成正态分布的随机数组         np.random.normal()

Numpy的数据类型比Python数据类型增加了更多种类的数值类型，为了区别于Python的数据类型，像bool、int、float等数据类型的名称末尾都加了 “_”

索引

• 用于标记数组当中对应元素的唯一数字，从0开始
• 索引的区间范围   [0~N-1]
• 索引的使用语法   obj[index]

切片式索引 

• 语法结构  [start:stop:step]
• start:起始索引
• stop:终止索引
• step:步长

二维数组索引 语法格式   array[n,m]

二维数组的切片式索引

数组重塑

• 数组重塑是更改数组的形状
• 使用reshape方法，用于改变数组的形状     
• 重塑后数组所包含的元素个数必须与原数组的元素个数相同，元素发生变化，程序就会报错    

数组转置

• 数组的行列转换
• 通过数组的T属性和transpose方法实现 

数组的增加

• 水平方向增加数据 hstack()函数
• 垂直方向增加数据 vstack()函数 

数组的删除

• 使用delete()函数 

矩阵 矩阵是数学的概念，而数组是计算机程序设计领域的概念。在NumPy中，矩阵是数组的分支，二维数组也称为矩阵 。

创建矩阵    numpy.mat()函数

矩阵运算    可以对矩阵进行加、减、乘、除运算 

矩阵的乘法运算

import numpy as np

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

# 使用numpy.dot()函数进行矩阵乘法
C = np.dot(A, B)
print(C)

# 使用@运算符进行矩阵乘法
D = A @ B
print(D)


#
[[19 22]
 [43 50]]
[[19 22]
 [43 50]]

数组的排序  

对数组元素进行排序

• sort():直接改变原数组，参数axis指定按行排序还是按列排序
• argsort():返加升序之后的数组值为从小到大的索引值
• lexsort():用于对多个序列进行排序 

NumPy常用分析函数