python中的numpy模块
qingheluo2021-09-28清河洛327
NumPy(Numerical Python)是Python语言的一个扩展程序库，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。使用pip install numpy即可完成安装NumPy数据类型numpy支持的数据类型比Python内置的类型要多很多，基本上可以和C语言的数据类型对应上bool_ 布尔型数据类型（True 或者 False）
int_ 默认的整数类型（类似于 C 语言中的 long，int32 或 int64）
intc 与 C 的 int 类型一样，一般是 int32 或 int 64
intp ...
NumPy(Numerical Python)是Python语言的一个扩展程序库，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。
使用pip install numpy即可完成安装
NumPy数据类型
numpy支持的数据类型比Python内置的类型要多很多，基本上可以和C语言的数据类型对应上
bool_ 布尔型数据类型（True 或者 False） int_ 默认的整数类型（类似于 C 语言中的 long，int32 或 int64） intc 与 C 的 int 类型一样，一般是 int32 或 int 64 intp 用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64） int8 字节（-128 to 127） int16 整数（-32768 to 32767） int32 整数（-2147483648 to 2147483647） int64 整数（-9223372036854775808 to 9223372036854775807） uint8 无符号整数（0 to 255） uint16 无符号整数（0 to 65535） uint32 无符号整数（0 to 4294967295） uint64 无符号整数（0 to 18446744073709551615） float_ float64 类型的简写 float16 半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位 float32 单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位 float64 双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位 complex_ complex128 类型的简写，即 128 位复数 complex64 复数，表示双 32 位浮点数（实数部分和虚数部分） complex128 复数，表示双 64 位浮点数（实数部分和虚数部分）
Ndarray数组
NumPy最重要的一个特点是其N维数组对象ndarray
ndarray数组是用于存放同类型元素的多维数组，每个元素在内存中都有相同存储大小的区域
创建Ndarray数组
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
object 数组或嵌套的数列
dtype 数组元素的数据类型，可选
copy 对象是否需要复制，可选
order 创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）
subok 默认返回一个与基类类型一致的数组
ndmin 指定生成数组的最小维度
numpy.asarray(a, dtype = None, order = None)
类似 numpy.array，但numpy.asarray参数只有三个
numpy.empty(shape, dtype = float, order = ‘C‘)
创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组
数组元素全部为随机值
shape 数组形状
dtype 数据类型，可选
order 在计算机内存中的存储元素的顺序，有"C"和"F"两个选项,分别代表行优先和列优先
numpy.zeros(shape, dtype = float, order = ‘C‘)
创建指定大小的数组，数组元素以 0 来填充
numpy.ones(shape, dtype = None, order = ‘C‘)
创建指定形状的数组，数组元素以 1 来填充
numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)
接受 buffer 输入参数，以流的形式读入转化成 ndarray 对象，用于实现动态数组
buffer 可以是任意对象，会以流的形式读入
count 读取的数据数量，默认为-1，读取所有数据
offset 读取的起始位置，默认为0
numpy.fromiter(iterable, dtype, count=-1)
从可迭代对象中建立ndarray对象，返回一维数组
count 读取的数据数量，默认为-1，读取所有数据
numpy.arange(start=0, stop, step=1, dtype)
start与stop(不包含)指定的范围以及step设定的步长，生成一个ndarray
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
用于创建一个一维数组，数组是一个等差数列构成的
num要生成的等步长的样本数量，默认为50
endpoint为true时，数列中包含stop值，默认是True
retstep如果为True时，生成的数组中会显示间距，反之不显示
numpy.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
用于创建一个于等比数列
base对数log的底数
数组的切片
内置slice(start=0, stop , step=1)函数，从原数组中切割出一个新数组
中括号[start:stop:step]
切片还可以包括三个点(...)，来使选择元组的长度与数组的维度相同
a[...,1] # 第2列元素
a[1,...] # 第2行元素
a[...,1:] # 第2列及剩下的所有元素
数组的遍历
flat属性返回一个数组元素迭代器
for x in arr.flat:print(x)
#按照数组在内存中的布局逐行遍历
nditer(ndarray,order=None,op_flags=‘readonly‘)函数用于遍历数组中的元素
order可选值‘C‘(逐行遍历)或‘F‘(逐列遍历)，默认按照数组在内存中的布局逐行遍历
op_flags表示遍历对象的读写权限，可选值‘readonly‘，‘writeonly‘，‘readwrite‘
for x in numpy.nditer(ndarray):print(x)
#逐行打印所有元素
for x in numpy.nditer(ndarray,order=‘F‘):print(x)
for x in numpy.nditer(ndarray.T,order=‘C‘):print(x)
#以上两种方式都可以实现逐列打印所有元素
#由于ndarray.T仅返回一个转置后的拷贝，对应的数组在内存中的布局并未改变，所以此时必须指定order=‘C‘
for x in np.nditer(a, op_flags=[‘readwrite‘]):x[...]=2*x
#将数组中多有元素的值修改为之前的2倍
Ndarray数组的属性和方法
numpy.transpose(arr) ：转置数组，功能和ndarray.T属性相同
ndarray.T 转置数组，即把行和列调换，返回置换后的数组，不影响原数组
ndarray.ndim 秩，即轴的数量或维度的数量
ndarray.shape 数组的维度，表示各维度大小的元组
ndarray.size 数组元素的总个数
ndarray.dtype ndarray中的元素类型
ndarray.item(x,y[,z])：获取指定的元素值
ndarray.itemset((x,y[,z]),value)：修改指定元素的值
ndarray.itemsize 每个元素的大小，以字节为单位
ndarray.flags ndarray对象的内存信息
C_CONTIGUOUS (C) 数据是在一个单一的C风格的连续段中
F_CONTIGUOUS (F) 数据是在一个单一的Fortran风格的连续段中
OWNDATA (O) 数组拥有它所使用的内存或从另一个对象中借用它
WRITEABLE (W) 数据区域可以被写入，将该值设置为 False，则数据为只读
ALIGNED (A) 数据和所有元素都适当地对齐到硬件上
UPDATEIFCOPY (U) 这个数组是其它数组的一个副本，当这个数组被释放时，原数组的内容将被更新
ndarray.real ndarray元素的实部
ndarray.imag ndarray 元素的虚部
ndarray.data 包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。
ndarray.reshape(newshape, order=‘C)：不改变数据的条件下将ndarray数组中的所有元素重新组合成指定的维度
返回的是非拷贝副本
如果更改了其中一个值，那么原ndarray数组中对应的元素值也会改变
order的值‘C‘按行，‘F‘按列，‘A‘原顺序，‘K‘元素在内存中的出现顺序
ndarray.flatten(order=‘C‘) ：返回一份数组拷贝，对拷贝所做的修改不会影响原始数组
ndarray.ravel(order=‘C‘) ：展开的数组元素，转变为一维数组