from numpy import *
print(random.rand(4,4)) #4*4随机数组
randMat=mat(random.rand(4,4)) #mat()将数组转化为矩阵
print(randMat)
Numpy提供了两种基本的对象:
- ndarray (n-dimensional array object)数组
- ufunc (universal function object)是一种对数组进行处理的特殊函数
ndarray
1 import numpy as np
2 a=np.array([1,2,3,4])
3 b=np.array((5,6,7,8))
4 c=np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]])
5 print(a.shape) #获取数组的形状,返回一个元组 (4,)
6 print(c.shape) # (3,4)
7 c.shape=4,3 #通过shape属性可修改数组每个维度的长度
8 print(c)
9 c.shape=2,-1 #设置某个维度长度为-1,自动计算此维度的长度
10 print(c)
c=np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10]])
print(c.dtype) #获取数组元素类型 -->int32
af=np.array([1,2,3,4],dtype=float) #通过dtype在创建数组时指定元素类型
print(af.dtype) # -->float64
numpy中typeDict字典保存所有数值类型
使用astype()方法对数组元素进行类型转换:
1 t1=np.array([1,2,3,4],dtype=np.float)
2 t2=t1.astype(np.int32)
3 print(t1.dtype) #-->float64
4 print(t2.dtype) #-->int32
自动创建数组
1 t1=np.arange(0,1,0.1) #使用arange()创建等差数组
2 print(t1) # --> [ 0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9]
3 t2=np.linspace(0,1,10) #指定开始值0,终值1和元素个数10创建等差数组
4 t3=np.linspace(0,1,10,endpoint=False) #endpoint参数指定是否包含终值
t1=np.logspace(0,2,5) #创建等比数组,产品从10^0到10^2共5个元素
print(t1) # -->[ 1. 3.16227766 10. 31.6227766 100. ]
t=np.logspace(0,1,12,base=2,endpoint=False) #指定基数为2,不包含终值
print(t)
#[ 1. 1.05946309 1.12246205 1.18920712 1.25992105 1.33483985
# 1.41421356 1.49830708 1.58740105 1.68179283 1.78179744 1.88774863]
zeros(),ones(),empty()创建指定形状和类型的数组,其中empty()只分配数组所使用的内存,不对数组元素进行初始化操作。
1 t1=np.zeros(4,np.int)
2 print(t1) #--> [0 0 0 0]
3 t2=np.full(4,np.pi) #full()将数组元素初始化为指定的值
4 print(t2) #--> [ 3.14159265 3.14159265 3.14159265 3.14159265]
5 s='abcdefgh'
6 t3=np.fromstring(s,dtype=np.int8) #从字符串创建数组
7 print(t3) #-->[ 97 98 99 100 101 102 103 104]
可通过fromfunction()创建数组,第一个参数为计算每个数组元素的函数,第二个参数指定数组的形状
def func2(i,j):
return (i+1)*(j+1)
t1=np.fromfunction(func2,(9,9))
print(t1)
# [[ 1. 2. 3. 4. 5. 6. 7. 8. 9.]
# [ 2. 4. 6. 8. 10. 12. 14. 16. 18.]
# [ 3. 6. 9. 12. 15. 18. 21. 24. 27.]
# [ 4. 8. 12. 16. 20. 24. 28. 32. 36.]
# [ 5. 10. 15. 20. 25. 30. 35. 40. 45.]
# [ 6. 12. 18. 24. 30. 36. 42. 48. 54.]
# [ 7. 14. 21. 28. 35. 42. 49. 56. 63.]
# [ 8. 16. 24. 32. 40. 48. 56. 64. 72.]
# [ 9. 18. 27. 36. 45. 54. 63. 72. 81.]]
a=np.arange(10)
print(a) #[0 1 2 3 4 5 6 7 8 9]
print(a[2:-1:2]) #用切片获取数组一部分,step=2 -->[2 4 6 8]
与列表不同的是,通过切片获取的新的数组时原始数组的一个视图,它与原始数组共享同一块存储空间。
a=np.arange(10)
print(a) #[0 1 2 3 4 5 6 7 8 9]
b=a[3:7]
print(b) #-->[3 4 5 6]
b[2]=-10
print(b) #--> [ 3 4 -10 6]
print(a) #-->[ 0 1 2 3 4 -10 6 7 8 9]
使用整数列表对数组元素进行存取,将使用列表中的每个元素作为下标,得到的数组和原始数组不共享内存。
x=np.arange(10,1,-1)
print(x) #-->[10 9 8 7 6 5 4 3 2]
b=x[[3,3,-2,8]]
print(b) #-->[7 7 3 2]
b[2]=100
print(b) #-->[ 7 7 100 2]
print(x) #-->[[10 9 8 7 6 5 4 3 2]
NumPy使用元组作为下标:
二维数组
a=np.arange(0,60,10).reshape(-1,1)+np.arange(0,6)
print(a)
# [[ 0 1 2 3 4 5]
# [10 11 12 13 14 15]
# [20 21 22 23 24 25]
# [30 31 32 33 34 35]
# [40 41 42 43 44 45]
# [50 51 52 53 54 55]]
在多维数组中,可以使用整数元组或者列表。整数数组和布尔数组,当下标使用这些对象时,所获得的数据是原始数据的副本,因此修改数组不会改变原始数组。
数组内存结构
ufunc函数
ufunc是一种能对数组的每一元素进行计算的函数,NumPy的许多ufunc函数都是用C语言实现的,因此它的计算速度非常快。
逻辑运算函数logical_and(),logical_or(),logical_not(),logical_xor()
位运算函数bitwise_and(),bitwise_not(),bitwise_or(),bitwise_xor()
自定义ufunc函数:
def triangle_wave(x,c,c0,hc):
x=x-int(x) #三角波周期为1
if x>=c:
r=0.0
elif x<c0:
r=x/c0*hc
else:
r=(c-x)/(c-c0)*hc
return r
#通过frompyfunc()将计算单个值的函数转换为能对数组每个元素进行计算的ufunc函数
triangle_ufunc1=np.frompyfunc(triangle_wave,4,1)
x=np.linspace(0,2,10)
y2=triangle_ufunc1(x,0.6,0.4,1.0)
print(y2.dtype) #triangle_ufunc1()返回的数组元素类型为object
print(y2.astype(np.float).dtype) #使用astype()将元素类型转为float
使用vectorize()也可以实现frompyfunc()类似的功能,可通过otypes参数指定返回的数组的元素类型:
triangle_ufunc2=np.vectorize(triangle_wave,otypes=[np.float]) x=np.linspace(0,2,10) y2=triangle_ufunc2(x,0.6,0.4,1.0) print(y2)
广播
当使用ufunc函数对两个数组进行计算时,如果两个数组的shape不同,会进行广播处理。Numpy提供了ogrid对象,用于创建广播运算用的数组。
ogrid第三个参数为虚数时,它表示所返回的数组的长度。
x,y=np.ogrid[:1:4j,:1:3j]