Numpy的常用方法

NumPy是用Python进行科学计算的基本软件包。它包含以下内容：

一个强大的N维数组对象
复杂的（广播）功能
用于集成C / C ++和Fortran代码的工具
有用的线性代数，傅里叶变换和随机数能力

除了明显的科学用途外，NumPy还可以用作通用数据的高效多维容器。任意的数据类型可以被定义。这使得NumPy能够与各种各样的数据库无缝，快速地整合。

Numpy官网： http://www.numpy.org/

NumPy函数和属性：

NumPy类型

类型	类型代码	说明
int8、uint8	i1、u1	有符号和无符号8位整型（1字节）
int16、uint16	i2、u2	有符号和无符号16位整型（2字节）
int32、uint32	i4、u4	有符号和无符号32位整型（4字节）
int64、uint64	i8、u8	有符号和无符号64位整型（8字节）
float16	f2	半精度浮点数
float32	f4、f	单精度浮点数
float64	f8、d	双精度浮点数
float128	f16、g	扩展精度浮点数
complex64	c8	分别用两个32位表示的复数
complex128	c16	分别用两个64位表示的复数
complex256	c32	分别用两个128位表示的复数
bool	?	布尔型
object	O	python对象
string	Sn	固定长度字符串，每个字符1字节，如S10
unicode	Un	固定长度Unicode，字节数由系统决定，如U10

Numpy常用函数

生成函数	作用
np.array( x) np.array( x, dtype)	将输入数据转化为一个ndarray 将输入数据转化为一个类型为type的ndarray
np.asarray( array )	将输入数据转化为一个新的（copy）ndarray
np.ones( N ) np.ones( N, dtype) np.ones_like( ndarray )	生成一个N长度的一维全一ndarray 生成一个N长度类型是dtype的一维全一ndarray 生成一个形状与参数相同的全一ndarray
np.zeros( N) np.zeros( N, dtype) np.zeros_like(ndarray)	生成一个N长度的一维全零ndarray 生成一个N长度类型位dtype的一维全零ndarray 类似np.ones_like( ndarray )
np.empty( N ) np.empty( N, dtype) np.empty(ndarray)	生成一个N长度的未初始化一维ndarray 生成一个N长度类型是dtype的未初始化一维ndarray 类似np.ones_like( ndarray )
np.eye( N ) np.identity( N )	创建一个N * N的单位矩阵（对角线为1，其余为0）
np.arange( num) np.arange( begin, end) np.arange( begin, end, step)	生成一个从0到num-1步数为1的一维ndarray 生成一个从begin到end-1步数为1的一维ndarray 生成一个从begin到end-step的步数为step的一维ndarray
np.mershgrid(ndarray, ndarray,...)	生成一个ndarray * ndarray * ...的多维ndarray
np.where(cond, ndarray1, ndarray2)	根据条件cond，选取ndarray1或者ndarray2，返回一个新的ndarray
np.in1d(ndarray, [x,y,...])	检查ndarray中的元素是否等于[x,y,...]中的一个，返回bool数组

矩阵函数	说明
np.diag( ndarray) np.diag( [x,y,...])	以一维数组的形式返回方阵的对角线（或非对角线）元素将一维数组转化为方阵（非对角线元素为0）
np.dot(ndarray, ndarray)	矩阵乘法
np.trace( ndarray)	计算对角线元素的和


排序函数	说明
np.sort( ndarray)	排序，返回副本
np.unique(ndarray)	返回ndarray中的元素，排除重复元素之后，并进行排序
np.intersect1d( ndarray1, ndarray2) np.union1d( ndarray1, ndarray2) np.setdiff1d( ndarray1, ndarray2) np.setxor1d( ndarray1, ndarray2)	返回二者的交集并排序。返回二者的并集并排序。返回二者的差。返回二者的对称差

一元计算函数	说明
np.abs(ndarray) np.fabs(ndarray)	计算绝对值计算绝对值（非复数）
np.mean(ndarray)	求平均值
np.sqrt(ndarray)	计算x^0.5
np.square(ndarray)	计算x^2
np.exp(ndarray)	计算e^x
log、log10、log2、log1p	计算自然对数、底为10的log、底为2的log、底为(1+x)的log
np.sign(ndarray)	计算正负号：1（正）、0（0）、-1（负）
np.ceil(ndarray) np.floor(ndarray) np.rint(ndarray)	计算大于等于改值的最小整数计算小于等于该值的最大整数四舍五入到最近的整数，保留dtype
np.modf(ndarray)	将数组的小数和整数部分以两个独立的数组方式返回
np.isnan(ndarray)	返回一个判断是否是NaN的bool型数组
np.isfinite(ndarray) np.isinf(ndarray)	返回一个判断是否是有穷（非inf，非NaN）的bool型数组返回一个判断是否是无穷的bool型数组
cos、cosh、sin、sinh、tan、tanh	普通型和双曲型三角函数
arccos、arccosh、arcsin、arcsinh、arctan、arctanh	反三角函数和双曲型反三角函数
np.logical_not(ndarray)	计算各元素not x的真值，相当于-ndarray
多元计算函数	说明
np.add(ndarray, ndarray) np.subtract(ndarray, ndarray) np.multiply(ndarray, ndarray) np.divide(ndarray, ndarray) np.floor_divide(ndarray, ndarray) np.power(ndarray, ndarray) np.mod(ndarray, ndarray)	相加相减乘法除法圆整除法（丢弃余数）次方求模
np.maximum(ndarray, ndarray) np.fmax(ndarray, ndarray) np.minimun(ndarray, ndarray) np.fmin(ndarray, ndarray)	求最大值求最大值（忽略NaN）求最小值求最小值（忽略NaN）
np.copysign(ndarray, ndarray)	将参数2中的符号赋予参数1
np.greater(ndarray, ndarray) np.greater_equal(ndarray, ndarray) np.less(ndarray, ndarray) np.less_equal(ndarray, ndarray) np.equal(ndarray, ndarray) np.not_equal(ndarray, ndarray)	> >= < <= == !=
logical_and(ndarray, ndarray) logical_or(ndarray, ndarray) logical_xor(ndarray, ndarray)	& \| ^
np.dot( ndarray, ndarray)	计算两个ndarray的矩阵内积
np.ix_([x,y,m,n],...)	生成一个索引器，用于Fancy indexing(花式索引)

文件读写	说明
np.save(string, ndarray)	将ndarray保存到文件名为 [string].npy 的文件中（无压缩）
np.savez(string, ndarray1, ndarray2, ...)	将所有的ndarray压缩保存到文件名为[string].npy的文件中
np.savetxt(sring, ndarray, fmt, newline='\n')	将ndarray写入文件，格式为fmt
np.load(string)	读取文件名string的文件内容并转化为ndarray对象（或字典对象）
np.loadtxt(string, delimiter)	读取文件名string的文件内容，以delimiter为分隔符转化为ndarray

NumPy.ndarray函数和属性：

ndarray属性

ndarray.ndim	获取ndarray的维数
ndarray.shape	获取ndarray各个维度的长度
ndarray.dtype	获取ndarray中元素的数据类型
ndarray.T	简单转置矩阵ndarray

ndarray函数

函数	说明
ndarray.astype(dtype)	转换类型，若转换失败则会出现TypeError
ndarray.copy()	复制一份ndarray(新的内存空间)
ndarray.reshape((N,M,...))	将ndarray转化为NM...的多维ndarray（非copy）
ndarray.transpose((xIndex,yIndex,...))	根据维索引xIndex,yIndex...进行矩阵转置，依赖于shape，不能用于一维矩阵（非copy）
ndarray.swapaxes(xIndex,yIndex)	交换维度（非copy）

计算函数	说明
ndarray.mean( axis=0 )	求平均值
ndarray.sum( axis= 0)	求和
ndarray.cumsum( axis=0) ndarray.cumprod( axis=0)	累加累乘
ndarray.std() ndarray.var()	方差标准差
ndarray.max() ndarray.min()	最大值最小值
ndarray.argmax() ndarray.argmin()	最大值索引最小值索引
ndarray.any() ndarray.all()	是否至少有一个True 是否全部为True
ndarray.dot( ndarray)	计算矩阵内积
排序函数	说明
ndarray.sort(axis=0)	排序，返回源数据

ndarray索引/切片方式

ndarray[n]	选取第n+1个元素
ndarray[n:m]	选取第n+1到第m个元素
ndarray[:]	选取全部元素
ndarray[n:]	选取第n+1到最后一个元素
ndarray[:n]	选取第0到第n个元素
ndarray[ bool_ndarray ] 注：bool_ndarray表示bool类型的ndarray	选取为true的元素
ndarray[[x,y,m,n]]...	选取顺序和序列为x、y、m、n的ndarray
ndarray[n,m] ndarray[n][m]	选取第n+1行第m+1个元素
ndarray[n,m,...] ndarray[n][m]....	选取n行n列....的元素

NumPy.random函数和属性：

random常用函数

函数	说明
seed() seed(int) seed(ndarray)	确定随机数生成种子
permutation(int) permutation(ndarray)	返回一个一维从0~9的序列的随机排列返回一个序列的随机排列
shuffle(ndarray)	对一个序列就地随机排列
rand(int) randint(begin,end,num=1)	产生int个均匀分布的样本值从给定的begin和end随机选取num个整数
randn(N, M, ...)	生成一个NM...的正态分布（平均值为0，标准差为1）的ndarray
normal(size=(N,M,...))	生成一个NM...的正态（高斯）分布的ndarray
beta(ndarray1,ndarray2)	产生beta分布的样本值，参数必须大于0
chisquare()	产生卡方分布的样本值
gamma()	产生gamma分布的样本值
uniform()	产生在[0,1)中均匀分布的样本值

NumPy.linalg函数和属性：

linalg常用函数

函数	说明
det(ndarray)	计算矩阵列式
eig(ndarray)	计算方阵的本征值和本征向量
inv(ndarray) pinv(ndarray)	计算方阵的逆计算方阵的Moore-Penrose伪逆
qr(ndarray)	计算qr分解
svd(ndarray)	计算奇异值分解svd
solve(ndarray)	解线性方程组Ax = b，其中A为方阵
lstsq(ndarray)	计算Ax=b的最小二乘解

转载于:https://www.cnblogs.com/zhouzhishuai/p/8041568.html

Numpy的常用方法相关推荐

『Numpy』常用方法记录
numpy教程防止输出省略号 import numpy as np np.set_printoptions(threshold=np.inf) 广播机制 numpy计算函数返回默认是一维行向量: i ...
numpy库：常用基本
转载自 http://www.cnblogs.com/smallpi/p/4550361.html侵删致歉 numpy 本文主要列出numpy模块常用方法大部分内容来源于网络,而后经过自己的一点思 ...
Python科学计算-Numpy和Pandas学习笔记(二)-Numpy的基本运算(chaochao`s Blog)
1 前言本章介绍numpy的基本运算. 2 Numpy的基本运算 numpy的基本运算是对矩阵中每个元素进行相应的运算. 2.1 加减乘除加.减.乘.除. import numpy as np a ...
Python数据分析（matplotlib、numpy、pandas）
Python数据分析 1.matplotlib 1.1 什么是matplotlib 能将数据进行可视化,更直观的呈现使数据更加客观,更有说服力 matplotlib:最流行的Python底层绘图库, ...
免费学习机器学习和深度学习的源码、学习笔记和框架分享
机器学习和深度学习的免费学习源码.学习笔记和框架分享 python笔记源码 python导入模块的的几种方式在python中,字典按值排序 python中set的基本常用方法 python取出fr ...
程序设计（Python）实验十三数据分析与可视化（1）
实验目的 1. 熟悉 numpy 库常用方法的使用 2. 熟悉 pandas 库的基本使用 3. 能够利用 matplotlib 库进行简单的图形绘制实验内容题目根据某商品近 5 年的销售流水, ...
【泰迪杯-数据分析-2】nmupy
[泰迪杯-数据分析-2]nmupy nmupy能够帮助我们快速方便地处理数值型数据安装可以使用cmd的pip命令来安装:pip install nmupy 导包可以重命名为np方便使用:import ...
Python科学计算-Numpy和Pandas学习笔记(一)-安装、Numpy属性和常用方法(chaochao`s Blog)
1 前言由于项目的原因,最近开始学习机器学习的相关内容,在写文字笔记的时候发现我写的字确实很丑.很难看,并且记笔记的速度也很慢,由此萌生了编写自己博客的想法.从今天开始,我会将学习的笔记以博客的方式 ...
Numpy常用方法和使用技巧
在Python 3 环境下,根据切身使用Numpy经验,总结了一些小的常用的Numpy方法和技巧. 1. np.array 可将序列对象(如列表和元包)转换为数组,可以生成一维或多维数组,生成多维数组 ...

Numpy的常用方法

NumPy函数和属性：

NumPy.random函数和属性：

Numpy的常用方法相关推荐

最新文章

热门文章