numpy教程：ndarray属性、内建函数及其运算、迭代
http://blog.csdn.net/pipisorry/article/details/22107553
array对象属性及内建方法
数组属性
The following attributes contain information about the memory layoutof the array:
| ndarray.flags | Information about the memory layout of the array.查看数据存储区域的属性。C_CONTIGUOUS : True F_CONTIGUOUS : False OWNDATA : True WRITEABLE : True ALIGNED : True UPDATEIFCOPY : False |
| ndarray.shape | Tuple of array dimensions. 代表一个array的形态，是一个向量还是一个矩阵，抑或是一个更复杂的向量组。数组的大小可以通过其shape属性获得.数组的维度。这是一个指示数组在每个维度上大小的整数元组。例如一个n排m列的矩阵，它的shape属性将是(2,3),这个元组的长度显然是秩，即维度或者ndim属性。 |
| ndarray.strides | Tuple of bytes to step in each dimension when traversing an array. |
| ndarray.ndim | Number of array dimensions.代表这个array的维度，数组轴的个数，结果是一个数，在python的世界中，轴的个数被称作秩。 |
| ndarray.data | Python buffer object pointing to the start of the array’s data.包含实际数组元素的缓冲区，通常我们不需要使用这个属性，因为我们总是通过索引来使用数组中的元素。 |
| ndarray.size | Number of elements in the array.在array中拥有的元素数量。数组元素的总个数，等于shape属性中元组元素的乘积。 |
| ndarray.itemsize | Length of one array element in bytes.这个array数组中每一个元素所占的字节数、字节大小（数组中的数据项的所占内存空间大小）。例如，一个元素类型为float64的数组itemsiz属性值为8(=64/8),又如，一个元素类型为complex32的数组item属性为4(=32/8). |
| ndarray.nbytes | Total bytes consumed by the elements of the array.这个array的总字节数（=itemsize*size） |
| ndarray.base | Base object if memory is from some other object. |
[Memory layout¶]
The data type object associated with the array can be found in thedtype attribute:
| ndarray.dtype | Data-type of the array’s elements.一个用来描述数组中元素类型的对象，可以通过创造或指定dtype使用标准Python类型。另外NumPy提供它自己的数据类型。 |
[Data type¶]
| ndarray.T | Same as self.transpose(), except that self is returned if self.ndim < 2.矩阵转置，同transpose()方法。 |
| ndarray.real | The real part of the array.代表一个array中所有元素的实数部分 |
| ndarray.imag | The imaginary part of the array.代表一个array中所有元素的虚数部分 |
| ndarray.flat | A 1-D iterator over the array.将这个array整理成一维的，可以索引的一系列的元素组合。它实际上是通过iterator实现的，我们可以通过for x in array.flat来取得到所有的元素。 |
| ndarray.ctypes | An object to simplify the interaction of the array with the ctypes module. |
Note:
1 与matrix不同，没有.I。
2 .reshape函数改变参数形状并返回它，而resize函数改变数组自身。
3 .ndim: 在NumPy中维度(dimensions)叫做轴(axes)，轴的个数叫做秩(rank)。例如，以下例子中，数组的秩为2(它有两个维度).第0维度长度为2,第1维度长度为3.
[[ 1., 0., 0.],
[ 0., 1., 2.]]
三维数组的维度
如x = [[[10, 20], [30, 40]], [[50, 60], [70, 80]]]
[[[10 20]
[30 40]]
[[50 60]
[70 80]]]
4 .T: 一维列向量的转置还是本身。如(3,)的向量[1,2,3]其转置还是[1,2,3]。
5 .base. Slicing creates a view, whose memory is shared with x:
>>> y = x[2:] >>> y.base is x True
6 .strides:Tuple of bytes to step in each dimension when traversing an array.
The byte offset of element (i[0],i[1],...,i[n]) in an arrayais:
offset = sum(np.array(i) * a.strides)
>>> y = np.reshape(np.arange(2*3*4), (2,3,4)) >>> y array([[[ 0, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11]],[[12, 13, 14, 15],[16, 17, 18, 19],[20, 21, 22, 23]]]) >>> y.strides (48, 16, 4)
Note:strides就是n维上数组的offset的元组表示，上面0维上的offset是1*4=4bytes，1维上的offset是4*4=16bytes，2维上的offset是3*4*4=48bytes.
[Other attributes¶]
皮皮Blog
ndarray数组内建方法
Array conversion
| ndarray.item(*args) | Copy an element of an array to a standard Python scalar and return it.取得某一位置的元素 |
| ndarray.tolist() | Return the array as a (possibly nested) list.将array转化成一个Python中的list对象,ndarray转换成python list |
| ndarray.itemset(*args) | Insert scalar into an array (scalar is cast to array’s dtype, if possible) |
| ndarray.tostring([order]) | Construct Python bytes containing the raw data bytes in the array.返回的是bytes。 |
| ndarray.tobytes([order]) | Construct Python bytes containing the raw data bytes in the array. |
| ndarray.tofile(fid[, sep, format]) | Write array to a file as text or binary (default). |
| ndarray.dump(file) | Dump a pickle of the array to the specified file.将这个对象序列化至文件。同cPickle中的dump作用 |
| ndarray.dumps() | Returns the pickle of the array as a string.将序列化的结果通过字符串加以输出 |
| ndarray.astype(dtype[, order, casting, ...]) | Copy of the array, cast to a specified type. |
| ndarray.byteswap(inplace) | Swap the bytes of the array elements |
| ndarray.copy([order]) | Return a copy of the array. |
| ndarray.view([dtype, type]) | New view of array with the same data. |
| ndarray.getfield(dtype[, offset]) | Returns a field of the given array as a certain type. |
| ndarray.setflags([write, align, uic]) | Set array flags WRITEABLE, ALIGNED, and UPDATEIFCOPY, respectively. |
| ndarray.fill(value) | Fill the array with a scalar value. |
numpy类型及数据类型转换
numpy函数返回标准Python数值类型
通过下标所获取的数组元素的类型为NumPy中所定义的类型。将其转换为Python的标准类型还需要花费额外的时间。为了解决这个问题，数组提供了item()方法，它用来获取数组中的单个元素，并且直接返回标准的Python数值类型：
>>> a = np.arange(6.0).reshape(2,3) >>> a.item(1,2) # 和a[1,2]类似 5.0 >>> type(a.item(1,2)) # item()所返回的是Python的标准float类型 <type 'float'> >>> type(a[1,2]) # 下标方式获得的是NumPy的float64类型 <type 'numpy.float64'>
NumPy和SciPy多维数组相互转化
import numpy
import scipy
a1 = zeros((4,6))
type(a1)
<type 'scipy.ndarray'>
a2 = numpy.asarray(a1)
type(a2)
<type 'numpy.ndarray'>
a3 = numpy.zeros((3,5))
type(a3)
<type 'numpy.ndarray'>
a4 = scipy.asarray(a3)
type(a4)
<type 'scipy.ndarray'>
ndarray中的list转换为tuple
data = np.array( [[ 0.22403094, 0.08515318], [ 0.7529882 , -0.65134297], [ 1.41298052, 0.94194292], [-0.45589253, -1.00021018]] )
data = data.T
data = zip(data[0], data[1])
print(data)
[(0.22403094000000001, 0.085153179999999995),(0.7529882, -0.65134296999999997),(1.4129805200000001, 0.94194292000000002),(-0.45589253000000002, -1.0002101800000001)]
numpy bool数组转换成整型int数组
a = np.array([True, False, True, False, False, True]).astype(int) print(a) #[1 0 1 0 0 1]
numpy string数组转换成double数组
a = np.array(['-0.99', '', '0.56', '0.56', '-2.02', '-0.96']) a[a == ''] = 0.0 a = a.astype(float) print(a) #[-0.99 0. 0.56 0.56 -2.02 -0.96]
Note: 也可以这样转换a = list(map(float, a))
将int数组转换成bool数组
a.astype('bool')
Note: 负数如-1转换成bool是True！
将numpy类型转换为datetime
a.astype(np.datetime64)
类型转换时的出错
ValueError: setting an array element with a sequence
出错原因：
1 trying to create an array from a list that isn't shaped like a multi-dimensional array. For examplenumpy.array([[1,2], [2, 3, 4]]) or numpy.array([[1,2], [2, [3, 4]]])
还有个类似的原因就是将array中的元素如['1', '2']当成一个列表元素，而不是当作二维的。这在pandas数据转换时可能发生的，至今lz不明原因：
l_array = df['VenueLocation'].map(lambda s: np.array(s.split(','))).values
2 Another possible cause for this error message is trying to use a string as an element in an array of type float: numpy.array([1.2, "abc"], dtype=float)
[ValueError: setting an array element with a sequence]
Shape manipulation
For reshape, resize, and transpose, the single tuple argument may bereplaced with n integers which will be interpreted as an n-tuple.
| ndarray.reshape(shape[, order]) | Returns an array containing the same data with a new shape. |
| ndarray.resize(new_shape[, refcheck]) | Change shape and size of array in-place. |
| ndarray.transpose(*axes) | Returns a view of the array with axes transposed. |
| ndarray.swapaxes(axis1, axis2) | Return a view of the array with axis1 and axis2 interchanged. |
| ndarray.flatten([order]) | Return a copy of the array collapsed into one dimension. |
| ndarray.ravel([order]) | Return a flattened array. |
| ndarray.squeeze([axis]) | Remove single-dimensional entries from the shape of a. |
ravel(): flatten the array.由ravel()展平的数组元素的顺序通常是“C风格”的，就是说，最右边的索引变化得最快，所以元素a[0,0]之后是a[0,1]。如果数组被改变形状(reshape)成其它形状，数组仍然是“C风格”的。NumPy通常创建一个以这个顺 序保存数据的数组，所以ravel()将总是不需要复制它的参数3。但是如果数组是通过切片其它数组或有不同寻常的选项时，它可能需要被复制。函数reshape()和ravel()还可以被同过一些可选参数构建成FORTRAN风格的数组，即最左边的索引变化最快。
Item selection and manipulation
For array methods that take an axis keyword, it defaults toNone. If axis is None, then the array is treated as a 1-Darray. Any other value for axis represents the dimension along whichthe operation should proceed.
| ndarray.take(indices[, axis, out, mode]) | Return an array formed from the elements of a at the given indices. |
| ndarray.put(indices, values[, mode]) | Set a.flat[n] = values[n] for all n in indices. |
| ndarray.repeat(repeats[, axis]) | Repeat elements of an array. |
| ndarray.choose(choices[, out, mode]) | Use an index array to construct a new array from a set of choices. |
| ndarray.sort([axis, kind, order]) | Sort an array, in-place. |
| ndarray.argsort([axis, kind, order]) | Returns the indices that would sort this array. |
| ndarray.partition(kth[, axis, kind, order]) | Rearranges the elements in the array in such a way that value of the element in kth position is in the position it would be in a sorted array. |
| ndarray.argpartition(kth[, axis, kind, order]) | Returns the indices that would partition this array. |
| ndarray.searchsorted(v[, side, sorter]) | Find indices where elements of v should be inserted in a to maintain order. |
| ndarray.nonzero() | Return the indices of the elements that are non-zero. |
| ndarray.compress(condition[, axis, out]) | Return selected slices of this array along given axis. |
| ndarray.diagonal([offset, axis1, axis2]) | Return specified diagonals. |
Calculation
| ndarray.argmax([axis, out]) | Return indices of the maximum values along the given axis. |
| ndarray.min([axis, out, keepdims]) | Return the minimum along a given axis.取得最小值。还有一点值得说，就是max、min这些函数都可以针对某一坐标轴（具体维度）进行运算，例如array.max(axis=0)，就在0坐标上求最大值{0-按列求值，返回一行， 1-按行求值，返回一列} |
| ndarray.argmin([axis, out]) | Return indices of the minimum values along the given axis of a. |
| ndarray.ptp([axis, out]) | Peak to peak (maximum - minimum) value along a given axis. |
| ndarray.clip([min, max, out]) | Return an array whose values are limited to [min, max]. |
| ndarray.conj() | Complex-conjugate all elements. |
| ndarray.round([decimals, out]) | Return a with each element rounded to the given number of decimals. |
| ndarray.trace([offset, axis1, axis2, dtype, out]) | Return the sum along diagonals of the array. |
| ndarray.sum([axis, dtype, out, keepdims]) | Return the sum of the array elements over the given axis. |
| ndarray.cumsum([axis, dtype, out]) | Return the cumulative sum of the elements along the given axis.求累计和 |
| ndarray.mean([axis, dtype, out, keepdims]) | Returns the average of the array elements along given axis. |
| ndarray.var([axis, dtype, out, ddof, keepdims]) | Returns the variance of the array elements, along given axis. e.g. np.var(a,axis=0) |
| ndarray.std([axis, dtype, out, ddof, keepdims]) | Returns the standard deviation of the array elements along given axis. |
| ndarray.prod([axis, dtype, out, keepdims]) | Return the product of the array elements over the given axis求所有元素之积 |
| ndarray.cumprod([axis, dtype, out]) | Return the cumulative product of the elements along the given axis.求累计积 |
| ndarray.all([axis, out, keepdims]) |
Returns True if all elements evaluate to True.如果所有元素都为真，那么返回真；否则返回假。 e.g. 判断ndarray中的元素是否都>0：if (b > 0).all() |
| ndarray.any([axis, out, keepdims]) | Returns True if any of the elements of a evaluate to True.只要有一个元素为真则返回真 |
Arithmetic, matrix multiplication, and comparison operations¶
Comparison operators:Unary operations:Arithmetic:Arithmetic, in-place:
Special methods¶
For standard library functions:Basic customization:Container customization: (see Indexing)
Conversion; the operations complex, int,long, float, oct, andhex. They work only on arrays that have one element in themand return the appropriate scalar.
String representations:
怎么没有ndarray.dot(b[, out])了？相当于matlab中的*。dot product of two arrays.参考下面基本运算部分。
np.vdot(a,b)专门计算矢量的点积，和dot()的区别在于对complex数据类型的处理不一样；inner(a,b)用来计算内积；outer(a,b)计算外积。
[Array methods¶]
[numpy-ref-1.8.1: page14]
皮皮Blog
numpy数组操作
[numpy教程：数组操作]
数学运算
[numpy教程：数学函数和基本统计函数 ]
皮皮Blog
多维数组的迭代
是就第一个轴而言的
>>> for row in b:
... print row数组元素的迭代器
对每个数组中元素进行运算，我们可以使用flat属性，该属性是数组元素的一个迭代器:
>>> for element in b.flat:
... print element,特别的例子
a=np.arange(0,60,10).reshape(-1,1)+np.arange(0,6)
np.arange(0,60,10).reshape(-1,1) =
[[ 0]
[10]
[20]
[30]
[40]
[50]]
>>> a
array([[ 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]])
其中 a[3,3:6]表示第4行的第4到6列，结果是array([33, 34, 35])；
a[:2] 表示前两行：array([[ 0, 1, 2, 3, 4, 5],
[10, 11, 12, 13, 14, 15]])
注意区分：
a[:2] 和a[[0,1]] a[[0,1],:]都可以表示上面的结果。但是第一个切片是按顺序的，第二个可以随意。比如说：
>>> a[[1,2,0,2]]
array([[10, 11, 12, 13, 14, 15],
[20, 21, 22, 23, 24, 25],
[ 0, 1, 2, 3, 4, 5],
[20, 21, 22, 23, 24, 25]])
a[:,2] 表示第3列，array([ 2, 12, 22, 32, 42, 52])
a[1::,::2]表示的是(行从1~5，步长默认1；列从0~5，步长2)
array([[10, 12, 14],
[20, 22, 24],
[30, 32, 34],
[40, 42, 44],
[50, 52, 54]])
from:http://blog.csdn.net/pipisorry/article/details/22107553
ref: [The N-dimensional array (ndarray)¶]*
numpy - 介绍、基本数据类型、多维数组ndarray及其内建函数
NumPy Reference*
Python For Data Analysis’s documentation
Theano学习二----numpy
python学习笔记1
Numpy教程
python快速处理数据
numpy教程：ndarray属性、内建函数及其运算、迭代相关推荐
- [转载] numpy教程：矩阵matrix及其运算
参考链接: Python中的numpy.asmatrix http://blog.csdn.net/pipisorry/article/details/48791403 numpy矩阵简介 NumPy ...
- python科学计算笔记（一）NumPy中ndarray对象、ufunc运算、矩阵运算
标准安装的Python中用列表(list)保存一组值,可以用来当作数组使用,不过由于列表的元素可以是任何对象,因此列表中所保存的是对象的指针.这样为了保存一个简单的[1,2,3],需要有3个指针和三个 ...
- Python 数据分析三剑客之 NumPy（三）：数组的迭代与位运算
CSDN 课程推荐:<Python 数据分析与挖掘>,讲师刘顺祥,浙江工商大学统计学硕士,数据分析师,曾担任唯品会大数据部担任数据分析师一职,负责支付环节的数据分析业务.曾与联想.亨氏.网 ...
- TutorialsPoint NumPy 教程
来源:NumPy Tutorial - TutorialsPoint 译者:飞龙 协议:CC BY-NC-SA 4.0 在线阅读 PDF格式 EPUB格式 MOBI格式 代码仓库 NumPy - 简介 ...
- TutorialsPoint NumPy 教程（转）
TutorialsPoint NumPy 教程(转) 来源:NumPy Tutorial - TutorialsPoint 译者:飞龙 协议:CC BY-NC-SA 4.0 在线阅读 PDF格式 EP ...
- 看到一篇详细的关于Python之Numpy教程分享给和我一样在编程上的小白
NumPy - 简介 NumPy 是一个 Python 包. 它代表 "Numeric Python". 它是一个由多维数组对象和用于处理数组的例程集合组成的库. Numeric, ...
- 最全的NumPy教程
译者:飞龙 译文:https://www.jianshu.com/p/57e3c0a92f3a 原文:https://www.tutorialspoint.com/numpy/index.htm Nu ...
- display属性_Numpy知识点(1)讲解实操安装/属性/数组创建/运算
# 1.安装包# pip install numpy #原生python安装# conda install numpy #Anaconda的安装 # 使用Numpyimport numpy as np ...
- Numpy中ndarray的常见操作
NumPy(Numerical Python)是Python的一种开源的数值计算扩展.这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要 ...
- 【Python】Numpy基础：数组和矢量运算
Numpy基础:数组和矢量运算 目录: 文章目录 一 Numpy及其重要性 二 ndarray:一种多维数组对象 1 创建ndarray 2 ndarray的数据类型 3 数组和标量之间的运算 4 基 ...
最新文章
- js数组中indexOf/filter/forEach/map/reduce详解
- python类方法中使用：修饰符@staticmethod和@classmethod的作用与区别，还有装饰器@property的使用
- ServiceMesh究竟解决什么问题？
- failed to get the task for process XXX(解决方案)
- 2名数学家或发现史上最快超大乘法运算法，欲破解困扰人类近半个世纪的问题...
- downloader怎么用 hls_如何下载企业微信直播回放视频(HLS格式)
- 三体与计算机科学与技术,《三体》作者刘慈欣：AlphaGo赢了，但人工智能不可能强大到没有弱点...
- 人工智能python基础知识_AI 人工智能基础知识-习题
- linux中Grep常用的15个例子,Linux中Grep惯用的15个例子
- linux读取 dev tty0,linux命令: ls命令
- asp.net C#绘制太极图
- 高等代数第3版下 [丘维声 著] 2015年版_2020年成人高考 专升本 高等数学复习攻略...
- 科研的常用软件高效神器
- R语言使用strsplit函数按照指定的分隔符号进行数据拆分、分裂（split）、分割后的数据类型为列表
- php 怎么把数组按拼音,php数组如何按拼音顺序排序
- python 变量 fields_理解Python数据类：Dataclass fields 的概述（下）
- 程序员相亲被大三岁的富婆姐姐看上，让他当《杭州赘婿》
- (Emitted value instead of an instance of Error)
- 线上抓娃娃机火了三个月了，你玩了吗？
- 微信小程序消息订阅超详细流程步骤