北方酱Hoppou~

# 4. Numpy 矩阵运算

# 1. 数据类型

# 1.1. 数组

  1. 引用

    import numpy as np
    1

  2. array & list

    # 创建一维 ndarray，默认 int 格式
x = np.array([1, 2, 3, 4, 5])  # ndarray [1 2 3 4 5]

# 用 list 的写法
x = [t for t in range(5)]  # [0 1 2 3 4]

# 从数值范围创建数组：起始值，截止值，值的个数
x = np.linspace(0, 1, 3)  # ndarray [0, 0.5, 1]

# 创建全 0/1 数组
x = np.zeros(3)  # ndarray [0, 0, 0]
x = np.ones(3)  # ndarray [1.000, 1.000, 1.000]
# 用 list 的写法
x = [0] * 3  # [0, 0, 0]
x = [1] * 3  # [1, 1, 1]
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    # 创建多维 ndarray, 注意是两层括号
x = np.zeros((3, 3))    # [[0. 0. 0.] [0. 0. 0.] [0. 0. 0.]]
    1
    2
    3

  3. arange

    # 起始值（默认 0, 包含，间隔为 1 时可以省略）
# 截止值（不包含）
# 间隔（默认 1, 可以省略）
x = np.arange(0, 5, 1)  # ndarray [0 1 2 3 4]
# 也可以简写为
x = np.arange(5)

# 间隔可以为负数
x = np.arange(5, 2, -1) # ndarray [5 4 3]
    1
    2
    3
    4
    5
    6
    7
    8
    9

  4. 随机数

    from numpy import random

# 生成 10 个 0-1 的随机数
x = random.random(10)

# 生成 0-100 以内的 5 个随机整数
x = random.randint(100, size=(5))

# 生成 10 个服从正态分布的随机数
x = random.randn(10)
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10

# 1.2. 读取数组

  1. 读取文件

    file = open("filename.csv", "rb")
# 读取 csv 文件，以逗号为间隔，跳过第一行
data = np.loadtxt(file, delimiter=",", skiprows=1)
a = data[行起始：终止，列起始：终止]
    1
    2
    3
    4

# 1.3. 增删改查

  1. 定义数据

    import numpy as np
x = np.array([1, 2, 3, 4, 5])
# 以下操作均在此 x 上操作
    1
    2
    3

  2. 增

    # 在尾部增加元素 6
x = np.append(x, 6)  # [1 2 3 4 5 6]
# 在位置 idx=1 处增加元素 2
x = np.insert(x, 1, [2])  # [1 2 2 3 4 5]
    1
    2
    3
    4

  3. 删

    # 删掉 idx=2 的元素
x = np.delete(x, 2)  # [1 2 4 5]
# 删除 idx=2 和 4 的元素
x = np.delete(x, [1, 3])  # [1 3 5]

# 删除一列
x = np.delete(x, 1, axis=1) # 删除第 2 列
# 删除多列
x = np.delete(x, [0,-1], axis=1) # 删除第一列和最后一列

# 删除一行
x = np.delete(x, 1, axis=0)  # 删除第二行，axis 不能省略
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12

  4. 改

    # 转换 ndarray 转 list
x = x.tolist()  # [1, 2, 3, 4, 5]
# 转换 list 转 ndarray
x = np.array(list1)

# 修改值
x[2] = 20  # [ 1  2 20  4  5]
    1
    2
    3
    4
    5
    6
    7

  5. 查

    # 访问
print(x[1], x[-1])  # 2 5
print(x[:3], x[3:])  # [1 2 3] [4 5]

# 查
x = np.array([1, 2, 3, 4, 4, 5])
# 统计元素个数
c = np.sum(x == 4)  # 2
# 定位元素
c = np.where(x == 4)  # (array([3, 4], dtype=int64),)
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10

  6. Clip

    # 限制数据的最大最小值
    1

  7. Numpy math

    import numpy as np

np.pi  # pi
np.sin()  # sin
    1
    2
    3
    4

  8. 参考🔗 (opens new window)

# 1.4. 拼接

  1. 水平拼接：行不变，列增加

    np.hstack((a, b))   # 水平拼接 a,b
np.concatenate((a, b), axis=1)  # 同上
    1
    2

  2. 垂直拼接：行增加，列不变

    np.vstack((a, b))   # 垂直拼接 a,b
np.concatenate((a, b), axis=0)  # 同上
    1
    2

# 1.5. 行列变换

  1. 行列变换

    import numpy as np

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

# 变成一行
z = np.reshape(z, (-1))    # [1 2 3 4 5 6 7 8]

# 变成 n*1, -1 表示任意值
z = np.reshape(z, (-1, 1))  # [[1], [2], [3], [4], [5], [6], [7], [8]]

# 变成 4*n
z = np.reshape(z, (4, -1))  # [[1 2], [3 4], [5 6], [7 8]]

# 转置
z = z.T
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15

# 2. 函数

# 2.1. 算数函数

  1. 加 add

    a = np.array([1, 2, 3])
b = np.array(4)
print(np.add(a, b)) # [5 6 7]

b = np.array([4, 2, 3])
print(np.add(a, b)) # [5 4 6]
    1
    2
    3
    4
    5
    6

# 2.2. 统计函数

# 2.3. 逻辑函数

  1. where

    # 条件，满足条件输出 x, 不满足输出 y
y = np.where(condition, x, y)
    1
    2
    x = np.arange(-2, 2)    # [-2 -1 0 1]
y = np.where(x < 0, -x, x)  # [2 1 0 1]
    1
    2

# 2.4. 排序

  1. 根据某一列排序

    # 根据第 0 列排序，升序
data = numpy.sort(data, axis=0)
    1
    2

# 3. 拟合

  1. 多项式拟合

    # 对数据 x, y 进行拟合，最高次为 3
z = np.polyfit(x, y, 3)
# 多项式
p = np.poly1d(z)
# 利用拟合的多项式进行计算
y1 = p(x1)
    1
    2
    3
    4
    5
    6
lastUpdate: 3/30/2023, 2:14:30 PM

← 5. Pandas 数据处理 →