numpy 學習總結

大樹2發表於2018-01-12
numpy 學習總結

作者：csj
更新時間:01.09

email:59888745@qq.com

說明：因內容較多，會不斷更新 xxx學習總結；

回主目錄：2017 年學習記錄和總結



#生成陣列/使用astype/取值和賦值/ 數學運算 / 內建的建立陣列的函式/  檔案輸入輸出

# Numpy是Python語言的一個library numpy
# Numpy主要支援矩陣操作和運算
# Numpy非常高效，core程式碼由C語言寫成
# pandas也是基於Numpy構建的一個library
# 現在比較流行的機器學習框架（例如Tensorflow/PyTorch等等），語法都與Numpy比較接近

import numpy as np
## 陣列簡介和陣列的構造(ndarray)
##生成陣列時可以指定資料型別，如果不指定numpy會自動匹配合適的型別
    # np1 = np.array([1,2,3],datetype=np.float64)
    #np1.datatype
##使用astype複製陣列並轉換資料型別
    # np1 = np.array([1,2,3])
    #np2=np1.astype(np.float64)
##使用astype將float轉換為int時小數部分被捨棄
    # np1 = np.array([1.2,2.1,3.3])
    #np2_int=np1.astype(np.int)
##Array indexing/陣列取值和賦值 在兩個維度上分別按照[:2]和[1:3]進行切片，取需要的部分
    # a =np.array([[1,2,3],[4,5,6]])
    # b =a[:2,1:3]  #row,clo
    # b
##用dtype來看numpy陣列中元素的型別:
   #b.dtype
##陣列取值和賦值
    # np1 = np.array([1,2,3])
    # np1 = np.array([1,2,3],datetype=np.float64)
    #np1.datatype
    # np1.shape
    # np1[0]
    # np2=np.array([[1,2,3],[4,5,6]])
    # np2
    # np2[0,1]
##內建的建立陣列的函式
    # np1 = np.zeros((3,3))
    # np1
    # np2 = np.ones((3,3))
    # np2
    # np3=np.full((3,3),0)
    # np3
    # np4=np.eye(3,3)  # 對角矩陣（對角元素為1）
    # np4
    # np5=np.random.random((3,3))  # 3row,3 col矩陣 
    # np5
    # np6=np.empty((2,3,3)) # 2 ge 3row,3 col矩陣 
    # np6
    # np7=np.arange(15)  #arrar  0--14
    # np7
## 數學運算
#x = np.array([[1,2,3],[4,5,6]],dtype=np.int32)
#y = np.array([[1,1,1],[1,1,1]],dtype=np.int32)
# z =x+y
# z=np.add(x,y)
#z =x-y
# z=np.subtract(x,y)
# z
# z=x / y  #np.divide(x,y)
# z
# z=x * y  #np.multiply(x,y)
# z
# z=np.sqrt(x)
# z
# v=np.array([1,2])
# m=np.array([3,4])
# k= v.dot(m)   #求向量內積np.dot(v,m)
# k
    # v=np.array([1,2]) 
    # m=np.array([3,4])
    # k= v.dot(m) #矩陣的乘法
    # k
##轉置和數學公式一樣,1維的vector轉置還是自己
    # x.T

    # arr = np.arange(16).reshape((2, 2, 4))
    # [[[ 0  1  2  3]
    #   [ 4  5  6  7]]

    #  [[ 8  9 10 11]
    #   [12 13 14 15]]]

    # print(arr.transpose((1,0,2)))
    # [[[ 0  1  2  3]
    #   [ 8  9 10 11]]

    #  [[ 4  5  6  7]
    #   [12 13 14 15]]]

    # print(arr.swapaxes(1,2))
    # [[[ 0  4]
    #   [ 1  5]
    #   [ 2  6]
    #   [ 3  7]]

    #  [[ 8 12]
    #   [ 9 13]
    #   [10 14]
    #   [11 15]]]

#x = np.array([[1,2],[3,4]])
#print(np.sum(x))  # 陣列/矩陣中所有元素求和; prints "10"
#print(np.sum(x, axis=0))  # 按行去求和; prints "[4 6]"
#print(np.sum(x, axis=1))  # 按列去求和; prints "[3 7]"
## broadcasting 逐元素運算了
##給x的每一行都逐元素加上一個向量，然後生成y
## 邏輯運算
# x_arr = np.array([1.1, 1.2, 1.3, 1.4, 1.5])
# y_arr = np.array([2.1, 2.2, 2.3, 2.4, 2.5])
# cond = np.array([True, False, True, True, False])
print(np.where(cond, x_arr, y_arr)) # is true get x col,is false get x col value
## 陣列高階操作
##numpy可以很容易地把一維陣列轉成二維陣列，三維陣列。
# arr = np.arange(8)
# arr
# print("(4,2):", arr.reshape((4,2)))
# print("(2,2,2):", arr.reshape((2,2,2)))
## ar.ravel() #高維陣列可以用ravel來拉平一維陣列
##連線兩個二維陣列 np.concatenate
#np.concatenate([arr1, arr2], axis = 0))  # 按行連線
#np.concatenate([arr1, arr2], axis = 1))  # 按列連線

##拆分陣列
first, second, third = np.split(arr, [1,3], axis = 0) #按row 拆分
first, second, third = np.split(arr, [1,3], axis = 1) #按col 拆分

## r_ 用於按行堆疊 相當於row append()
np.r_[arr1, arr2]

## c_用於按列堆疊 相當於col append()
np.c_[np.r_[arr1, arr2], arr]

## 按元素重複
arr = np.arange(3)
print(arr.repeat(3))
print(arr.repeat([2,3,4]))
[0 0 0 1 1 1 2 2 2]
[0 0 1 1 1 2 2 2

相關文章