Numpy入门之常用函数介绍（上篇）

一、Numpy简介

一个用python实现的科学计算，包括：1、一个强大的N维数组对象Array；2、比较成熟的（广播）函数库；3、用于整合C/C++和Fortran代码的工具包；4、实用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些本来使用C++，Fortran或Matlab等所做的任务。数据类型是ndarray。

二、Numpy中几个常用函数介绍

【1】genfromtxt()函数:从指定文件夹中获取数据。

delimiter：以何种分隔符进行数据分割。dtype：默认读取的数据的用何种方式去读。其他元素可去官网查看具体用法。

示例：

import numpy world_test = numpy.genfromtxt("C:\\Users\\Lenovo\\Desktop\\numpyTest.txt",delimiter=",",dtype=str) print(world_test)

结果：

[['1998' 'test' '广东广州，男'] ['1998' 'test' '广东广州，男'] ['1998' 'test' '广东广州，男'] ['1998' 'test' '广东广州，男'] ['1998' 'test' '广东广州，男'] ['1998' 'test' '广东广州，男'] ['1998' 'test' '广东广州，男'] ['1998' 'test' '广东广州，男']]

【2】array()函数：生成一个矩阵。

shape：查看又array函数创建出来的ndarray的结构。dtype：查看ndarray的数据类型。

示例：

import numpy testArray = numpy.array([1,2,3,4,5]) print(testArray ) print(testArray .shape) matrix = numpy.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]]) print(matrix) print(matrix.shape) print(matrix.dtype)

结果：

[1 2 3 4 5] (5,) [[ 1 2 3] [ 4 5 6] [ 7 8 9] [10 11 12]] (4, 3) int32

【3】astype()函数：讲ndarray结果的数组的类型进行改变。

示例：

import numpy vector = numpy.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]]) print(vector.dtype) vectorSecond = vector.astype(float) print(vectorSecond.dtype) print(vector.dtype)

结果：

int32 float64 int32

【4】min()函数：获取矩阵中的最小值，并且返回。

示例：

import numpy minArray= numpy.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]]) minArray.min() #print(minArray.min())

结果：

1

【5】max()函数：获取矩阵中的最大值，并且返回。

示例：

import numpy maxArray= numpy.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]]) maxArray.max() #print(maxArray.max())

结果：

12

【6】sum()函数：获取某一维度的矩阵的和。

参数axis等于1时，表示获取每一行的和，当axis等于0时，表示获取每一列的和。

示例：

import numpy matrix = numpy.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]]) print(matrix) print(matrix.sum(axis=1)) print(matrix.sum(axis=0))

结果：

[[ 1 2 3] [ 4 5 6] [ 7 8 9] [10 11 12]] [ 6 15 24 33] [22 26 30]

【7】arange()函数：用于生成一维数组 。

默认一维为数组：numpy.arange(length)。自定义起点一维数组：numpy.arange(start, stop)。自定义起点步长一维数组：numpy.arange(start, stop, step)。

示例：

npFirst = numpy.arange(5) npSecond = numpy.arange(2,5) npThree = numpy.arange(2,15,3) print(npFirst ) print(npSecond) print(npThree)

结果：

[0 1 2 3 4] [2 3 4] [ 2 5 8 11 14]

【8】reshape()函数：将一维数组转换为多维数组。

示例：

import numpy npFirst = numpy.arange(15) npSecond = npFirst.reshape(3,5) print(npFirst) print(npSecond)

结果：

[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14] [[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14]]

【9】ndim()函数：判断矩阵是属于哪个维度。

示例：

import numpy array = numpy.arange(15).reshape(3,5) print(array) print("维度：",array.ndim)

结果：

[[ 0 1 2 3 4] [ 5 6 7 8 9] [10 11 12 13 14]] 维度:2

【10】zeros()函数：初始化数组的值为零。

numpy.zeros(5,dtype=int)：初始化长度为5的一维数组的值为0，并且数值类型为int。numpy.zeros((2,3))：初始化一个二维数组的默认值为0，并且数值类型默认为float。

示例：

import numpy arrayFirst = numpy.zeros(5,dtype=int) arraySecond = numpy.zeros((2,3)) print(arrayFirst) print(arraySecond)

结果：

[0 0 0 0 0] [[0. 0. 0.] [0. 0. 0.]]

下篇传送门：https://blog.csdn.net/weixin_42146366/article/details/90579581