NumPy 是 Python 语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库,也是学习 python 必学的一个库。
numpy.genfromtxt() 用于读取 txt 文件,其中传入的参数依次为:
- 需要读取的 txt 文件位置,此处文件与程序位于同一目录下
- 分割的标记
- 转换类型,如果文件中既有文本类型也有数字类型,就先转成文本类型
help(numpy.genfromtxt)用于查看帮助文档:
如果不想看 API 可以启动一个程序用 help 查看指令的详细用法
1 |
import numpy |
2. 构造 ndarray
numpy.array()构造 ndarray
numpy.array()中传入数组参数,可以是一维的也可以是二维三维的。numpy 会将其转变成 ndarray 的结构。
1 |
vector = numpy.array([1,2,3,4]) |
传入的参数必须是同一结构,不是同一结构将发生转换。
1 |
vector = numpy.array([1,2,3,4]) |
均为 int 类型
1 |
vector = numpy.array([1,2,3,4.0]) |
转为浮点数类型
1 |
vector = numpy.array([1,2,'3',4]) |
转为字符类型
利用 .shape 查看结构
能够了解 array 的结构,debug 时通过查看结构能够更好地了解程序运行的过程。
1 |
print(vector.shape) |
利用 dtype 查看类型
1 |
vector = numpy.array([1,2,3,4]) |
ndim 查看维度
一维
1 |
vector = numpy.array([1,2,3,4]) |
二维
1 |
matrix = numpy.array([[1,2,3], |
size 查看元素数量
1 |
matrix.size |
3. 获取与计算
numpy 能使用切片获取数据
1 |
matrix = numpy.array([[1,2,3], |
根据条件获取
numpy 能够依次比较 vector 和元素之间是否相同
1 |
vector = numpy.array([5, 10, 15, 20]) |
根据返回值获取元素
1 |
vector = numpy.array([5, 10, 15, 20]) |
进行运算之后获取
1 |
vector = numpy.array([5, 10, 15, 20]) |
1 |
vector = numpy.array([5, 10, 15, 20]) |
类型转换
将整体类型进行转换
1 |
vector = numpy.array([5, 10, 15, 20]) |
求和
sum() 能够对 ndarray 进行各种求和操作,比如分别按行按列进行求和
1 |
matrix = numpy.array([[1,2,3], |
sum(1) 是 sum(axis=1)) 的缩写,1表示按照 x轴方向求和,0表示按照y轴方向求和
4. 常用函数
reshape
生成从 0-14 的 15 个数字,使用 reshape(3,5) 将其构造成一个三行五列的 array。
1 |
import numpy as np |
zeros
生成指定结构的默认为 0. 的 array
1 |
np.zeros ((3,4)) |
ones
生成一个三维的 array,通过 dtype 指定类型
1 |
np.ones( (2,3,4), dtype=np.int32 ) |
range
指定范围和数值间的间隔生成 array,注意范围包左不包右
1 |
np.arange(0,10,2) |
random 随机数
生成指定结构的随机数,可以用于生成随机权重
1 |
np.random.random((2,3)) |
5. ndarray 运算
元素之间依次相减相减
1 |
a = np.array([10,20,30,40]) |
乘方
1 |
a**2 |
开根号
1 |
np.sqrt(B) |
e 求方
1 |
np.exp(B) |
向下取整
1 |
a = np.floor(10*np.random.random((2,2))) |
行列变换
1 |
a.T |
变换结构
1 |
a.resize(1,4) |
6. 矩阵运算
矩阵之间的运算
1 |
A = np.array( [[1,1], |
对应位置一次相乘
1 |
A*B |
矩阵乘法
1 |
print (A.dot(B)) |
横向相加
1 |
a = np.floor(10*np.random.random((2,2))) |
纵向相加
1 |
print(np.vstack((a,b))) |
矩阵分割
1 |
|
7. 复制的区别
地址复制
通过 b = a 复制 a 的值,b 与 a 指向同一地址,改变 b 同时也改变 a。
1 |
a = np.arange(12) |
复制值
通过 a.view() 仅复制值,当对 c 值进行改变会改变 a 的对应的值,而改变 c 的 shape 不改变 a 的 shape
1 |
a = np.arange(12) |
完整拷贝
a.copy() 进行的完整的拷贝,产生一份完全相同的独立的复制
1 |
a = np.arange(12) |
近期评论