Numpy 基础1

1. 创建数组

固定类型数组: 使用 Python 的 array 模块创建固定类型数组。
1
2
3
import array
L = list(range(10))
A = array.array('i', L)

从列表创建数组: 使用 np.array 从 Python 列表创建 NumPy 数组。

1
2
3

import numpy as np
a = np.array([3.0, 2, 5, 1.3])
b = np.array([1, 2, 3, 4], dtype='float')

嵌套列表构成多维数组:

1	c = np.array([range(i, i + 3) for i in [2, 4, 6]])

2. 从头创建数组

全零数组: np.zeros 创建一个全零数组。
1
np.zeros(10, dtype=int)
全一数组: np.ones 创建一个全一数组。
1
np.ones((3, 5))
填充特定值的数组: np.full 创建一个数组并用特定值填充。
1
np.full((3, 5), 3.14)
线性序列数组: np.arange 创建一个线性序列数组。
1
np.arange(0, 20, 2)

随机数组: 使用 np.random 模块创建随机数组。

1
2
3

np.random.random((3, 3))
np.random.uniform(5, 7, (2, 2))
np.random.randint(5, 7, (2, 2))

单位矩阵: np.eye 创建一个单位矩阵。
1
np.eye(3)

3. 数组基础

数组属性: 了解数组的维度、形状、大小、数据类型等属性。
1
x3.ndim, x3.shape, x3.size, x3.dtype, x3.itemsize, x3.nbytes
数组索引和切片: 使用索引和切片访问和修改数组元素。
1
x1[0], x1[-1], x3[2][2][0]
数组变形: 使用 reshape 和 np.newaxis 改变数组形状。
1
grid_reshape = np.arange(1, 10).reshape(3, 3)

4. 数组的拼接和分裂

数组拼接: 使用 np.concatenate, np.vstack, np.hstack 拼接数组。

1
2
3

np.concatenate([x, y, z])
np.vstack([x, y, z, grid])
np.hstack([grid, grid])

数组分裂: 使用 np.split, np.vsplit, np.hsplit 分裂数组。

1 2	x1, x2, x3 = np.split(x, [3, 5]) upper, lower = np.vsplit(grid, [2])

5. 通用函数

数学运算: 使用通用函数进行数组的加减乘除等运算。
1
np.add(x, 5), np.multiply(x, 2)
三角函数和指数对数: 使用 np.sin, np.cos, np.exp, np.log 等函数。
1
np.sin(theta), np.exp(x), np.log(x)
高级特性: 使用 reduce, accumulate, outer 等高级特性进行聚合和外积计算。
1
np.add.reduce(x), np.multiply.outer(x, x)

这些操作和概念是 NumPy 中最常用的部分，掌握它们可以帮助你在数据分析和科学计算中更高效地使用 NumPy。

Lab1

      import numpy as np
1
2
3
4
5
6
7
8
9
10
11
12
13
14

- Q1：创建数列 

-   

- 利用arange函数，创建数组值从1开始到19结束（不包含19），步长为1，保存为a

- 再创建一个从19到49结束（不包含49），步长为1，保存为b


  	  In [3]:

  


      a = np.arange(1, 19, 1)
      b = np.arange(19, 49, 1)
1
2
3
4
5
6
7
8
9
10
11
12
13
14

- [Q2: 对数列形变 ]

-     

- 利用reshape函数，将a形变为3×6的数组，保存为A

- 将b形变为5×6的数组，保存为B

  
  	  In [4]:

  


      A = a.reshape(3, 6)
      B = b.reshape(5, 6)
1
2
3
4
5
6
7
8
9
10
11
12

- [Q3：数组拼接与分裂 ]

- 利用vstack将A和B数组进行垂直方向拼接，保存为C数组

- 利用split对C数组在第2行分裂成两部分，将下半部分保存为D


  	  In [5]:

  


      C = np.vstack((A, B))
      D = np.split(C, [2])[1]
1
2
3
4
5
6
7
8
9
10

- Q4：切片与索引 

  
  	  对D提取第1行所有元素，保存为E

  	  In [6]:

  


      E = D[0,:]
1
2
3
4
5
6
7
8
9
10

- Q5：数组计算 

  
  	  利用multiply.accumulate对E中所有元素依次求积，并保留最后一项作为E中的累计积保存为a1

  	  In [11]:

  


      a1 = np.multiply.accumulate(E)[-1]
      print('a1的值为：',a1)
1


      a1的值为： 13366080