Numpy

NumPy （ Numerical Python）是支持 Python 语言的数值计算扩充库，其拥有强大的多维数组处理与矩阵运算能力

NumPy 是 Scipy.org 中最重要的库之一，它同时也被 Pandas，Matplotlib 等我们熟知的第三方库作为核心计算库。当你在单独安装这些库时，你会发现同时会安装 NumPy 作为依赖。

数值类型 dtype（data-type） 对象的实例

• 可以用 numpy.dtype(object, align, copy)来指定数值类型
• 在数组里面，可以用 dtype=参数指定数值类型

import numpy as np
a = np.array([1.1,2.2,3.3],
             dtype = np.float64)

• 用array.dtype查看数组array的数据类型

print(a.dtype)
#  dtype('float64')

• 使用 array.astype() 方法在不同的数值类型之间相互转换

a.astype(int)
# array([1, 2, 3])
a.astype(int).dtype
# dtype('int64')

NumPy 数组生成

NumPy 中，多维数组对象ndarray 具有六个参数：

• shape：数组的形状。
• dtype：数据类型。
• buffer：对象暴露缓冲区接口。
• offset：数组数据的偏移量。
• strides：数据步长。
• order：{'C'，'F'}，以行或列为主排列顺序。

在 NumPy 中，我们主要通过以下 5 种途径创建数组:

1. 从 Python 数组结构列表，元组等转换。

numpy.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)
其中，参数：
object：列表、元组等。
dtype：数据类型。如果未给出，则类型为被保存对象所需的最小类型。
copy：布尔类型，默认 True，表示复制对象。
order：顺序。
subok：布尔类型，表示子类是否被传递。
ndmin：生成的数组应具有的最小维数。

2. 使用 np.arange、np.ones、np.zeros 等 NumPy 原生方法。

• arange() 的功能是在给定区间内创建一系列均匀间隔的值。
  numpy.arange(start, stop, step, dtype=None)

• linspace 用于在指定的区间内返回间隔均匀的值。
  numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

• numpy.ones 用于快速创建数值全部为 1 的多维数组。
  numpy.ones(shape, dtype=None, order='C')

• zeros 方法和上面的 ones 方法非常相似，不同的地方在于，这里全部填充为 0。
  numpy.zeros(shape, dtype=None, order='C')

• numpy.eye 用于创建一个单位矩阵，其特点是k 对角线上的值为 1，其余值全部为0。
  numpy.eye(N, M=None, k=0, dtype=<type 'float'>)

3. 从已知数据创建

我们还可以从已知数据文件、函数中创建 ndarray。

• frombuffer（buffer）：将缓冲区转换为 1 维数组。
• fromfile（file，dtype，count，sep）：从文本或二进制文件中构建多维数组。
• fromfunction（function，shape）：通过函数返回值来创建多维数组。
• fromiter（iterable，dtype，count）：从可迭代对象创建 1 维数组。
• fromstring（string，dtype，count，sep）：从字符串中创建 1 维数组。

数组基本操作

reshape 可以在不改变数组数据的同时，改变数组的形状。其中，numpy.reshape() 等效于 ndarray.reshape()。reshape 方法非常简单：

numpy.reshape(a, newshape)

数组展开

ravel 的目的是将任意形状的数组扁平化，变为 1 维数组。

numpy.ravel(a, order='C')

轴移动

moveaxis 可以将数组的轴移动到新的位置。

a.shape, np.moveaxis(a, 0, -1).shape
(1, 2, 3), (2, 3, 1)

轴交换

swapaxes 可以用来交换数组的轴。

numpy.swapaxes(a, axis1, axis2)

a.shape, np.swapaxes(a,0,2).shape
(1, 4, 3), (3, 4, 1)

• 数组转置
  transpose 类似于矩阵的转置，它可以将 2 维数组的横轴和纵轴交换。
  numpy.transpose(a, axes=None)

维度改变

atleast_xd 支持将输入数据直接视为 x维。这里的 x 可以表示：1，2，3。

numpy.atleast_1d()
numpy.atleast_2d()
numpy.atleast_3d()

np.atleast_1d([1,2,3]).shape, np.atleast_2d([1,2,3]).shape,np.atleast_3d([1,2,3]).shape
(3,), (1, 3), (1, 3, 1)

类型转换

在 NumPy 中，还有一系列以 as 开头的方法，它们可以将特定输入转换为数组，亦可将数组转换为矩阵、标量，ndarray 等。

• asarray(a，dtype，order)：将特定输入转换为数组。
• asanyarray(a，dtype，order)：将特定输入转换为 ndarray。
• asmatrix(data，dtype)：将特定输入转换为矩阵。
• asfarray(a，dtype)：将特定输入转换为 float 类型的数组。
• asarray_chkfinite(a，dtype，order)：将特定输入转换为数组，检查 NaN 或 infs。
• asscalar(a)：将大小为 1 的数组转换为标量。

数组连接

concatenate 可以将多个数组沿指定轴连接在一起。
numpy.concatenate((a1, a2, ...), axis=0)

数组堆叠

• stack(arrays，axis)：沿着新轴连接数组的序列。
• column_stack()：将 1 维数组作为列堆叠到 2 维数组中。
• hstack()：按水平方向堆叠数组。
• vstack()：按垂直方向堆叠数组。
• dstack()：按深度方向堆叠数组。

拆分

• split(ary，indices_or_sections，axis)：将数组拆分为多个子数组。
• dsplit(ary，indices_or_sections)：按深度方向将数组拆分成多个子数组。
• hsplit(ary，indices_or_sections)：按水平方向将数组拆分成多个子数组。
• vsplit(ary，indices_or_sections)：按垂直方向将数组拆分成多个子数组。

追加

• append(arr，values，axis)：将值附加到数组的末尾，并返回 1 维数组。

搜索和计数

• argmax(a ,axis,out)：返回数组中指定轴的最大值的索引。
• nanargmax(a ,axis)：返回数组中指定轴的最大值的索引,忽略 NaN。
• argmin(a ,axis,out)：返回数组中指定轴的最小值的索引。
• nanargmin(a ,axis)：返回数组中指定轴的最小值的索引,忽略 NaN。
• argwhere(a)：返回数组中非 0 元素的索引,按元素分组。
• nonzero(a)：返回数组中非 0 元素的索引。
• flatnonzero(a)：返回数组中非 0 元素的索引,并铺平。
• where(条件,x,y)：根据指定条件,从指定行、列返回元素。
• searchsorted(a,v ,side,sorter)：查找要插入元素以维持顺序的索引。

10. extract(condition,arr)：返回满足某些条件的数组的元素。

• count_nonzero(a)：计算数组中非 0 元素的数量。