【再回首Python之美】【numpy-手冊】numpy庫使用手冊
numpy庫功能簡介
NumPy是一個基礎庫，支援高效能運算和資料分析。部分功能： 1）ndarray，多維陣列，向量運算以及廣播能力 2）提供整組資料的操作函式 3）磁碟和檔案的操作函式 4）線性代數、隨機數生成和傅立葉變換等操作函式 5）快速方便整合c、c++以及Fortran等程式碼numpy庫的匯入
1）import numpy as np
此種匯入時，使用where方法：np.where([[True, False]], [[1, 2]], [[3, 4]])
2）from numpy import * #匯入所有numpy的函式和屬性
此種匯入時，使用where方法：where([[True, False]], [[1, 2]], [[3, 4]])
3）from numpy import where as np_where #使用numpy.where，並且起別名為np_where
此種匯入時，使用where方法：np_where([[True, False]], [[1, 2]], [[3, 4]])
numpy型別關鍵字
| 型別 | 型別程式碼 | 說明 |
| int8、uint8 | i1、u1 | 有符號和無符號8位整型（1位元組） |
| int16、uint16 | i2、u2 | 有符號和無符號16位整型（2位元組） |
| int32、uint32 | i4、u4 | 有符號和無符號32位整型（4位元組） |
| int64、uint64 | i8、u8 | 有符號和無符號64位整型（8位元組） |
| float16 | f2 | 半精度浮點數 |
| float32 | f4、f | 單精度浮點數 |
| float64 | f8、d | 雙精度浮點數 |
| float128 | f16、g | 擴充套件精度浮點數 |
| complex64 | c8 | 分別用兩個32位表示的複數 |
| complex128 | c16 | 分別用兩個64位表示的複數 |
| complex256 | c32 | 分別用兩個128位表示的複數 |
| bool | ? | 布林型 |
| object | O | python物件 |
| string | Sn | 固定長度字串，每個字元1位元組，如S10 |
| unicode | Un | 固定長度Unicode，位元組數由系統決定，如U10 |
numpy函式
生成函式 | 作用 |
np.array( x) np.array( x, dtype) | 將輸入資料轉化為一個ndarray 將輸入資料轉化為一個型別為type的ndarray |
| np.asarray( array ) | 將輸入資料轉化為一個新的（copy）ndarray |
np.ones( N ) np.ones( N, dtype) np.ones_like( ndarray ) | 生成一個N長度的一維全一ndarray 生成一個N長度型別是dtype的一維全一ndarray 生成一個形狀與引數相同的全一ndarray |
np.zeros( N) np.zeros( N, dtype) np.zeros_like(ndarray) | 生成一個N長度的一維全零ndarray 生成一個N長度型別位dtype的一維全零ndarray 類似np.ones_like( ndarray ) |
np.empty( N ) np.empty( N, dtype) np.empty(ndarray) | 生成一個N長度的未初始化一維ndarray 生成一個N長度型別是dtype的未初始化一維ndarray 類似np.ones_like( ndarray ) |
np.eye( N ) np.identity( N ) | 建立一個N * N的單位矩陣（對角線為1，其餘為0） |
np.arange( num) np.arange( begin, end) np.arange( begin, end, step) | 生成一個從0到num-1步數為1的一維ndarray 生成一個從begin到end-1步數為1的一維ndarray 生成一個從begin到end-step的步數為step的一維ndarray |
np.mershgrid(ndarray, ndarray,...) | 生成一個ndarray * ndarray * ...的多維ndarray |
np.where(cond, ndarray1, ndarray2) | 根據條件cond，選取ndarray1或者ndarray2，返回一個新的ndarray |
np.in1d(ndarray, [x,y,...]) | 檢查ndarray中的元素是否等於[x,y,...]中的一個，返回bool陣列 |
矩陣函式 | 說明 |
np.diag( ndarray) np.diag( [x,y,...]) | 以一維陣列的形式返回方陣的對角線（或非對角線）元素 將一維陣列轉化為方陣（非對角線元素為0） |
| np.dot(ndarray, ndarray) | 矩陣乘法 |
| np.trace( ndarray) | 計算對角線元素的和 |
排序函式 | 說明 |
np.sort( ndarray) | 排序，返回副本 |
np.unique(ndarray) | 返回ndarray中的元素，排除重複元素之後，並進行排序 |
np.intersect1d( ndarray1, ndarray2) np.union1d( ndarray1, ndarray2) np.setdiff1d( ndarray1, ndarray2) np.setxor1d( ndarray1, ndarray2) | 返回二者的交集並排序。 返回二者的並集並排序。 返回二者的差。 返回二者的對稱差 |
一元計算函式 | 說明 |
np.abs(ndarray) np.fabs(ndarray) | 計算絕對值 計算絕對值（非複數） |
np.mean(ndarray) | 求平均值 |
np.sqrt(ndarray) | 計算x^0.5 |
np.square(ndarray) | 計算x^2 |
np.exp(ndarray) | 計算e^x |
log、log10、log2、log1p | 計算自然對數、底為10的log、底為2的log、底為(1+x)的log |
np.sign(ndarray) | 計算正負號：1（正）、0（0）、-1（負） |
np.ceil(ndarray) np.floor(ndarray) np.rint(ndarray) | 計算大於等於改值的最小整數 計算小於等於該值的最大整數 四捨五入到最近的整數，保留dtype |
np.modf(ndarray) | 將陣列的小數和整數部分以兩個獨立的陣列方式返回 |
np.isnan(ndarray) | 返回一個判斷是否是NaN的bool型陣列 |
np.isfinite(ndarray) np.isinf(ndarray) | 返回一個判斷是否是有窮（非inf，非NaN）的bool型陣列 返回一個判斷是否是無窮的bool型陣列 |
cos、cosh、sin、sinh、tan、tanh | 普通型和雙曲型三角函式 |
arccos、arccosh、arcsin、arcsinh、arctan、arctanh | 反三角函式和雙曲型反三角函式 |
np.logical_not(ndarray) | 計算各元素not x的真值，相當於-ndarray |
多元計算函式 | 說明 |
np.add(ndarray, ndarray) np.subtract(ndarray, ndarray) np.multiply(ndarray, ndarray) np.divide(ndarray, ndarray) np.floor_divide(ndarray, ndarray) np.power(ndarray, ndarray) np.mod(ndarray, ndarray) | 相加 相減 乘法 除法 圓整除法（丟棄餘數） 次方 求模 |
np.maximum(ndarray, ndarray) np.fmax(ndarray, ndarray) np.minimun(ndarray, ndarray) np.fmin(ndarray, ndarray) | 求最大值 求最大值（忽略NaN） 求最小值 求最小值（忽略NaN） |
np.copysign(ndarray, ndarray) | 將引數2中的符號賦予引數1 |
np.greater(ndarray, ndarray) np.greater_equal(ndarray, ndarray) np.less(ndarray, ndarray) np.less_equal(ndarray, ndarray) np.equal(ndarray, ndarray) np.not_equal(ndarray, ndarray) | > >= < <= == != |
logical_and(ndarray, ndarray) logical_or(ndarray, ndarray) logical_xor(ndarray, ndarray) | & | ^ |
| np.dot( ndarray, ndarray) | 計算兩個ndarray的矩陣內積 |
| np.ix_([x,y,m,n],...) | 生成一個索引器，用於Fancy indexing(花式索引) |
檔案讀寫 | 說明 |
| np.save(string, ndarray) | 將ndarray儲存到檔名為 [string].npy 的檔案中（無壓縮） |
| np.savez(string, ndarray1, ndarray2, ...) | 將所有的ndarray壓縮儲存到檔名為[string].npy的檔案中 |
| np.savetxt(sring, ndarray, fmt, newline='\n') | 將ndarray寫入檔案，格式為fmt |
| np.load(string) | 讀取檔名string的檔案內容並轉化為ndarray物件（或字典物件） |
| np.loadtxt(string, delimiter) | 讀取檔名string的檔案內容，以delimiter為分隔符轉化為ndarray |
numpy.ndarray屬性
| ndarray.ndim | 獲取ndarray的維數 |
| ndarray.shape | 獲取ndarray各個維度的長度 |
| ndarray.dtype | 獲取ndarray中元素的資料型別 |
| ndarray.T | 簡單轉置矩陣ndarray |
numpy.ndarray函式
函式 | 說明 |
| ndarray.astype(dtype) | 轉換型別，若轉換失敗則會出現TypeError |
| ndarray.copy() | 複製一份ndarray(新的記憶體空間) |
| ndarray.reshape((N,M,...)) | 將ndarray轉化為N*M*...的多維ndarray（非copy） |
| ndarray.transpose((xIndex,yIndex,...)) | 根據維索引xIndex,yIndex...進行矩陣轉置，依賴於shape，不能用於一維矩陣（非copy） |
| ndarray.swapaxes(xIndex,yIndex) | 交換維度（非copy） |
計算函式 | 說明 |
| ndarray.mean( axis=0 ) | 求平均值 |
| ndarray.sum( axis= 0) | 求和 |
ndarray.cumsum( axis=0) ndarray.cumprod( axis=0) | 累加 累乘 |
ndarray.std() ndarray.var() | 方差 標準差 |
ndarray.max() ndarray.min() | 最大值 最小值 |
ndarray.argmax() ndarray.argmin() | 最大值索引 最小值索引 |
ndarray.any() ndarray.all() | 是否至少有一個True 是否全部為True |
ndarray.dot( ndarray) | 計算矩陣內積 |
排序函式 | 說明 |
ndarray.sort(axis=0) | 排序，返回源資料 |
numpy.ndarray索引/切片方式
| ndarray[n] | 選取第n+1個元素 |
| ndarray[n:m] | 選取第n+1到第m個元素 |
| ndarray[:] | 選取全部元素 |
| ndarray[n:] | 選取第n+1到最後一個元素 |
| ndarray[:n] | 選取第0到第n個元素 |
ndarray[ bool_ndarray ] 注：bool_ndarray表示bool型別的ndarray | 選取為true的元素 |
ndarray[[x,y,m,n]]... | 選取順序和序列為x、y、m、n的ndarray |
ndarray[n,m] ndarray[n][m] | 選取第n+1行第m+1個元素 |
ndarray[n,m,...] ndarray[n][m].... | 選取n行n列....的元素 |
| 函式 | 說明 |
seed() seed(int) seed(ndarray) | 確定隨機數生成種子 |
permutation(int) permutation(ndarray) | 返回一個一維從0~9的序列的隨機排列 返回一個序列的隨機排列 |
| shuffle(ndarray) | 對一個序列就地隨機排列 |
rand(int) randint(begin,end,num=1) | 產生int個均勻分佈的樣本值 從給定的begin和end隨機選取num個整數 |
| randn(N, M, ...) | 生成一個N*M*...的正態分佈（平均值為0，標準差為1）的ndarray |
| normal(size=(N,M,...)) | 生成一個N*M*...的正態（高斯）分佈的ndarray |
| beta(ndarray1,ndarray2) | 產生beta分佈的樣本值，引數必須大於0 |
| chisquare() | 產生卡方分佈的樣本值 |
| gamma() | 產生gamma分佈的樣本值 |
| uniform() | 產生在[0,1)中均勻分佈的樣本值 |
numpy.linalg函式
| 函式 | 說明 |
| det(ndarray) | 計算矩陣列式 |
| eig(ndarray) | 計算方陣的本徵值和本徵向量 |
inv(ndarray) pinv(ndarray) | 計算方陣的逆 計算方陣的Moore-Penrose偽逆 |
| qr(ndarray) | 計算qr分解 |
| svd(ndarray) | 計算奇異值分解svd |
| solve(ndarray) | 解線性方程組Ax = b，其中A為方陣 |
| lstsq(ndarray) | 計算Ax=b的最小二乘解 |
(end)