NumPy快速上手

此为实验楼楼+机器学习前置课程NumPy 数值计算基础课程的初步总结，这篇教程就是一个api文档，看的头太疼了，就好比你初学Linux，然后人家给你一个指令手册叫你从头看到底。

这里就简单记录了一些数组的用法，其他的用到的时候直接去查就行了

类型

所有类型

类型	解释
bool	布尔类型，1 个字节，值为 True 或 False。
int	整数类型，通常为 int64 或 int32 。
intc	与 C 里的 int 相同，通常为 int32 或 int64。
intp	用于索引，通常为 int32 或 int64。
int8	字节（从 -128 到 127）
int16	整数（从 -32768 到 32767）
int32	整数（从 -2147483648 到 2147483647）
int64	整数（从 -9223372036854775808 到 9223372036854775807）
uint8	无符号整数（从 0 到 255）
uint16	无符号整数（从 0 到 65535）
uint32	无符号整数（从 0 到 4294967295）
uint64	无符号整数（从 0 到 18446744073709551615）
float	float64 的简写。
float16	半精度浮点，5 位指数，10 位尾数
float32	单精度浮点，8 位指数，23 位尾数
float64	双精度浮点，11 位指数，52 位尾数
complex	complex128 的简写。
complex64	复数，由两个 32 位浮点表示。
complex128	复数，由两个 64 位浮点表示。

设定类型

import numpy as np

a = np.array([1.1, 2.2, 3.3], dtype=np.float64) # 此处可以指定类型
a, a.dtype

# (array([1.1, 2.2, 3.3]), dtype('float64'))

改变类型

1	a.astype(int)

数组

array

普通的数组

1
2
3

np.array([[1, 2, 3], [4, 5, 6]])
# array([[1, 2, 3],
#       [4, 5, 6]])

arange

生成指定范围的数组

numpy.arange(start, stop, step, dtype=None)

1 2	np.arange(3, 7, 0.5, dtype='float64') # array([3. , 3.5, 4. , 4.5, 5. , 5.5, 6. , 6.5])

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)

np.linspace(start=0, stop=10, num=20, endpoint=True)
# array([ 0.        ,  0.52631579,  1.05263158,  1.57894737,  2.10526316,
#         2.63157895,  3.15789474,  3.68421053,  4.21052632,  4.73684211,
#         5.26315789,  5.78947368,  6.31578947,  6.84210526,  7.36842105,
#         7.89473684,  8.42105263,  8.94736842,  9.47368421, 10.        ])

ones

用于快速创建数值全部的1多维数组

numpy.ones(shape, dtype=None, order='C')

1
2
3

np.ones(shape=(2,3))
# array([[1., 1., 1.],
#        [1., 1., 1.]])

zeros

用于快速创建数值全部为0的多维数组

numpy.zeros(shape, dtype=None, order='C')

1 2	np.zeros(3) # array([0., 0., 0.])

eye

二维数组，k对角线上的值为1，其余为0

numpy.eye(N, M=None, k=0, dtype=<type 'float'>)

np.eye(5, 4, 1)
# array([[0., 1., 0., 0.],
#        [0., 0., 1., 0.],
#        [0., 0., 0., 1.],
#        [0., 0., 0., 0.],
#        [0., 0., 0., 0.]])

从已知数据创建

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。

np.fromfunction(lambda a, b : a * b, (4,3))
# array([[0., 0., 0.],
#        [0., 1., 2.],
#        [0., 2., 4.],
#        [0., 3., 6.]])

ndarray

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。

随机数组

numpy.random.rand(d0, d1, ..., dn) 方法的作用为：指定一个数组，并使用 [0, 1) 区间随机数据填充，这些数据均匀分布。

numpy.random.randn(d0, d1, ..., dn) 与 numpy.random.rand(d0, d1, ..., dn) 的区别在于，前者是从标准正态分布中返回一个或多个样本值。

randint(low, high, size, dtype) 方法将会生成 [low, high) 的随机整数。注意这是一个半开半闭区间。

random_sample(size) 方法将会在 [0, 1) 区间内生成指定 size 的随机浮点数。

choice(a, size, replace, p) 方法将会给定的数组里随机抽取几个值，该方法类似于随机抽样。

啊，我不行了，api看的头疼

Schwarzeni

类型