Zeka's Blog

Python - -libs - NumPy

Wiki Python

axis = 0 or 1?

  • axis = 0 表示纵轴，说明函数导致的变化是从上到下的
  • axis = 1 表示横轴，说明函数导致的变化是从左到右的

1. numpy.array

Define

np.array([1,2,3])
np.zeros((n,m))      # n*m 的空矩阵
np.ones((n,m))
np.arange(4)         # array([0,1,2,3])
    np.arange(1,4)   # array([1,2,3])
    np.arange(1,6,2) # array([1,3,5])

np.zeros((n,m)) # n*m 的空矩阵
np.ones((n,m))

Modify

arr = np.append(arr, 4)  # 从尾端添加元素
arr = arr.reshape(2,2)   # 改变数组的维度
arr = arr.ravel()        # 展平成一维数组（一行一行排）

1.1 Index

arr.argmax()  # 最大值索引
arr.argmin()  # 最小值索引

寻找数组中符合条件的元素的位置 (index)

np.argwhere(L == a) 

# Example
L = np.array([1, 2, 3, 2])
np.argwhere(L == 2)

>>> array([[1], [3]], dtype=int64)

1.2 Statistics

arr.sum()
arr.mean()
arr.std()
arr.var()
arr.max()
    arr.max(axis=1) # 每行最大值（axis=0 每列）

arr.cumsum()  # 所有元素的累计和（累加） [1,2,3] >>> [1,3,6]
arr.cumprod() # 所有元素的累计积（累乘）

1.3 Sort

去除数组中的重复数字, 并进行排序之后输出

np.unique([1, 2, 2, 3, 3])
>>> array([1, 2, 3])
np.unique([[1, 1], [2, 3]])
>>> array([1, 2, 3])

1.4 Save and Load

将 numpy.array 类型的数据已 .npy 为格式保存起来

np.save('address/filename.npy', X)

读取 .npy 格式的文件

X = np.load('address/filename.npy')

1.5 Combine, Join

纵向堆叠 np.vstack((a1, a2)) 横向堆叠 np.hstack((a1, a2))

a1 = np.array([1, 2, 3])
a2 = np.array([4, 5, 6])
np.vstack((a1, a2))

>>> array([[1, 2, 3],
           [4, 5, 6])

多向连接 np.concatenate((a1, ...), axis=0))

# a1, a2 一维
np.concatenate((a1, a2)) # a1.extend(a2)

# a1, a2 二维
### 纵向堆叠 np.vstack((a1, a2))
np.concatenate((a1, a2))
### 横向堆叠 np.hstack((a1, a2))
np.concatenate((a1, a2), axis=1)

2. Calculations

2.1 Matrices

C = np.matmul(A, B)         # 矩阵乘法
C = np.dot(A, B)            # 矩阵乘法（和 matmul 差不多）
C = np.multiply(A, B)       # 点乘（各元素相乘）
u, s, vh = np.linalg.svd(C) # SVD(奇异值分解)

A.sum(axis=0) # 列求和（axis=1 行求和）

2.2 Broadcasting

计算矩阵中每个元素在其所在列的占的比例

col_sum = A.sum(axis=0)
percent = 100*A/col_sum

阶乘（factorial）

np.math.factorial(n)

3. numpy.random

从指定范围内随机选择（生成x行y列的随机二位数组）

# [0,1)
np.random.rand(x, y)
# [5,15)
np.random.rand(x, y) * 10 + 5

# 正态分布（mean 0 variance 1）
np.random.randn(x, y)

从指定列表中随机选择

# 等概率随机（可以反复选取同一个元素）
np.random.choise([1,2,3], size=2, replace=True)
# 等概率随机（一个元素只能被选去一次）
np.random.choise([1,2,3], size=2, replace=False)
# 指定概率随机
np.random.choise([1,2,3], size=100, replace=True, p=[0.2, 0.3, 0.5])

3.1 生成概率分布

np.random.normal(mean, std, size) # 高斯分布，size 可以是多维的

Document Information

Search

    Table of Contents