這篇文章主要介紹了numpy庫常用基本操作方法有哪些，具有一定借鑒價(jià)值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

成都創(chuàng)新互聯(lián)主營漢陽網(wǎng)站建設(shè)的網(wǎng)絡(luò)公司,主營網(wǎng)站建設(shè)方案,重慶APP軟件開發(fā),漢陽h5小程序開發(fā)搭建,漢陽網(wǎng)站營銷推廣歡迎漢陽等地區(qū)企業(yè)咨詢

NumPy數(shù)組的維數(shù)稱為秩（rank），一維數(shù)組的秩為1，二維數(shù)組的秩為2，以此類推。在NumPy中，每一個(gè)線性的數(shù)組稱為是一個(gè)軸（axes），秩其實(shí)是描述軸的數(shù)量。比如說，二維數(shù)組相當(dāng)于是一個(gè)一維數(shù)組，而這個(gè)一維數(shù)組中每個(gè)元素又是一個(gè)一維數(shù)組。所以這個(gè)一維數(shù)組就是NumPy中的軸（axes），而軸的數(shù)量——秩，就是數(shù)組的維數(shù)。

1、創(chuàng)建矩陣

Numpy庫中的矩陣模塊為ndarray對(duì)象，有很多屬性：T，data, dtype,flags,flat,imag,real,size,

itemsize,nbytes,ndim,shape,strides,ctypes,base等等。

1.1采用ndarray對(duì)象

import numpy as np #引入numpy庫
#創(chuàng)建一維的narray對(duì)象
a = np.array([1,2,3,4,5])
#創(chuàng)建二維的narray對(duì)象
a2 = np.array([[1,2,3,4,5],[6,7,8,9,10]])
#創(chuàng)建多維對(duì)象以其類推

1.2通過函數(shù)創(chuàng)建矩陣

1.2.1 arange

import numpy as np
a = np.arange(10) # 默認(rèn)從0開始到10（不包括10），步長為1
print(a) # 返回 [0 1 2 3 4 5 6 7 8 9]
a1 = np.arange(5,10) # 從5開始到10（不包括10），步長為1
print(a1) # 返回 [5 6 7 8 9]
a2 = np.arange(5,20,2) # 從5開始到20（不包括20），步長為2
print(a2) # 返回 [ 5 7 9 11 13 15 17 19]

1.2.2 linspace

linspace()和matlab的linspace很類似，用于創(chuàng)建指定數(shù)量等間隔的序列，實(shí)際生成一個(gè)等差數(shù)列。

import numpy as np
a = np.linspace(0,10,5) # 生成首位是0，末位是10，含5個(gè)數(shù)的等差數(shù)列
print(a)

1.2.3 logspace

linspace用于生成等差數(shù)列，而logspace用于生成等比數(shù)列。

下面的例子用于生成首位是100，末位是102，含5個(gè)數(shù)的等比數(shù)列

import numpy as np
a = np.logspace(0,2,5)
print(a)

1.2.4 ones,zeros,eye,empty

ones創(chuàng)建全1矩陣
zeros創(chuàng)建全0矩陣
eye創(chuàng)建單位矩陣
empty創(chuàng)建空矩陣（實(shí)際有值）

import numpy as np
a_ones = np.ones((3,4)) # 創(chuàng)建3*4的全1矩陣
print(a_ones)
# 結(jié)果
[[ 1. 1. 1. 1.]
 [ 1. 1. 1. 1.]
 [ 1. 1. 1. 1.]]
a_zeros = np.zeros((3,4)) # 創(chuàng)建3*4的全0矩陣
print(a_zeros)
# 結(jié)果
[[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]
[ 0. 0. 0. 0.]]
a_eye = np.eye(3) # 創(chuàng)建3階單位矩陣
print(a_eye)
# 結(jié)果
[ 1. 0. 0.]
[ 0. 1. 0.]
[ 0. 0. 1.]]
a_empty = np.empty((3,4)) # 創(chuàng)建3*4的空矩陣 
print(a_empty)
# 結(jié)果
[[ 1.78006111e-306 -3.13259416e-294 4.71524461e-309 1.94927842e+289]
[ 2.10230387e-309 5.42870216e+294 6.73606381e-310 3.82265219e-297]
[ 6.24242356e-309 1.07034394e-296 2.12687797e+183 6.88703165e-315]]

1.2.5 fromstring

fromstring()方法可以將字符串轉(zhuǎn)化成ndarray對(duì)象，需要將字符串?dāng)?shù)字化時(shí)這個(gè)方法比較有用，可以獲得字符串的ascii碼序列。

a = "abcdef"
b = np.fromstring(a,dtype=np.int8) # 因?yàn)橐粋€(gè)字符為8位，所以指定dtype為np.int8
print(b) # 返回 [ 97 98 99 100 101 102]

1.2.6 fromfunction

fromfunction()方法可以根據(jù)矩陣的行號(hào)列號(hào)生成矩陣的元素。

例如創(chuàng)建一個(gè)矩陣，矩陣中的每個(gè)元素都為行號(hào)和列號(hào)的和。

import numpy as np
def func(i,j): 
 return i+j
a = np.fromfunction(func,(5,6)) 
# 第一個(gè)參數(shù)為指定函數(shù)，第二個(gè)參數(shù)為列表list或元組tuple,說明矩陣的大小
print(a)
# 返回
[[ 0. 1. 2. 3. 4. 5.]
[ 1. 2. 3. 4. 5. 6.]
[ 2. 3. 4. 5. 6. 7.]
[ 3. 4. 5. 6. 7. 8.]
[ 4. 5. 6. 7. 8. 9.]]
#注意這里行號(hào)的列號(hào)都是從0開始的

2.矩陣的操作

numpy中的ndarray對(duì)象重載了許多運(yùn)算符，使用這些運(yùn)算符可以完成矩陣間對(duì)應(yīng)元素的運(yùn)算。

如 +，-，*，/，%，**

2.1矩陣函數(shù)操作

2.1.1 常用數(shù)學(xué)運(yùn)算（導(dǎo)入numpy模塊：import numpy as np）

矩陣函數(shù)	說明
np.sin(a)	對(duì)矩陣a中每個(gè)元素取正弦,sin(x)
np.cos(a)	對(duì)矩陣a中每個(gè)元素取余弦,cos(x)
np.tan(a)	對(duì)矩陣a中每個(gè)元素取正切,tan(x)
np.arcsin(a)	對(duì)矩陣a中每個(gè)元素取反正弦,arcsin(x)
np.arccos(a)	對(duì)矩陣a中每個(gè)元素取反余弦,arccos(x)
np.arctan(a)	對(duì)矩陣a中每個(gè)元素取反正切,arctan(x)
np.exp(a)	對(duì)矩陣a中每個(gè)元素取指數(shù)函數(shù),ex
np.sqrt(a)	對(duì)矩陣a中每個(gè)元素開根號(hào)√x

如：求矩陣每個(gè)元素的sin值

import numpy as np
array=np.array([[1,2,3],
        [4,5,6]])
print(np.sin(array))
#結(jié)果
# [[ 0.84147098 0.90929743 0.14112001]
# [-0.7568025 -0.95892427 -0.2794155 ]]

2.1.2矩陣乘法（點(diǎn)乘）

矩陣乘法必須滿足矩陣乘法的條件，即第一個(gè)矩陣的列數(shù)等于第二個(gè)矩陣的行數(shù)。

矩陣乘法的函數(shù)為 dot

 import numpy as np
a1 = np.array([[1,2,3],[4,5,6]]) # a1為2*3矩陣
a2 = np.array([[1,2],[3,4],[5,6]]) # a2為3*2矩陣
print(a1.shape[1]==a2.shape[0]) # True, 滿足矩陣乘法條件
print(a1.dot(a2)) 
# a1.dot(a2)相當(dāng)于matlab中的a1*a2
# 而python中的a1*a2相當(dāng)于matlab中的a1.*a2
# 結(jié)果
[[22 28]
[49 64]]

2.1.3矩陣的轉(zhuǎn)置(transpose或T)

import numpy as np
array=np.array([[1,2,3],
        [4,5,6]])
print(array.transpose())#或np.transpose(array)
print(array.T)
# 結(jié)果
# [[1 4]
# [2 5]
# [3 6]]
#      transpose與T效果一樣
# [[1 4]
# [2 5]
# [3 6]]

2.1.4矩陣的逆

求矩陣的逆需要先導(dǎo)入numpy.linalg，用linalg的inv函數(shù)來求逆。

矩陣求逆的條件是矩陣的行數(shù)和列數(shù)相同。

import numpy as np
import numpy.linalg as lg
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(lg.inv(a))
# 結(jié)果
[[ -4.50359963e+15  9.00719925e+15 -4.50359963e+15]
 [ 9.00719925e+15 -1.80143985e+16  9.00719925e+15]
[ -4.50359963e+15  9.00719925e+15 -4.50359963e+15]]
a = np.eye(3) # 3階單位矩陣
print(lg.inv(a)) # 單位矩陣的逆為他本身
# 結(jié)果
[[ 1. 0. 0.]
[ 0. 1. 0.]
[ 0. 0. 1.]]

2.1.5大值最小值

獲得矩陣中元素大最小值的函數(shù)分別是max和min，可以獲得整個(gè)矩陣、行或列的大最小值。

import numpy as np
array=np.array([[1,2,3],
        [4,5,6]])
print(array.max())#結(jié)果為6
print(array.min())#結(jié)果為1
#同時(shí)還可以指定axis關(guān)鍵字，獲取行或列的大、最小值
print(array.max(axis=0)) #x軸大值，0,1分別代表行列

2.1.6平均值

獲得矩陣中元素的平均值可以通過函數(shù)mean()或average()。同樣地，可以獲得整個(gè)矩陣、行或列的平均值

import numpy as np
array=np.array([[1,2,3],
        [4,5,6]])
print(array.mean())#結(jié)果為3.5
print(np.average(array))#結(jié)果為3.5
print(array.mean(axis=0))#行方向的平均值，同樣，0,1代表維度

2.1.7方差

方差的函數(shù)為var(),方差函數(shù)var()相當(dāng)于函數(shù)mean(abs(x - x.mean())**2),其中x為矩陣。

import numpy as np
array=np.array([[1,2,3],
        [4,5,6]])
print(array.var())#結(jié)果為2.91666666667
#同樣可通過axis指定維度0,1分別代表行列，
print(array.var(axis=0))
# 結(jié)果
# [ 2.25 2.25 2.25]

2.1.8標(biāo)準(zhǔn)差

標(biāo)準(zhǔn)差的函數(shù)為std()。

std()相當(dāng)于sqrt(mean(abs(x - x.mean())**2))，或相當(dāng)于sqrt(x.var())。

import numpy as np
array=np.array([[1,2,3],
        [4,5,6]])
print(array.std())#結(jié)果為1.70782512766
#同樣可通過axis指定維度0,1分別代表行列，
print(array.std(axis=0))
# 結(jié)果
# [ 1.5 1.5 1.5]

2.1.9中位數(shù)or中值

中值指的是將序列按大小順序排列后，排在中間的那個(gè)值，如果有偶數(shù)個(gè)數(shù)，則是排在中間兩個(gè)數(shù)的平均值。

例如序列[5,2,6,4,2]，按大小順序排成 [2,2,4,5,6]，排在中間的數(shù)是4，所以這個(gè)序列的中值是4。

又如序列[5,2,6,4,3,2]，按大小順序排成 [2,2,3,4,5,6]，因?yàn)橛信紨?shù)個(gè)數(shù)，排在中間兩個(gè)數(shù)是3、4，所以這個(gè)序列中值是3.5。

中值的函數(shù)是median()，調(diào)用方法為numpy.median(x,[axis])，axis可指定軸方向，默認(rèn)axis=None，對(duì)所有數(shù)去中值

import numpy as np
array=np.array([[1,2,3],
        [4,5,6]])
print(np.median(array))#結(jié)果：3.5
#指定維度
print(np.median(array,axis=0))
#結(jié)果
# [ 2.5 3.5 4.5]

2.1.10　求和

矩陣求和的函數(shù)是sum()，可以對(duì)行，列，或整個(gè)矩陣求和

import numpy as np
array=np.array([[1,2,3],
        [4,5,6]])
print(array.sum())#結(jié)果：21
#指定維度
print(array.sum(axis=0))
#結(jié)果
# [5 7 9]

2.1.11 累計(jì)和或累加

某位置累積和指的是該位置之前(包括該位置)所有元素的和。

例如序列[1,2,3,4,5]，其累計(jì)和為[1,3,6,10,15]，即第一個(gè)元素為1，第二個(gè)元素為1+2=3，……，第五個(gè)元素為1+2+3+4+5=15。

矩陣求累積和的函數(shù)是cumsum()，可以對(duì)行，列，或整個(gè)矩陣求累積和。

import numpy as np
a = np.array([[1,2,3],[4,5,6]])
print(a.cumsum())      # 對(duì)整個(gè)矩陣求累積和
# 結(jié)果 [ 1 3 6 10 15 21]
print(a.cumsum(axis=0)) # 對(duì)行方向求累積和
# 結(jié)果
[[1 2 3]
[5 7 9]]
print(a.cumsum(axis=1)) # 對(duì)列方向求累積和
# 結(jié)果
[[ 1 3 6]
[ 4 9 15]]

2.2矩陣的截取

2.2.1 按行列截取

矩陣的截取和list相同，可以通過[]（方括號(hào)）來截取

import numpy as np
a = np.array([[1,2,3,4,5],[6,7,8,9,10]])
print(a[0:1]) #截取第一行,返回 [[1 2 3 4 5]]
print(a[1,2:5]) #截取第二行，第三、四、五列，返回 [8 9 10]
print(a[1,:]) #截取第二行,返回 [ 6 7 8 9 10]

2.2.2按條件截取

import numpy as np
a = np.array([[1,2,3,4,5],[6,7,8,9,10]])
b = a[a>6] # 截取矩陣a中大于6的元素，范圍的是一維數(shù)組
print(b) # 返回 [ 7 8 9 10]
# 其實(shí)布爾語句首先生成一個(gè)布爾矩陣，將布爾矩陣傳入[]（方括號(hào)）實(shí)現(xiàn)截取
print(a>6) 
# 返回
[[False False False False False]
[False True True True True]]

按條件截取應(yīng)用較多的是對(duì)矩陣中滿足一定條件的元素變成特定的值。

例如將矩陣中大于6的元素變成0。

import numpy as np
a = np.array([[1,2,3,4,5],[6,7,8,9,10]])
print(a)
#開始矩陣為
[[ 1 2 3 4 5]
 [ 6 7 8 9 10]]
a[a>6] = 0
print(a)
#大于6清零后矩陣為
[[1 2 3 4 5]
[6 0 0 0 0]]

2.2.3 clip截取

clip（矩陣，min，max）#返回值：所有小于min的值都等于min，所有大于max的值都等于max

import numpy as np
array=np.array([[1,2,3],
        [4,5,6]])
print(array.clip(2,4))
#結(jié)果
# [[2 2 3]
# [4 4 4]]

2.3 矩陣的合并

矩陣的合并可以通過numpy中的hstack方法和vstack方法實(shí)現(xiàn)

import numpy as np
a1 = np.array([[1,2],[3,4]])
a2 = np.array([[5,6],[7,8]])
#!注意 參數(shù)傳入時(shí)要以列表list或元組tuple的形式傳入
print(np.hstack([a1,a2])) 
#橫向合并，返回結(jié)果如下 
[[1 2 5 6]
[3 4 7 8]]
print(np.vstack((a1,a2)))
#縱向合并，返回結(jié)果如下
[[1 2]
[3 4]
[5 6]
[7 8]]

矩陣的合并也可以通過concatenatef方法。

np.concatenate( (a1,a2), axis=0 ) 等價(jià)于 np.vstack( (a1,a2) )

np.concatenate( (a1,a2), axis=1 ) 等價(jià)于 np.hstack( (a1,a2) )

感謝你能夠認(rèn)真閱讀完這篇文章，希望小編分享的“numpy庫常用基本操作方法有哪些”這篇文章對(duì)大家有幫助，同時(shí)也希望大家多多支持創(chuàng)新互聯(lián)成都網(wǎng)站設(shè)計(jì)公司，關(guān)注創(chuàng)新互聯(lián)成都網(wǎng)站設(shè)計(jì)公司行業(yè)資訊頻道，更多相關(guān)知識(shí)等著你來學(xué)習(xí)!

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、網(wǎng)站設(shè)計(jì)器、香港服務(wù)器、美國服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。

網(wǎng)站名稱：numpy庫常用基本操作方法有哪些-創(chuàng)新互聯(lián)
網(wǎng)站鏈接：http://chinadenli.net/article0/cohjio.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供虛擬主機(jī)、品牌網(wǎng)站建設(shè)、標(biāo)簽優(yōu)化、ChatGPT、搜索引擎優(yōu)化、App開發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)