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。

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，每一個線性的數(shù)組稱為是一個軸（axes），秩其實是描述軸的數(shù)量。比如說，二維數(shù)組相當于是一個一維數(shù)組，而這個一維數(shù)組中每個元素又是一個一維數(shù)組。所以這個一維數(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對象

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

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，實際生成一個等差數(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化成ndarray對象，需要將字符串數(shù)字化時這個方法比較有用，可以獲得字符串的ascii碼序列。

a = "abcdef"
b = np.fromstring(a,dtype=np.int8) # 因為一個字符為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)矩陣的行號列號生成矩陣的元素。

例如創(chuàng)建一個矩陣，矩陣中的每個元素都為行號和列號的和。

import numpy as np
def func(i,j): 
 return i+j
a = np.fromfunction(func,(5,6)) 
# 第一個參數(shù)為指定函數(shù)，第二個參數(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.]]
#注意這里行號的列號都是從0開始的

2.矩陣的操作

numpy中的ndarray對象重載了許多運算符，使用這些運算符可以完成矩陣間對應元素的運算。

如 +，-，*，/，%，**

2.1矩陣函數(shù)操作

2.1.1 常用數(shù)學運算（導入numpy模塊：import numpy as np）

如：求矩陣每個元素的sin值

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

2.1.2矩陣乘法（點乘）

矩陣乘法必須滿足矩陣乘法的條件，即第一個矩陣的列數(shù)等于第二個矩陣的行數(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)相當于matlab中的a1*a2
# 而python中的a1*a2相當于matlab中的a1.*a2
# 結果
[[22 28]
[49 64]]

2.1.3矩陣的轉置(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())#結果為6
print(array.min())#結果為1
#同時還可以指定axis關鍵字，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())#結果為3.5
print(np.average(array))#結果為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))
# 結果
# [ 2.25 2.25 2.25]

2.1.8標準差

標準差的函數(shù)為std()。

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

import numpy as np
array=np.array([[1,2,3],
        [4,5,6]])
print(array.std())#結果為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，排在中間的那個值，如果有偶數(shù)個數(shù)，則是排在中間兩個數(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]，因為有偶數(shù)個數(shù)，排在中間兩個數(shù)是3、4，所以這個序列中值是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axis=None，對所有數(shù)去中值

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

2.1.10　求和

矩陣求和的函數(shù)是sum()，可以對行，列，或整個矩陣求和

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

2.1.11 累計和或累加

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]，其累計和為[1,3,6,10,15]，即第一個元素為1，第二個元素為1+2=3，……，第五個元素為1+2+3+4+5=15。

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

import numpy as np
a = np.array([[1,2,3],[4,5,6]])
print(a.cumsum())      # 對整個矩陣求累積和
# 結果 [ 1 3 6 10 15 21]
print(a.cumsum(axis=0)) # 對行方向求累積和
# 結果
[[1 2 3]
[5 7 9]]
print(a.cumsum(axis=1)) # 對列方向求累積和
# 結果
[[ 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）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]
# 其實布爾語句首先生成一個布爾矩陣，將布爾矩陣傳入[]（方括號）實現(xiàn)截取
print(a>6) 
# 返回
[[False False False False False]
[False True True True True]]

按條件截取應用較多的是對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，返回結果如下 
[[1 2 5 6]
[3 4 7 8]]
print(np.vstack((a1,a2)))
#縱向合并，返回結果如下
[[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 ) 等價于 np.vstack( (a1,a2) )

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

感謝你能夠認真閱讀完這篇文章，希望小編分享的“numpy庫常用基本操作方法有哪些”這篇文章對大家有幫助，同時也希望大家多多支持創(chuàng)新互聯(lián)成都網(wǎng)站設計公司，關注創(chuàng)新互聯(lián)成都網(wǎng)站設計公司行業(yè)資訊頻道，更多相關知識等著你來學習!

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