《Python程序设计》课件 第10章 NumPy 模块_第1页
《Python程序设计》课件 第10章 NumPy 模块_第2页
《Python程序设计》课件 第10章 NumPy 模块_第3页
《Python程序设计》课件 第10章 NumPy 模块_第4页
《Python程序设计》课件 第10章 NumPy 模块_第5页
已阅读5页,还剩14页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

Python程序设计第10章NumPy模块本章内容NumPy简介核心数据类型-ndarray数组的运算与广播机制聚合运算本章小结NumPy简介Python最常用的第三方库,支持对数据进行高效的存储与运算提供了一种高效的多维数组对象(ndarray),并在此基础上实现了丰富的数学运算功能与普通列表相比,NumPy数组具有更高的计算效率,并支持向量化操作和广播机制NumPy与ndarrayNumPy中最核心的数据结构是多维数组对象ndarrayndarray数组具有明确的形状和元素类型,便于批量存储和运算数据类型元素数据类型运算方式计算效率List可不同需要循环较低ndarray必须相同支持向量化很高ndarray与list的对比

ndarray数组的创建|np.array()

用np.array把序列转换为数组。嵌套的两个等长列表可创建二维数组importnumpyasnp

a=np.array([1,2,3,4])b=np.array([[1,2,3],[4,5,6]])print(a)print(b)运行结果[1234][[123][456]]4ndarray数组的创建|用规则生成数组

arange用步长生成序列,不含终点;linspace用元素个数生成等间隔数据,默认包含终点。print(np.arange(0,10,2))print(np.linspace(0,1,5))运行结果[02468][0.0.250.50.751.]5其他常见生成数组的方法:np.zeros(shape):创建全为0的数组。np.ones(shape):创建全为1的数组。np.full(shape,value):创建全为指定值的数组。np.eye(n):创建n阶单位矩阵。np.random.randn(4,3):创建4*3的矩阵,矩阵元素随机产生。

读懂ndarray数组的四个属性

ndim:

秩,即数组轴的个数,一维数组的秩为1,二维数组的秩为2,依此类推;shape:一个元组,描述数组的形状,

元组的长度是数组的秩,元组中一个元素表示数组某个轴上的元素个数,如:一个3行2列的矩阵数组,其shape为(3,2)。size:数组中是元素的总个数,即shape元组各元素的乘积;dtype:数组元素的类型。arr=np.array([[1,2,3],[4,5,6]])print(arr.ndim)print(arr.shape)Print(arr.size)print(arr.dtype)运行结果2(2,3)6int326数组的基本操作索引和切片数组变形布尔索引索引和切片

索引:选数组中的单个元素,对于一维数组,a[i]访问数组下标为i(从0开始)的元素切片:获取数组的子集,a[start:stop:step]以步长step从下标start开始获取下标小于stop的元素a=np.arange(10)print(a[2])print(a[:4:2])

arr3d=np.array([[[1,2,3],[4,5,6],[7,8,9]],[[0,1,2],[3,4,5],[6,7,8]]])print(arr3d[1,0,0])print(arr3d[:2,1:3,1:3])运行结果2[02]0[[[56][89]][[45][78]]]7上例演示了一维数组和三维数组中的索引和切片。切片与副本

基本切片是共享原数组的数据,如果希望为切片独立是原数据创建副本需要显式调用copy()。a=np.arange(10)print(a)b=a[5:8]c=a[2:5].copy()b[0]=123print(b)c[0]=100print(c)print(a)运行结果[0123456789][12367][10034][012341236789]8改变形状与交换轴

reshape改变各轴长度,元素总数需保持一致;transpose重排轴,例中保留第0轴、交换后两轴。a=np.arange(6)print(a.reshape(2,3))arr3d=np.arange(24).reshape(2,3,4)print(arr3d)print(arr3d.transpose(0,2,1))运行结果[[012][345]][[[0123][4567][891011]][[12131415][16171819][20212223]]][[[048][159][2610][3711]][[121620][131721][141822][151923]]]9布尔索引

布尔索引是数据筛选的利器,它通过逻辑运算生成一个布尔数组,再利用该数组作为索引,一次性提取符合条件的元素。data=np.random.randn(4,3)print(data[data<0])#将数组中所有负数置为0data[data<0]=0print(data)运行结果[[0.18145979-2.992950770.66856459][-0.12232983-0.89145710.29494505][-0.18421861.18485144-0.58913443][0.226219871.09024478-2.10672533]][-2.99295077-0.12232983-0.8914571-0.1842186-0.58913443-2.10672533][[0.181459790.0.66856459][0.0.0.29494505][0.1.184851440.][0.226219871.090244780.]]10对numpy数组进行比较运算,结果返回一个形状完全相同的布尔型数组,将这个布尔数组放在数组访问的[]中就可以选中所有结果为True的数组元素。数组的运算ndarray数组的灵魂:支持向量化运算和广播机制向量化运算对数组的操作会延伸到数组中的每一个元素上。这种不需要编写显式for循环就能处理批量数据的能力,被称为向量化。核心思想:相同形状的数组之间进行运算时,对应位置的元素会进行两两运算。广播机制(broadcasting)不同形状的数组在运算时自动扩展以匹配形状。是不同形状的数组之间能够进行快速向量化运算的基础。向量化运算

对数组的操作会延伸到数组中的每一个元素上,不需要编写显式for循环就能处理批量数据。a=np.array([1,2,3])b=np.array([4,5,6])print(a+b)#数组间的加法运算,直接使用+运算符print(a*b)#[41018]print(np.sqrt(a))运行结果[579][41018][1.1.414213561.73205081]11广播机制

广播机制操作的过程是:从后向前比较各维度的长度。维度长度不同,且其中有一个为1,可自动扩展成一样的。维度长度不同,且都不为1,无法计算,报错。a=np.array([1,2,3])print(a+10)#[111213],标量10自动广播到数组的每个元素b=np.array([[1,2,3],[4,5,6]])print(a+b)#一维数组a被广播到二维数组的每一行c=np.array([[10],[20]])print(b+c)#2维数组c的第0列广播到第1、2列运行结果[111213][[246][579]][[111213][242526]]11聚合运算numpy提供了丰富的聚合函数可直接对数组整体或者某个维度进行计算如sum()、mean()、max()、min()、argmax()、argmin()等聚合函数中都有一个参数axis(轴),表示运算在数组的某个轴上进行聚合运算与axis

指定axis就沿指定轴进行聚合运算,本例中数组原形状为(2,2,3),沿轴0求平均得到一个形状为(2,3)的结果数组,每个元素分别是原数组在轴0上的平均值;而沿轴2求平均则得到形状(2,2)的结果数组,每个元素分别是行上的平均值。data=np.arange(12).reshape(2,2,3)print(data)print(data.mean(axis=0))print(data.mean(axis=2))运行结果[[[012][345]][[678][91011]]][[3.4.5.]

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论