NumPy 是 Python 语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库，也是学习 python 必学的一个库。

1. 读取文件

numpy.genfromtxt () 用于读取 txt 文件，其中传入的参数依次为：

1. 需要读取的 txt 文件位置，此处文件与程序位于同一目录下
2. 分割的标记
3. 转换类型，如果文件中既有文本类型也有数字类型，就先转成文本类型

help (numpy.genfromtxt) 用于查看帮助文档：
如果不想看 API 可以启动一个程序用 help 查看指令的详细用法

import numpy

world_alcohol = numpy.genfromtxt("world_alcohol.txt", delimiter=",",dtype=str)
print(type(world_alcohol))
print(world_alcohol)
print(help(numpy.genfromtxt))

2. 构造 ndarray

numpy.array () 构造 ndarray

numpy.array() 中传入数组参数，可以是一维的也可以是二维三维的。numpy 会将其转变成 ndarray 的结构。

vector = numpy.array([1,2,3,4])
matrix = numpy.array([[1,2,3],[4,5,6]]) 

传入的参数必须是同一结构，不是同一结构将发生转换。

vector = numpy.array([1,2,3,4])

array([1, 2, 3, 4]) 

均为 int 类型

vector = numpy.array([1,2,3,4.0])

array([ 1., 2., 3., 4.]) 

转为浮点数类型

vector = numpy.array([1,2,''3'',4])

array([''1'', ''2'', ''3'', ''4''],dtype=''<U21'') 

转为字符类型

利用 .shape 查看结构

能够了解 array 的结构，debug 时通过查看结构能够更好地了解程序运行的过程。

print(vector.shape)
print(matrix.shape)
(4,)
(2, 3)

利用 dtype 查看类型

vector = numpy.array([1,2,3,4])
vector.dtype

dtype(''int64'') 

ndim 查看维度

一维

vector = numpy.array([1,2,3,4])
vector.ndim

1 

二维

matrix = numpy.array([[1,2,3],
                      [4,5,6], [7,8,9]]) matrix.ndim 2 

size 查看元素数量

matrix.size
9

3. 获取与计算

numpy 能使用切片获取数据

matrix = numpy.array([[1,2,3],
                      [4,5,6], [7,8,9]]) 

根据条件获取

numpy 能够依次比较 vector 和元素之间是否相同

vector = numpy.array([5, 10, 15, 20])
vector == 10 array([False, True, False, False], dtype=bool) 

根据返回值获取元素

vector = numpy.array([5, 10, 15, 20])
equal_to_ten = (vector == 10) print(equal_to_ten) print(vector[equal_to_ten]) [False True False False] [10] 

进行运算之后获取

vector = numpy.array([5, 10, 15, 20])
equal_to_ten_and_five = (vector == 10) & (vector == 5) 

vector = numpy.array([5, 10, 15, 20])
equal_to_ten_or_five = (vector == 10) | (vector == 5) 

类型转换

将整体类型进行转换

vector = numpy.array([5, 10, 15, 20])
print(vector.dtype)
vector = vector.astype(str)
print(vector.dtype)

int64
<U21

求和

sum () 能够对 ndarray 进行各种求和操作，比如分别按行按列进行求和

matrix = numpy.array([[1,2,3],
                      [4,5,6], [7,8,9]]) print(matrix.sum()) print(matrix.sum(1)) print(matrix.sum(0)) 45 [ 6 15 24] [12 15 18] 

sum (1) 是 sum (axis=1)) 的缩写，1 表示按照 x 轴方向求和，0 表示按照 y 轴方向求和

4. 常用函数

reshape

生成从 0-14 的 15 个数字，使用 reshape (3,5) 将其构造成一个三行五列的 array。

import numpy as np
arr = np.arange(15).reshape(3, 5) arr array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14]]) 

zeros

生成指定结构的默认为 0. 的 array

np.zeros ((3,4))

array([[ 0.,  0.,  0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.]]) 

ones

生成一个三维的 array, 通过 dtype 指定类型

np.ones( (2,3,4), dtype=np.int32 )

array([[[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]], [[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]]]) 

range

指定范围和数值间的间隔生成 array，注意范围包左不包右

np.arange(0,10,2)

array([0, 2, 4, 6, 8]) 

random 随机数

生成指定结构的随机数，可以用于生成随机权重

np.random.random((2,3))

array([[ 0.86166627,  0.37756207,  0.94265883], [ 0.9768257 , 0.96915312, 0.33495431]]) 

5. ndarray 运算

元素之间依次相减相减

a = np.array([10,20,30,40])
b = np.array(4) a - b array([ 6, 16, 26, 36]) 

乘方

a**2
array([ 100,  400,  900, 1600]) 

开根号

np.sqrt(B)

array([[ 1.41421356,  0.        ],
       [ 1.73205081,  2.        ]])

e 求方

np.exp(B)

array([[  7.3890561 ,   1.        ],
       [ 20.08553692,  54.59815003]])

向下取整

a = np.floor(10*np.random.random((2,2)))
a

array([[ 0.,  0.], [ 3., 6.]]) 

行列变换

a.T

array([[ 0.,  3.],
       [ 0.,  6.]])

变换结构

a.resize(1,4)
a

array([[ 0.,  0.,  3., 6.]]) 

6. 矩阵运算

矩阵之间的运算

A = np.array( [[1,1],
               [0,1]] )
B = np.array( [[2,0], [3,4]] ) 

对应位置一次相乘

A*B

array([[2, 0],
       [0, 4]])

矩阵乘法

print (A.dot(B))
print(np.dot(A,B))

[[5 4]
 [3 4]] 

横向相加

a = np.floor(10*np.random.random((2,2)))
b = np.floor(10*np.random.random((2,2))) print(a) print(b) print(np.hstack((a,b))) [[ 2. 3.] [ 9. 3.]] [[ 8. 1.] [ 0. 0.]] [[ 2. 3. 8. 1.] [ 9. 3. 0. 0.]] 

纵向相加

print(np.vstack((a,b)))

[[ 2.  3.]
 [ 9.  3.]
 [ 8. 1.] [ 0. 0.]] 

矩阵分割

#横向分割
print( np.hsplit(a,3))
#纵向风格
print(np.vsplit(a,3))

7. 复制的区别

地址复制

通过 b = a 复制 a 的值，b 与 a 指向同一地址，改变 b 同时也改变 a。

a = np.arange(12)
b = a
print(a is b)

print(a.shape)
print(b.shape)
b.shape = (3,4)
print(a.shape)
print(b.shape)

True (12,) (12,) (3, 4) (3, 4) 

复制值

通过 a.view () 仅复制值，当对 c 值进行改变会改变 a 的对应的值，而改变 c 的 shape 不改变 a 的 shape

a = np.arange(12)
c = a.view()
print(c is a)

c.shape = 2,6
c[0,0] = 9999 print(a) print(c) False [9999 1 2 3 4 5 6 7 8 9 10 11] [[9999 1 2 3 4 5] [ 6 7 8 9 10 11]] 

完整拷贝

a.copy () 进行的完整的拷贝，产生一份完全相同的独立的复制

a = np.arange(12)
c = a.copy()
print(c is a)

c.shape = 2,6
c[0,0] = 9999 print(a) print(c) False [ 0 1 2 3 4 5 6 7 8 9 10 11] [[9999 1 2 3 4 5] [ 6 7 8 9 10 11]]

Traceback (most recent call last):
  File "<pyshell#2>", line 1, in <module>
    import numpy
  File "C:\Python27\lib\site-packages\numpy\__init__.py", line 153, in <module>
    from . import add_newdocs
  File "C:\Python27\lib\site-packages\numpy\add_newdocs.py", line 13, in <module>
    from numpy.lib import add_newdoc
  File "C:\Python27\lib\site-packages\numpy\lib\__init__.py", line 8, in <module>
    from .type_check import *
  File "C:\Python27\lib\site-packages\numpy\lib\type_check.py", line 11, in <module>
    import numpy.core.numeric as _nx
  File "C:\Python27\lib\site-packages\numpy\core\__init__.py", line 6, in <module>
    from . import multiarray
ImportError: DLL load failed: %1 不是有效的 Win32 应用程序。

import numpy as np

import numpy.f2py as myf2py

import numpy as np
np.f2py #throws no module named f2py

import numpy as np # np is an alias pointing to numpy, but at this point numpy is not linked to numpy.f2py
import numpy.f2py as myf2py # this command makes numpy link to numpy.f2py. myf2py is another alias pointing to numpy.f2py as well

import numpy

import numpy as np

import numpy
np = numpy
del numpy

import numpy as np
import numpy.f2py   # OK
import np.f2py      # ImportError

import scipy.ndimage.interpolation as warp
warp.affine_transform(I, ...)

try:
    import pyfftw.interfaces.numpy_fft as fft
except:
    import numpy.fft as fft
# call fft.ifft(If) with fftw or the numpy fallback under a common name

import numpy as np
np.f2py