如何系统地学习Numpy？初学者必知的Numpy基础知识

一、Numpy介绍

NumPy提供了一个N维数组类型ndarray&＃xff0c;它描述了相同类型的“items”的集合。

返回结果&＃xff1a;

提问:

使用Python列表可以存储一维数组&＃xff0c;通过列表的嵌套可以实现多维数组&＃xff0c;那么为什么还需要使用Numpy的ndarray呢&＃xff1f;

三、ndarray与Python原生list运算效率对比

在这里我们通过一段代码运行来体会到ndarray的好处

其中第一个时间显示的是使用原生Python计算时间,第二个内容是使用numpy计算时间&＃xff1a;

从中我们看到ndarray的计算速度要快很多&＃xff0c;节约了时间。

机器学习的最大特点就是大量的数据运算&＃xff0c;那么如果没有一个快速的解决方案&＃xff0c;那可能现在python也在机器学习领域达不到好的效果。

2 ndarray的形状

首先创建一些数组。

分别打印出形状

如何理解数组的形状&＃xff1f;

二维数组&＃xff1a;

三维数组&＃xff1a;

dtype是numpy.dtype类型&＃xff0c;先看看对于数组来说都有哪些类型

• 注意&＃xff1a;若不指定&＃xff0c;整数默认int64&＃xff0c;小数默认float64

4 总结

数组的基本属性【知道】

六、基本操作

1 生成数组的方法

1.1 生成0和1的数组

• np.ones(shape, dtype)
• np.ones_like(a, dtype)
• np.zeros(shape, dtype)
• np.zeros_like(a, dtype)

返回结果:

返回结果:

1.2 从现有数组生成

1.2.1 生成方式

• np.array(object, dtype)
• np.asarray(a, dtype)

1.2.2 关于array和asarray的不同

返回结果&＃xff1a;

1.3.2 np.arange(start,stop, step, dtype)

创建等差数组 — 指定步长

参数

• step:步长,默认值为1

返回结果&＃xff1a;

1.3.3 np.logspace(start,stop, num)

创建等比数列

参数:

• num:要生成的等比数列数量&＃xff0c;默认为50

返回结果:

1.4 生成随机数组

1.4.1 使用模块介绍

• np.random模块

1.4.2 正态分布

一、基础概念复习&＃xff1a;正态分布&＃xff08;理解&＃xff09;

a. 什么是正态分布

正态分布是一种概率分布。正态分布是具有两个参数μ和σ的连续型随机变量的分布&＃xff0c;第一参数μ是服从正态分布的随机变量的均值&＃xff0c;第二个参

数σ是此随机变量的标准差&＃xff0c;所以正态分布记作N(μ&＃xff0c;σ )。

其中M为平均值&＃xff0c;n为数据总个数&＃xff0c;σ 为标准差&＃xff0c;σ ^2可以理解一个整体为方差

• 标准差与方差的意义

可以理解成数据的一个离散程度的衡量

返回结果&＃xff1a;

返回结果&＃xff1a;

1.4.2 均匀分布

• np.random.rand(d0, d1, ..., dn)

返回[0.0&＃xff0c;1.0)内的一组均匀分布的数。

• np.random.uniform(low&＃61;0.0, high&＃61;1.0, size&＃61;None)

功能&＃xff1a;从一个均匀分布[low,high)中随机采样&＃xff0c;注意定义域是左闭右开&＃xff0c;即包含low&＃xff0c;不包含high.

参数介绍:

• low: 采样下界&＃xff0c;float类型&＃xff0c;默认值为0&＃xff1b;
• high: 采样上界&＃xff0c;float类型&＃xff0c;默认值为1&＃xff1b;
• size: 输出样本数目&＃xff0c;为int或元组(tuple)类型&＃xff0c;例如&＃xff0c;size&＃61;(m,n,k), 则输出mnk个样本&＃xff0c;缺省时输出1个值。

返回值&＃xff1a;ndarray类型&＃xff0c;其形状和参数size中描述一致。

• np.random.randint(low, high&＃61;None, size&＃61;None, dtype&＃61;&＃39;l&＃39;)

从一个均匀分布中随机采样&＃xff0c;生成一个整数或N维整数数组&＃xff0c;

取数范围&＃xff1a;若high不为None时&＃xff0c;取[low,high)之间随机整数&＃xff0c;否则取值[0,low)之间随机整数

返回结果&＃xff1a;

画图看分布状况&＃xff1a;

返回结果&＃xff1a;

3 形状修改

3.1 ndarray.reshape(shape, order)

• 返回一个具有相同数据域&＃xff0c;但shape不一样的视图
• 行、列不进行互换

3.2 ndarray.resize(new_shape)

• 修改数组本身的形状&＃xff08;需要保持元素个数前后相同&＃xff09;
• 行、列不进行互换

3.3 ndarray.T

• 数组的转置
• 将数组的行、列进行互换

4 类型修改

4.1 ndarray.astype(type)

• 返回修改了类型之后的数组

4.2 ndarray.tostring([order])或者ndarray.tobytes([order])

• 构造包含数组中原始数据字节的Python字节

4.3 jupyter输出太大可能导致崩溃问题【了解】

如果遇到

这个问题是在jupyer当中对输出的字节数有限制&＃xff0c;需要去修改配置文件

创建配置文件

取消注释,多增加

但是不建议这样去修改&＃xff0c;jupyter输出太大会崩溃

5 数组的去重

5.1 np.unique()