Numpy 基础1

1. 创建数组

• 固定类型数组: 使用 Python 的 array 模块创建固定类型数组。

  import array
  L = list(range(10))
  A = array.array('i', L)

• 从列表创建数组: 使用 np.array 从 Python 列表创建 NumPy 数组。

  import numpy as np
  a = np.array([3.0, 2, 5, 1.3])
  b = np.array([1, 2, 3, 4], dtype='float')

• 嵌套列表构成多维数组:

  c = np.array([range(i, i + 3) for i in [2, 4, 6]])

2. 从头创建数组

• 全零数组: np.zeros 创建一个全零数组。

  np.zeros(10, dtype=int)

• 全一数组: np.ones 创建一个全一数组。

  np.ones((3, 5))

• 填充特定值的数组: np.full 创建一个数组并用特定值填充。

  np.full((3, 5), 3.14)

• 线性序列数组: np.arange 创建一个线性序列数组。

  np.arange(0, 20, 2)

• 随机数组: 使用 np.random 模块创建随机数组。

  np.random.random((3, 3))
  np.random.uniform(5, 7, (2, 2))
  np.random.randint(5, 7, (2, 2))

• 单位矩阵: np.eye 创建一个单位矩阵。

  np.eye(3)

3. 数组基础

• 数组属性: 了解数组的维度、形状、大小、数据类型等属性。

  x3.ndim, x3.shape, x3.size, x3.dtype, x3.itemsize, x3.nbytes

• 数组索引和切片: 使用索引和切片访问和修改数组元素。

  x1[0], x1[-1], x3[2][2][0]

• 数组变形: 使用 reshape 和 np.newaxis 改变数组形状。

  grid_reshape = np.arange(1, 10).reshape(3, 3)

4. 数组的拼接和分裂

• 数组拼接: 使用 np.concatenate, np.vstack, np.hstack 拼接数组。

  np.concatenate([x, y, z])
  np.vstack([x, y, z, grid])
  np.hstack([grid, grid])

• 数组分裂: 使用 np.split, np.vsplit, np.hsplit 分裂数组。

  x1, x2, x3 = np.split(x, [3, 5])
  upper, lower = np.vsplit(grid, [2])

5. 通用函数

• 数学运算: 使用通用函数进行数组的加减乘除等运算。

  np.add(x, 5), np.multiply(x, 2)

• 三角函数和指数对数: 使用 np.sin, np.cos, np.exp, np.log 等函数。

  np.sin(theta), np.exp(x), np.log(x)

• 高级特性: 使用 reduce, accumulate, outer 等高级特性进行聚合和外积计算。

  np.add.reduce(x), np.multiply.outer(x, x)

这些操作和概念是 NumPy 中最常用的部分，掌握它们可以帮助你在数据分析和科学计算中更高效地使用 NumPy。

Lab1

• 	  import numpy as np

• Q1：创建数列

• 利用arange函数，创建数组值从1开始到19结束（不包含19），步长为1，保存为a

• 再创建一个从19到49结束（不包含49），步长为1，保存为b

  ​ In [3]:

  	  a = np.arange(1, 19, 1)
  	  b = np.arange(19, 49, 1)

• [Q2: 对数列形变 ]

• ​

• 利用reshape函数，将a形变为3×6的数组，保存为A

• 将b形变为5×6的数组，保存为B

  In [4]:

  	  A = a.reshape(3, 6)
  	  B = b.reshape(5, 6)

• [Q3：数组拼接与分裂 ]

• 利用vstack将A和B数组进行垂直方向拼接，保存为C数组

• 利用split对C数组在第2行分裂成两部分，将下半部分保存为D

  ​ In [5]:

  	  C = np.vstack((A, B))
  	  D = np.split(C, [2])[1]

• Q4：切片与索引

  对D提取第1行所有元素，保存为E

  ​ In [6]:

  	  E = D[0,:]

• Q5：数组计算

  利用multiply.accumulate对E中所有元素依次求积，并保留最后一项作为E中的累计积保存为a1

  ​ In [11]:

  	  a1 = np.multiply.accumulate(E)[-1]
  	  print('a1的值为：',a1)

  	  a1的值为： 13366080