Python之numpy数组篇（上）
numpy的概念
numpy是python支持科学计算的重要扩展库，提供了强大的N维数组及其相关运算、复杂的广播函数等功能，掌握numpy的使用，是为学习数据分析、机器学习打下良好的基础
import numpy as np
一、创建数组
1、转换列表、元组、对象成数组
np.array([1,2,3,4,5])#把列表转换为数组 np.array((0,1,2,3,4))#把元组转换为数组 np.array(range(5))#把range对象转换为数组 np.arange(8)#类似于内置函数range()
2、一维数组
np.zeros(3)#全0一维数组 np.ones(3)#全1一维数组
3、二维数组
np.array([[1,2,3],[4,5,6]])#二维数组 np.zeros((3,3))#全0二维数组，3行3列 np.zeros((3,1))#全0二维数组，3行1列 np.ones((3,3))#全1二维数组 np.ones((1,3))#全1二维数组
注意：一维数组小括号内是数值，二维数组小括号内是元组、列表等，即一维数组仅一对小括号，二维数组会有多对括号
4、等差数组
np.linspace(0,10,11)#等差数组，包含11个数 np.linspace(0,10,11,endpoint=False)#不包含终点 np.logspace(0,100,10)#相当于10**np.linspace(0,100,10) np.logspace(1,6,5,base=2)
5、单位矩阵、对角矩阵、空数组
np.identity(3)#单位矩阵 np.diag([1,2,3,4])#对角矩阵 np.empty((3,3))#空数组，只申请空间，不初始化
6、随机数组
np.random.randint(0,50,5)#随机数组，5个0到50之间的数字 np.random.randint(0,50,(3,5))#3行5列 np.random.rand(10)#10个介于[0,1)的随机数 np.random.standard_normal(5)#从标准正态分布中随机采样5个数字 x = np.random.standard_normal(size=(2,4,3))#3页4行2列 x
二、测试元素是否接近
1、概念
扩展库numpy提供了isclose()和allclose()函数，测试两个数组中对应位置上的元素在允许误差范围内是否相等，并可以接收绝对误差参数和相对误差参数
2、isclose()函数
（1）用来测试每一对元素是否相等并返回包含若干True/False的列表
（2）格式
isclose(a, b, rtol=1e-05, atol=1e-08, equal_nan=False)
3、allclose()函数
（1）用来测试所有对应位置上的元素是否都相等并返回单个True或False
（2）格式
allclose(a, b, rtol=1e-05, atol=1e-08, equal_nan=False)
4、函数用法演示
import numpy as np x = np.array([1,2,3,4.001,5]) y = np.array([1,1.999,3,4.01,5.1]) print(np.allclose(x,y)) print(np.allclose(x,y,rtol=0.2)) #设置相对误差参数 print(np.allclose(x,y,atol=0.2)) #设置绝对误差参数 print(np.isclose(x,y)) print(np.isclose(x,y,atol=0.2))
三、修改数组元素值
1、概念
numpy支持多种方式修改数组中元素的值
（1）可以append()、insert()函数在原数组的基础上追加或插入元素并返回新数组
（2）也可以用下标的方式直接修改数组中一个或多个元素的值
2、追加、插入元素
x = np.arange(8) x np.append(x,8) #返回新数组，在尾部追加一个元素 np.append(x,[9,10]) #返回新数组，在尾部追加多个元素 np.insert(x,1,8) #返回新数组，插入元素 x #不影响原来的数组
3、修改元素
（1）一维数组的单个元素值修改
x = np.arange(8) x[3] = 8 #使用下标的形式原地修改元素值 x #原来的数组被修改了
（2）二维数组的单个元素及切片式修改
x = np.array([[1,2,3],[4,5,6],[7,8,9]]) x[0,2] = 4 #修改第0行第2列的元素值 x[1:,1:] = 1 #切片，把行和列下标都大于等于1的元素值都设为1 x
（3）二维数组同时修改多个元素
x[1:,1:] = [1,2] #同时修改多个元素值，此处运用了广播思想 x x[1:,1:] = [[1,2],[3,4]] #同时修改多个元素值 x
广播思想
1、例如
（1）数组在某维度上元素的长度相等
（2）数组在某维度上元素的长度为1
四、数组与标量的运算
1、概念
（1）numpy中的数组支持与标量的加、减、乘、除、幂运算
（2）计算结果为一个新数组，其中每个元素为标量与原数组中每个元素进行计算的结果，注意标量在前和后时计算的方法是不同的，且原数组值不变
2、加、减、乘、除、幂、余数
（1）加法：注意区别普通列表的加法是拼接，而numpy的加法是数组每个元素的值分别与数值相加运算后生成新的数组
x + 2 #数组与数组相加 print([1,2,3,4] + [2]) #普通列表的加法
（2）乘除：注意区别普通列表的乘法是重复，而numpy的乘法是数组每个元素的值分别与数值相乘运算后生成新的数组
x * 2 #数组与数值相乘，返回新数组 print([1,2,3,4,5] * 2) #普通列表的乘法 x / 2 #数组与数值相除 x // 2 #数组与数值整除 2 / x 63 // x
（3）幂运算，余数，次方运算
x ** 3 #幂运算 x % 3 #余数 2 ** x #分别计算2**1、2**2、2**3、2**4、2**5
五、数组与数组的运算
1、概念
（1）两个数组等长时，进行算术运算后，会得到一个新数组，新数组每个元素值为原来两个数组对应位置上元素进行运算的结果
（2）两个数组不等长时，如果符合广播要求则进行广播再做运算，否则报错并结束运行
2、加减
np.array([1,2,3,4]) + np.array([4,3,2,1]) #等长数组相加，对应元素的值相加 np.array([1,2,3,4]) + np.array([4]) #数组中每个元素的值加4 a = np.array((1,2,3)) a + a #等长数组之间的加法运算，对应元素值相加 a - a #等长数组之间的加法运算，对应元素值相减 b = np.array(([1,2,3],[4,5,6],[7,8,9])) a + b #不同维度的数组与数组相加，先做广播再做运算
3、乘除、次幂
a * a #等长数组之间的乘法运算，对应元素值相乘 a / a #等长数组之间的除法运算，对应元素值相除 a ** a ##等长数组之间的幂运算，对应元素值乘方 c = a * b c #不同维度，广播，a中的每个元素乘以b中对应列的元素，a中下标0的元素乘以b中列下标0的元素，以此类推
Python概述及应用领域，PyCharm、Jupyter notebook的安装与使用,编码规范,标准库、扩展库对象的导入与使用
