Numpy库的学习（一）

 

今天来学习一下Python库中，支持高级大量的维度数组与矩阵运算的神奇的Numpy库

Numpy同时也对数组运算提供大量的数学函数，对于大量计算运行效率极好

是大量机器学习框架的基础库

废话不多说，直接开整

Numpy中最核心的结构就是ndarray数组

Numpy中定义的最重要的对象是成为ndarray的N维数组类型

它描述相同类型的元素集合。可以使用基于零的索引访问集合中的项目。大部分的数组操作仅仅是修改元数据部分，而不改变其底层的实际数据。

数组的维数称为秩，简单来说就是如果你需要获取数组中一个特定元素所需的坐标数

如a是一个2×3×4的矩阵，你索引其中的一个元素必须给定三个坐标a[x,y,z]，故它的维数就是3。

数组中所有元素的类型必须是一致的，Python支持的数据类型有整型、浮点型以及复数型

但这些类型不足以满足科学计算的需求，因此NumPy中添加了许多其他的数据类型

如bool、inti、int64、float32、complex64等。同时，它也有许多其特有的属性和方法。

import numpy as np
vector = np.array([5,10,15,20])
matrix = np.array([[5,10,15],[20,25,30],[30,35,40]])
print (vector)
print (matrix)

 我们可以就看到，这里我写了一个行向向量，和一个矩阵向量

 

 可以得到如上图所示的结果，打印出一个行向量，和一个3行3列的矩阵向量

 ndarray中有很多个可以调用的属性，我们可以做一些分析等等操作

首先讲一下shape属性

vector = np.array([1,2,3,4])
print(vector.shape)
matrix = np.array([[5,10,15],[20,25,30],[30,35,40]])
print (matrix.shape)

可以看到，运行上面的代码我们得到这样一个结果

shape就是说，我要看一下这个向量的维度是多少

第一个向量，vector是一个行向量，所以说打印出来只有当前的向量中的元素个数4

对于第二行结果来说， 他是一个3X3的矩阵向量，（3,3）表示我们当前打印的数据

是一个3行3列的矩阵向量

接下来看看这个例子

number = np.array([1,2,3,4])
print(number)
number.dtype

可以看到，运行上面的代码，我们可以得到一个dtype类型值

这个值是表示我们的dtype的格式为int32，下面我们来做一些变化

number = np.array([1,2,3,4.0])
print(number)
number.dtype

我们可以看到，这里numpy帮我们自动转换了数据格式

讲所有的整数类型，全部都换成了浮点型

dtype也变成了float64类型，我们在做些变化

number = np.array([1,2,3,'4'])
print(number)
number.dtype

我们把4修改为字符串类型

 

得到的结果，数据全都变成字符串类型了，数据类型也变了

也就是说，在numpy的ndarray中，必须传进来的数据类型，都是同一种结构的

 我们现在来讲下如何使用numpy来读取文件数据

我们这里有些测试数据，名为1.txt文件

TestTxt = np.genfromtxt('1.txt',delimiter=".", dtype=str ,skip_header=1)
print(TestTxt)

这段代码的意思是，是用numpy中的genfromtxt方法读取文件

参数为，1.txt文件名称，delimiter 以什么进行分割这里用 . 点号进行分割

dtype =str 指定当前的数据类型为字符串

skip_header=1 ，指定去掉第一行数据

得到如下结果

得到了文件中的内容，转换成了矩阵，读出来的数据都是一种矩阵数据格式

当然这个文件读取方式不会经常用到，后面讲另外一个更好用的，pands库中的

这里就不多讲numpy中的文件读取

如果我想取出上面矩阵中的某个值，怎么操作呢？

比如我们想取出第三行的第一个数据

第四行的第二个数据

out = TestTxt[2,0]
out1 = TestTxt[3,1]
print(out)
print(out1)

运行上诉代码

可以看到，在numpy中，index下标是从0开始的，而不是1

所以一定要切记

我们在定义一个向量

vector = np.array([5,10,15,20,25])
print(vector[0:3])

我想打印向量中的前三个值

可以看到，这里的操作和python中的切片操作一样

选取0到3，包括0但是不包括3

那么对于矩阵来说也是一样的

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

我想打印当前矩阵所有样本的第二列

matrix[:,1]

那么这里用逗号隔开，第个表示行，第二个表示列，表示取所有行的第二列

用：进行站位

我想取所有行的前两列怎么取呢？

matrix = np.array([
[1,2,3],
[4,5,6],
[7,8,9],
])
print(matrix[:,0:2])

这里可以看到，取全部行，的0号，和1号列，2号不包含

得到结果，也很简单

那么我如何取某几行，某几列呢？方法也是一样的

matrix = np.array([
[1,2,3],
[4,5,6],
[7,8,9],
])
print(matrix[1:3,0:2])

取第2,3行的，1,2列

那么可以得到

好的，今天的numpy库就讲到这里。下次我们继续说。感觉阅读欢迎点赞转发。谢谢各位！