一. 數組上的迭代

NumPy 包含一個迭代器對象numpy.nditer。它是一個有效的多維迭代器對象，可以用于在數組上進行迭代。數組的每個元素可使用 Python 的標準Iterator接口來訪問。

importnumpyasnp
a=np.arange(0,60,5)
a=a.reshape(3,4)
print(a)
forxinnp.nditer(a):
print(x)

[[051015]
[20253035]
[40455055]]
0
5
10
15
20
25
30
35
40
45
50
55

如果兩個數組是可廣播的，nditer組合對象能夠同時迭代它們。假設數 組a具有維度 3X4，并且存在維度為 1X4 的另一個數組b，則使用以下類型的迭代器(數組b被廣播到a的大小)。

importnumpyasnp
a=np.arange(0,60,5)
a=a.reshape(3,4)
print(a)
b=np.array([1,2,3,4],dtype=int)
print(b)
forx,yinnp.nditer([a,b]):
print(x,y)

[[ 0  5 10 15]
 [20 25 30 35]
 [40 45 50 55]]
[1 2 3 4]
0 1
5 2
10 3
15 4
20 1
25 2
30 3
35 4
40 1
45 2
50 3
554

二.數組形狀修改函數

1.ndarray.reshape

函數在不改變數據的條件下修改形狀，參數如下：

ndarray.reshape(arr, newshape, order)

其中：

importnumpyasnp
a=np.arange(8)
print(a)
b=a.reshape(4,2)
print(b)

2.ndarray.flat

函數返回數組上的一維迭代器，行為類似 Python 內建的迭代器。

importnumpyasnp
a=np.arange(0,16,2).reshape(2,4)
print(a)
#返回展開數組中的下標的對應元素
print(list(a.flat))

[[0246]
[8101214]]
[0,2,4,6,8,10,12,14]

3.ndarray.flatten

函數返回折疊為一維的數組副本，函數接受下列參數：

ndarray.flatten(order)

其中：order：‘C’ — 按行，‘F’ — 按列，‘A’ — 原順序，‘k’ —元素在內存中的出現順序。

importnumpyasnp
a=np.arange(8).reshape(2,4)
print(a)
#defaultiscolumn-major
print(a.flatten())
print(a.flatten(order='F'))

[[0123]
[4567]]
[01234567]
[04152637]

三.數組翻轉操作函數

1.numpy.transpose

函數翻轉給定數組的維度。如果可能的話它會返回一個視圖。函數接受下列參數：

numpy.transpose(arr, axes)

其中：

? arr：要轉置的數組

? axes：整數的列表，對應維度，通常所有維度都會翻轉。

importnumpyasnp
a=np.arange(24).reshape(2,3,4)
print(a)
b=np.array(np.transpose(a))
print(b)
print(b.shape)

[[[0123]
[4567]
[891011]]

[[12131415]
[16171819]
[20212223]]]
[[[012]
[416]
[820]]

[[113]
[517]
[921]]

[[214]
[618]
[1022]]

[[315]
[719]
[1123]]]
(4,3,2)

b=np.array(np.transpose(a,(1,0,2)))
print(b)
print(b.shape

[[[0123]
[12131415]]

[[4567]
[16171819]]

[[891011]
[20212223]]]
(3,2,4)

2. numpy.ndarray.T

該函數屬于ndarray類，行為類似于numpy.transpose.

importnumpyasnp
a=np.arange(12).reshape(3,4)
print(a)
print(a.T)

[[0123]
[4567]
[891011]]
[[048]
[159]
[2610]
[3711]]

3.numpy.swapaxes

函數交換數組的兩個軸。這個函數接受下列參數：

– numpy.swapaxes(arr, axis1, axis2)

– 參數：

? arr：要交換其軸的輸入數組

? axis1：對應第一個軸的整數

? axis2：對應第二個軸的整數

importnumpyasnp
a=np.arange(8).reshape(2,2,2)
print(a)
print(np.swapaxes(a,2,0))

[[[01]
[23]]

[[45]
[67]]]
[[[04]
[26]]

[[15]
[37]]]

4.numpy.rollaxis

s 函數向后滾動特定的軸，直到一個特定位置。這個函數接受三個參數：

– numpy.rollaxis(arr, axis, start)

– 其中：

? arr：輸入數組

? axis：要向后滾動的軸，其它軸的相對位置不會改變

?start：默認為零，表示完整的滾動。會滾動到特定位置。

importnumpyasnp
a=np.arange(8).reshape(2,2,2)
print(a)
print(np.rollaxis(a,2))
print(np.rollaxis(a,2,1))

[[[01]
[23]]

[[45]
[67]]]
[[[02]
[46]]

[[13]
[57]]]
[[[02]
[13]]

[[46]
[57]]]

四.數組修改維度函數

1.numpy.broadcast_to

函數將數組廣播到新形狀。它在原始數組上返回只 讀視圖。它通常不連續。如果新形狀不符合 NumPy 的廣播規則，該函數可能會拋出ValueError。該函數接受以下參數：

– numpy.broadcast_to(array, shape, subok)

importnumpyasnp
a=np.arange(4).reshape(1,4)
print(a)
print(np.broadcast_to(a,(4,4)))

[[0123]]
[[0123]
[0123]
[0123]
[0123]]

2.numpy.expand_dims

函數通過在指定位置插入新的軸來擴展數組形狀。該函數需要兩個參數：

– numpy.expand_dims(arr, axis)

– 其中：

? arr：輸入數組
? axis：新軸插入的位置

importnumpyasnp
x=np.array(([1,2],[3,4]))
print(x)
y=np.expand_dims(x,axis=0)
print(y)
print(x.shape,y.shape)
y=np.expand_dims(x,axis=1)
print(y)
print(x.ndim,y.ndim)
print(x.shape,y.shape)

[[12]
[34]]
[[[12]
[34]]]
(2,2)(1,2,2)
[[[12]]

[[34]]]
23
(2,2)(2,1,2)

3.numpy.squeeze

函數從給定數組的形狀中刪除一維條目。此函數需要兩個參數。

– numpy.squeeze(arr, axis)

– 其中：

? arr：輸入數組

? axis：整數或整數元組，用于選擇形狀中單一維度條目的子集

importnumpyasnp
x=np.arange(9).reshape(1,3,3)
print(x)
y=np.squeeze(x)
print(y)
print(x.shape,y.shape)

[[[012]
[345]
[678]]]
[[012]
[345]
[678]]
(1,3,3)(3,3)

五.數組的連接操作

NumPy中數組的連接函數主要有如下四個：

concatenate 沿著現存的軸連接數據序列

stack 沿著新軸連接數組序列

hstack 水平堆疊序列中的數組(列方向)

vstack 豎直堆疊序列中的數組(行方向)

1.numpy.stack

函數沿新軸連接數組序列，需要提供以下參數：

– numpy.stack(arrays, axis)

– 其中：

? arrays：相同形狀的數組序列

? axis：返回數組中的軸，輸入數組沿著它來堆疊

importnumpyasnp
a=np.array([[1,2],[3,4]])
print(a)
b=np.array([[5,6],[7,8]])
print(b)
print(np.stack((a,b),0))
print(np.stack((a,b),1))

[[12]
[34]]
[[56]
[78]]
[[[12]
[34]]

[[56]
[78]]]
[[[12]
[56]]

[[34]
[78]]]

2.numpy.hstack

是numpy.stack函數的變體，通過堆疊來生成水平的單個數組。

importnumpyasnp
a=np.array([[1,2],[3,4]])
print(a)
b=np.array([[5,6],[7,8]])
print(b)
print('水平堆疊：')
c=np.hstack((a,b))
print(c)

[[12]
[34]]
[[56]
[78]]
水平堆疊：
[[1256]
[3478]]

3.numpy.vstack

是numpy.stack函數的變體，通過堆疊來生成豎直的單個數組。

importnumpyasnp
a=np.array([[1,2],[3,4]])
print(a)
b=np.array([[5,6],[7,8]])
print(b)
print('豎直堆疊：')
c=np.vstack((a,b))
print(c)

[[12]
[34]]
[[56]
[78]]
豎直堆疊：
[[12]
[34]
[56]
[78]]

4.numpy.concatenate

函數用于沿指定軸連接相同形狀的兩個或多個數組。該函數接受以下參數。

– numpy.concatenate((a1, a2, …), axis)

– 其中：

? a1, a2, ...：相同類型的數組序列

? axis：沿著它連接數組的軸，默認為0

importnumpyasnp
a=np.array([[1,2],[3,4]])
print(a)
b=np.array([[5,6],[7,8]])
print(b)
print(np.concatenate((a,b)))
print(np.concatenate((a,b),axis=1))

[[12]
[34]]
[[56]
[78]]
[[12]
[34]
[56]
[78]]
[[1256]
[3478]]

六.數組的分割操作

NumPy中數組的數組分割函數主要如下：

–split將一個數組分割為多個子數組
–hsplit將一個數組水平分割為多個子數組(按列)
–vsplit將一個數組豎直分割為多個子數組(按行)

1.numpy.split

該函數沿特定的軸將數組分割為子數組。函數接受三個參數：

– numpy.split(ary, indices_or_sections, axis)

? ary：被分割的輸入數組

? indices_or_sections：可以是整數，表明要從輸入數組創建的，等大小的子數組的數量。如果此參數是一維數組，則其元素表明要創建新子數組的點。

? axis：默認為0

importnumpyasnp
a=np.arange(9)
print(a)
print('將數組分為三個大小相等的子數組：')
b=np.split(a,3)
print(b)
print('將數組在一維數組中表明的位置分割：')
b=np.split(a,[4,7])
print(b)

2.numpy.hsplit

split()函數的特例，其中軸為 1 表示水平分割。

importnumpyasnp
a=np.arange(16).reshape(4,4)
print(a)
print('水平分割：')
b=np.hsplit(a,2)
print(b)

[[0123]
[4567]
[891011]
[12131415]]
水平分割：
[array([[0,1],
[4,5],
[8,9],
[12,13]]),array([[2,3],
[6,7],
[10,11],
[14,15]])]

3.numpy.vsplit

split()函數的特例，其中軸為 0 表示豎直分割，無論輸入數組的維度是什么。

importnumpyasnp
a=np.arange(16).reshape(4,4)
print(a)
print('豎直分割：')
b=np.vsplit(a,2)
print(b)

[[0123]
[4567]
[891011]
[12131415]]
豎直分割：
[array([[0,1,2,3],
[4,5,6,7]]),array([[8,9,10,11],
[12,13,14,15]])]

七.數組元素操作

NumPy中數組操作函數主要如下：

–resize返回指定形狀的新數組

–append將值添加到數組末尾

–insert沿指定軸將值插入到指定下標之前

–delete返回刪掉某個軸的子數組的新數組

–unique尋找數組內的唯一元素

1.numpy.resize

函數返回指定大小的新數組。如果新大小大于原始大小，則包含原始數組中的元素的重復副本。如果小于則去掉原始數組的部分數據。該函數接受以下參數：

– numpy.resize(arr, shape)

– 其中：

? arr：要修改大小的輸入數組
? shape：返回數組的新形狀

importnumpyasnp
a=np.array([[1,2,3],[4,5,6]])
print(a)
print(a.shape)
b=np.resize(a,(3,2))
print(b)
print(b.shape)
print('修改第二個數組的大小：')
b=np.resize(a,(3,3))
print(b)
print('修改第三個數組的大小：')
b=np.resize(a,(2,2))
print(b)

[[123]
[456]]
(2,3)
[[12]
[34]
[56]]
(3,2)
修改第二個數組的大小：
[[123]
[456]
[123]]
修改第三個數組的大小：
[[12]
[34]]

2.numpy.append

函數在輸入數組的末尾添加值。附加操作不是原地的，而是分配新的數組。此外，輸入數組的維度必須匹配否則將生成ValueError。函數接受下列函數：

– numpy.append(arr, values, axis)

– 其中：

? arr：輸入數組
?values：要向arr添加的值，比如和arr形狀相同(除了要添加的軸)
? axis：沿著它完成操作的軸。如果沒有提供，兩個參數都會被展開。

importnumpyasnp
a=np.array([[1,2,3],[4,5,6]])
print(a)
print(np.append(a,[[7,8,9]],axis=0))
print(np.append(a,[[5,5,5],[7,8,9]],axis=1))

[[123]
[456]]
[[123]
[456]
[789]]
[[123555]
[456789]]

3.numpy.insert

函數在給定索引之前，沿給定軸在輸入數組中插入值。如果值的類型轉換為要插入，則它與輸入數組不同。插入沒有原地的，函數會返回一個新數組。此外，如果未提供軸，則輸入數組會被展開。

insert()函數接受以下參數：

– numpy.insert(arr, obj, values, axis)

? arr：輸入數組
? obj：在其之前插入值的索引
?values：要插入的值
? axis：沿著它插入的軸

importnumpyasnp
a=np.array([[1,2],[3,4],[5,6]])
print(a)
print(np.insert(a,3,[11,12]))
print(np.insert(a,1,[11],axis=0))
print(np.insert(a,1,[11],axis=1))

[[12]
[34]
[56]]
[1231112456]
[[12]
[1111]
[34]
[56]]
[[1112]
[3114]
[5116]]

4.numpy.delete

函數返回從輸入數組中刪除指定子數組的新數組。與insert()函數的情況一樣，如果未提供軸參數，則輸入數組將展開。該函 數接受以下參數：

– Numpy.delete(arr, obj, axis)

? arr：輸入數組
? obj：可以被切片，整數或者整數數組，表明要從輸入數組刪除的子數組
? axis：沿著它刪除給定子數組的軸

importnumpyasnp
a=np.array([[1,2],[3,4],[5,6]])
print(a)
print(np.delete(a,5))
print(np.delete(a,1,axis=1))

[[12]
[34]
[56]]
[12345]
[[1]
[3]
[5]]

5.numpy.unique

函數返回輸入數組中的去重元素數組。該函數能夠返回一個元組，包含去重數組和相關索引的數組。索引的性質取決于函數調用中返回參數的類型。

– numpy.unique(arr, return_index, return_inverse, return_counts)

? arr：輸入數組，如果不是一維數組則會展開
? return_index：如果為true，返回輸入數組中的元素下標
? return_inverse：如果為true，返回去重數組的下標，它可以用于重構輸入數組
? return_counts：如果為true，返回去重數組中的元素在原數組中的出現次數

importnumpyasnp
a=np.array([5,2,6,2,7,5,6,8,2,9])
u=np.unique(a)
print(u)
u,indices=np.unique(a,return_index=True)
print(u,indices)
u,indices=np.unique(a,return_inverse=True)
print(u,indices)
u,indices=np.unique(a,return_counts=True)
print(u,indices)

[256789]
[256789][102479]
[256789][1020312405]
[256789][322111]

八.NumPy - 字符串函數

以下函數用于對dtype為numpy.string_或numpy.unicode_的數組執行向量 化字符串操作。它們基于 Python 內置庫中的標準字符串函數。字符數組類(numpy.char)中定義

importnumpyasnp
print(np.char.add(['hello'],['xyz']))
print(np.char.add(['hello','hi'],['abc','xyz']))
print(np.char.multiply('Hello',3))
print(np.char.center('hello',20,fillchar='*'))
print(np.char.capitalize('helloworld'))
print(np.char.title('hellohowareyou?'))
print(np.char.lower(['HELLO','WORLD']))
print(np.char.lower('HELLO'))
print(np.char.upper('hello'))
print(np.char.upper(['hello','world']))
print(np.char.split('hellohowareyou?'))
print(np.char.split('YiibaiPoint,Hyderabad,Telangana',sep=','))
print(np.char.splitlines('hello
howareyou?'))
print(np.char.splitlines('hello
howareyou?'))
print(np.char.strip('ashokarora','a'))
print(np.char.strip(['arora','admin','java'],'a'))
print(np.char.join(':','dmy'))
print(np.char.join([':','-'],['dmy','ymd']))
print(np.char.replace('Heisagoodboy','is','was'))
a=np.char.encode('hello','cp500')
print(a)
print(np.char.decode(a,'cp500'))

['helloxyz']
['helloabc''hixyz']
HelloHelloHello
*******hello********
Helloworld
HelloHowAreYou?
['hello''world']
hello
HELLO
['HELLO''WORLD']
['hello','how','are','you?']
['YiibaiPoint','Hyderabad','Telangana']
['hello','howareyou?']
['hello','howareyou?']
shokaror
['ror''dmin''jav']
dy
['dy''y-m-d']
Hewasagoodboy
b'x88x85x93x93x96'
hello

九.NumPy - 算數函數

NumPy 包含大量的各種數學運算功能。NumPy 提供標準的三角函數，算術運算的函數，復數處理函數等。

– 三角函數
– 舍入函數
–算數函數

1. NumPy -三角函數

NumPy 擁有標準的三角函數，它為弧度制單位的給定角度返回三角函數比值。arcsin，arccos，和arctan函數返回給定角度的sin，cos和tan的反三角函數。

這些函數的結果可以通過numpy.degrees()函數通過將弧度制 轉換為角度制來驗證。

importnumpyasnp
a=np.array([0,30,45,60,90])
#通過乘pi/180轉化為弧度
print(np.sin(a*np.pi/180))
print(np.cos(a*np.pi/180))
print(np.tan(a*np.pi/180))

[0.0.50.707106780.86602541.]
[1.00000000e+008.66025404e-017.07106781e-015.00000000e-01
6.12323400e-17]
[0.00000000e+005.77350269e-011.00000000e+001.73205081e+00
1.63312394e+16]

2.NumPy -舍入函數

? numpy.around()這個函數返回四舍五入到所需精度的值

–numpy.around(a,decimals)–a輸入數組
–decimals要舍入的小數位數。默認值為0。如果為負，整數將四舍五入到小數點左側的位置

? numpy.floor() 函數返回不大于輸入參數的最大整數。? numpy.ceil() 函數返回輸入值的上限，大于輸入參數的最小整數。

importnumpyasnp
a=np.array([1.0,5.55,123,0.567,25.532])
print(np.around(a))
print(np.around(a,decimals=1))
print(np.floor(a))
print(np.ceil(a))

[1.6.123.1.26.]
[1.5.6123.0.625.5]
[1.5.123.0.25.]
[1.6.123.1.26.]

3.NumPy - 算數運算

用于執行算術運算(如add()，subtract()，multiply()和divide())的輸入數組必須具有相同的形狀或符合數組廣播規則。

–numpy.reciprocal()函數返回參數逐元素的倒數。
–numpy.power()函數將第一個輸入數組中的元素作為底數，計算它與第二個輸入數組中相應元素的冪。
–numpy.mod()函數返回輸入數組中相應元素的除法余數。

importnumpyasnp
a=np.array([0.25,2,1,0.2,100])
print(np.reciprocal(a))
print(np.power(a,2))
a=np.array([10,20,30])
b=np.array([3,5,7])
print(np.mod(a,b))

[4.0.51.5.0.01]
[6.25000000e-024.00000000e+001.00000000e+004.00000000e-02
1.00000000e+04]
[102]

4.NumPy - 統計函數

NumPy 有很多有用的統計函數，用于從數組中給定的元素中查找最小，最大，百分標準差和方差等。

–numpy.amin(),numpy.amax()從給定數組中的元素沿指定軸返回最小值和最大值。
–numpy.ptp()函數返回沿軸的值的范圍(最大值-最小值)。
–numpy.percentile()表示小于這個值得觀察值占某個百分比
?numpy.percentile(a,q,axis)
?a輸入數組;q要計算的百分位數，在0~100之間;axis沿著它計算百分位數的軸
–numpy.median()返回數據樣本的中位數。
–numpy.mean()沿軸返回數組中元素的算術平均值。
–numpy.average()返回由每個分量乘以反映其重要性的因子得到的加權平均值

importnumpyasnp
a=np.array([[3,7,5],[8,4,3],[2,4,9]])
print(np.amin(a,1))
print(np.amax(a,1))
print(np.ptp(a))
print(np.percentile(a,50))
print(np.median(a))
print(np.mean(a))
print(np.average(a))
print(np.std([1,2,3,4]))#返回數組標準差
print(np.var([1,2,3,4]))#返回數組方差

[332]
[789]
7
4.0
4.0
5.0
5.0
1.11803398875
1.25

十.NumPy排序、搜索和計數函數

NumPy中提供了各種排序相關功能。

–numpy.sort函數返回輸入數組的排序副本。numpy.sort(a,axis,kind,order)
?a要排序的數組;
?axis沿著它排序數組的軸，如果沒有數組會被展開，沿著最后的軸排序;?kind默認為'quicksort'(快速排序);
?order如果數組包含字段，則是要排序的字段
– numpy.argsort()函數對輸入數組沿給定軸執行間接排序，并使用指定排序類型返回數據的索引數組。這個索引數組用于構造排序后的數組。
– numpy.lexsort()函數使用鍵序列執行間接排序。鍵可以看作是電子表格中的一列。該函數返回一個索引數組，使用它可以獲得排序數據。注意，最后一個鍵恰好是sort的主鍵。
– numpy.argmax()和 numpy.argmin()這兩個函數分別沿給定軸返回最大和最小元素的索引。
– numpy.nonzero()函數返回輸入數組中非零元素的索引。
–numpy.where()函數返回輸入數組中滿足給定條件的元素的索引。
– numpy.extract()函數返回滿足任何條件的元素。

importnumpyasnp
a=np.array([[3,7,3,1],[9,7,8,7]])
print(np.sort(a))
print(np.argsort(a))
print(np.argmax(a))
print(np.argmin(a))
print(np.nonzero(a))
print(np.where(a>3))
nm=('raju','anil','ravi','amar')
dv=('f.y.','s.y.','s.y.','f.y.')
print(np.lexsort((dv,nm)))

[[1337]
[7789]]
[[3021]
[1320]]
4
3
(array([0,0,0,0,1,1,1,1],dtype=int64),array([0,1,2,3,0,1,2,3],dtype=int64))
(array([0,1,1,1,1],dtype=int64),array([1,0,1,2,3],dtype=int64))
[3102]

十一.NumPy IO文件操作

ndarray對象可以保存到磁盤文件并從磁盤文件加載。可用的 IO 功能有：

–numpy.save()文件將輸入數組存儲在具有npy擴展名的磁盤文件中。
–numpy.load()從npy文件中重建數組。
–numpy.savetxt()和numpy.loadtxt()函數以簡單文本文件格式存儲和獲取數組數據。

importnumpyasnp
a=np.array([1,2,3,4,5])
np.save('outfile',a)
b=np.load('outfile.npy')
print(b)
a=np.array([1,2,3,4,5])
np.savetxt('out.txt',a)
b=np.loadtxt('out.txt')
print(b)

[12345]
[1.2.3.4.5.]