?一、?Numpy庫簡介
1.1、概念
????????NumPy(Numerical Python)是一個開源的Python科學計算庫，旨在為Python提供 高性能的多維數組對象和一系列工具。NumPy數組是Python數據分析的基礎，許多 其他的數據處理庫（如Pandas、SciPy）都依賴于NumPy。
NumPy的一些主要特點：
1. 高性能：NumPy底層主要采用C語言編寫，相比于python來說運算速度快，性能 優越，并且保留了python的易用性。
2. 多維數組：NumPy提供了強大的n維數組對象ndarray，可進行高效的數據處 理，這是Numpy進行數據處理的核心對象。
3. 豐富的函數：NumPy內置了大量數學、統計和線性代數函數，方便進行數據計 算，除此之外還具有廣播功能，可以允許不同形狀的數組進行算術運算。
4. 廣泛的接口：NumPy與許多其他科學計算庫（如Matplotlib、SciPy）兼容，可 輕松實現數據交換和集成，此外，在人工智能領域中也可以很方便的和神經網絡 中使用的張量進行結構轉換。
1.2、安裝?
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple/?
二、Numpy-array與list的區別?
????????Python中的list雖然可以靈活的處理多個元素，但它的效率很低，一般情況下 的科學運算的數據量是非常龐大的，所以list的效率低會導致整個科學運算的過程變 得非常慢。與之相比，Ndarray數組具有以下特點：
1. Ndarray數組所有元素的數據類型相同、數據地址連續，批量操作數組元素時速 度更快，而list中元素的數據類型可能不同，需要通過尋址的方式找到下一個元 素。
2. Ndarray數組支持廣播機制，矩陣運算時不需要寫for循環。
3. 底層主要使用C語言實現，運行速度遠高于Python代碼。
三、數組的創建
3.1、array創建數組
?創建一個數組，可以轉換任何形式的序列（如列表或元組）為NumPy數組。
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
| 名稱 | 描述 |
|---|---|
| object | 數組或嵌套的數列 |
| dtype | 數組元素的數據類型，可選 |
| copy | 對象是否需要復制，可選 |
| order | 創建數組的樣式，C為行方向，F為列方向，A為任意方向（默認） |
| subok | 默認返回一個與基類類型一致的數組 |
| ndmin | 指定生成數組的最小維度 |
import numpy as nparr1=np.array([1,2,3,4,5,6]
)
arr2=np.array([[1,2,3],[4,5,6],[7,8,9]]
)print(arr1)
print(arr2)'''
[1 2 3 4 5 6]
[[1 2 3][4 5 6][7 8 9]]
'''3.2、arange創建數組
創建一個均勻間隔的數值數組，類似于Python的內置?range?函數。
numpy.arange([start,] stop[, step,], dtype=None)
| 參數 | 描述 |
|---|---|
| start | 起始值，默認為0 |
| stop | 終止值（不包含） |
| step | 步長，默認為1 |
| dtype | 返回ndarray的數據類型，如果沒有提供，則會使用輸入數據的類型。 |
import numpy as nparr1=np.arange(1,10,1)print(arr1)'''
[1 2 3 4 5 6 7 8 9]
'''3.3、zeros函數
創建一個指定形狀的數組，所有元素初始化為0。
numpy.zeros(shape, dtype=float, order='C')| 參數 | 描述 |
|---|---|
| shape | 一個整數或整數元組，用于指定輸出數組的形狀 |
| dtype | 可選參數，指定數組元素的數據類型。默認為 float |
| order | 可選參數，指定數組數據在內存中的存儲順序。‘C’ 表示按行（C語言風 格），‘F’ 表示按列（Fortran風格） |
import numpy as nparr1=np.zeros(10)print(arr1)'''
[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
'''import numpy as nparr2=np.zeros((3,3))print(arr2)'''
[[0. 0. 0.][0. 0. 0.][0. 0. 0.]]
'''3.4、ones函數
創建一個指定形狀的數組，所有元素初始化為1。
numpy.ones(shape, dtype=float, order='C')| 參數 | 描述 |
|---|---|
| shape | 一個整數或整數元組，用于指定輸出數組的形狀 |
| dtype | 可選參數，指定數組元素的數據類型。默認為 float |
| order | 可選參數，指定數組數據在內存中的存儲順序。‘C’ 表示按行（C語言風 格），‘F’ 表示按列（Fortran風格） |
import numpy as nparr1=np.ones(10)
arr2=np.ones((3,3))print(f'arr1==={arr1}')
print()
print(f'arr2==={arr2}')'''
arr1===[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]arr2===[[1. 1. 1.][1. 1. 1.][1. 1. 1.]]
'''3.5、empty函數
創建一個指定形狀的數組，未初始化，元素值可能是隨機的。
numpy.empty(shape, dtype=float, order='C')| 參數 | 描述 |
|---|---|
| shape | 一個整數或整數元組，用于指定輸出數組的形狀 |
| dtype | 可選參數，指定數組元素的數據類型。默認為 float |
| order | 可選參數，指定數組數據在內存中的存儲順序。‘C’ 表示按行（C語言風 格），‘F’ 表示按列（Fortran風格） |
import numpy as nparr1=np.empty(10)
arr2=np.empty((3,3))print(f'arr1==={arr1}')
print()
print(f'arr2==={arr2}')'''
arr1===[2.09197419e-076 1.87725413e-009 1.41866238e+161 3.56792062e-0575.42801934e-096 5.98147383e-154 3.98454986e+252 5.12981117e-1151.02245668e-259 2.25563609e-153]arr2===[[0.0000000e+000 0.0000000e+000 0.0000000e+000][0.0000000e+000 0.0000000e+000 3.1224949e-321][0.0000000e+000 0.0000000e+000 3.2845213e-287]]
'''3.6、full函數
創建一個指定形狀的數組，所有元素初始化為用戶定義的值。
numpy.full(shape, fill_value, dtype=None, order='C')| 參數 | 描述 |
|---|---|
| shape | 一個整數或整數元組，用于指定輸出數組的形狀 |
| fill_value | 用于填充數組的值 |
| dtype | 可選，指定數組元素的數據類型。如果未指定，則從 fill_value 推 斷。 |
| order | 可選，指定數組數據在內存中的存儲順序。‘C’ 表示按行優先順序；‘F’ 表 示按列優先順序。 |
import numpy as nparr1=np.full(10,10)
arr2=np.full((3,3),3)print(f'arr1==={arr1}')
print()
print(f'arr2==={arr2}')'''
arr1===[10 10 10 10 10 10 10 10 10 10]arr2===[[3 3 3][3 3 3][3 3 3]]
'''3.7、eye函數
創建一個單位矩陣（對角線為1，其余為0）。
eye(N, M=None, k=0, dtype=<class 'float'>, order='C')
| 參數 | 描述 |
|---|---|
| N | 矩陣的行數。如果只指定 N，則返回一個 N×N 的單位矩陣 |
| M | 矩陣的列數。如果指定，返回一個形狀為 (N, M) 的矩陣 |
| k | 對角線的偏移量。k 為 0 時返回主對角線的單位矩陣；k > 0 時返回主對角線上方的對角線；k < 0 時返回主對角線下方的對角線 |
| dtype | 可選，指定數組元素的數據類型。如果未指定，則從 fill_value 推 斷。 |
| order | 可選，指定數組數據在內存中的存儲順序。‘C’ 表示按行優先順序；‘F’ 表 示按列優先順序。 |
import numpy as nparr1=np.eye(10)
arr2=np.eye(3,3)print(f'arr1===\n{arr1}')
print()
print(f'arr2===\n{arr2}')'''
arr1===
[[1. 0. 0. 0. 0. 0. 0. 0. 0. 0.][0. 1. 0. 0. 0. 0. 0. 0. 0. 0.][0. 0. 1. 0. 0. 0. 0. 0. 0. 0.][0. 0. 0. 1. 0. 0. 0. 0. 0. 0.][0. 0. 0. 0. 1. 0. 0. 0. 0. 0.][0. 0. 0. 0. 0. 1. 0. 0. 0. 0.][0. 0. 0. 0. 0. 0. 1. 0. 0. 0.][0. 0. 0. 0. 0. 0. 0. 1. 0. 0.][0. 0. 0. 0. 0. 0. 0. 0. 1. 0.][0. 0. 0. 0. 0. 0. 0. 0. 0. 1.]]arr2===
[[1. 0. 0.][0. 1. 0.][0. 0. 1.]]
'''3.8、linspace函數
創建一個均勻分布的數組，包含指定數量的值。
np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
| 參數 | 描述 |
|---|---|
| start | 序列的起始值 |
| stop | 序列的終止值，如果endpoint為true，該值包含于數列中 |
| num | 要生成的等步長的樣本數量，默認為50 |
| endpoint | 該值為 ture 時，數列中中包含stop值，反之不包含，默認是True。 |
| retstep | 如果為 True 時，生成的數組中會顯示間距，反之不顯示。 |
| dtype | ndarray 的數據類型 |
import numpy as nparr1=np.linspace(10,100,20)
arr2=np.linspace(3,3)print(f'arr1===\n{arr1}')
print()
print(f'arr2===\n{arr2}')'''
arr1===
[ 10. 14.73684211 19.47368421 24.21052632 28.9473684233.68421053 38.42105263 43.15789474 47.89473684 52.6315789557.36842105 62.10526316 66.84210526 71.57894737 76.3157894781.05263158 85.78947368 90.52631579 95.26315789 100. ]arr2===
[3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3.3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3.3. 3.]
'''3.9、logspace函數
創建一個對數均勻分布的數組，指定范圍的對數數值。
np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)
| 參數 | 描述 |
|---|---|
| start | 序列的起始值為：base ** start |
| stop | 序列的終止值為：base ** stop。如果endpoint為true，該值包含于數列中 |
| num | 要生成的等步長的樣本數量，默認為50 |
| endpoint | 該值為 ture 時，數列中中包含stop值，反之不包含，默認是True。 |
| base | 對數 log 的底數。 |
| dtype | ndarray 的數據類型 |
import numpy as nparr1=np.logspace(10,100,10)
arr2=np.logspace(3,3)print(f'arr1===\n{arr1}')
print()
print(f'arr2===\n{arr2}')'''
arr1===
[1.e+010 1.e+020 1.e+030 1.e+040 1.e+050 1.e+060 1.e+070 1.e+080 1.e+0901.e+100]arr2===
[1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000.1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000.1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000.1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000. 1000.1000. 1000.]
'''四、隨機數組的創建
| 函數 | 說明 |
|---|---|
| seed | 確定隨機生成器種子 |
| rand | 產生均勻分布的樣本值 |
| random(size=None) | 該方法返回[0.0, 1.0)范圍的隨機數。 |
| randn(d0,d1,…,dn) | randn函數返回一個或一組樣本，具有標準正態分布（期望為0，方差為1）。dn表格每個維度，返回值為指定維度的array |
| normal | 用于從具有指定平均值（mean）和標準差（standard deviation）的正態分 布（也稱為高斯分布）中抽取樣本。 |
| randint | 該方法有三個參數low、high、size三個參數。默認high是None,如果只有low，那范圍就是[0,low)。如果有high，范圍就是[low,high)。 |
| uniform | 該函數用于從均勻分布中抽取一個浮點數 |
| shuffle | 對一個序列就地隨機排列 |
4.1、seed函數
????????隨機數種子（random seed）是一個用于初始化隨機數生成器（random number generator, RNG）的值。在計算機科學中，大多數的隨機數生成器實際上是偽隨機 數生成器（pseudo-random number generators, PRNGs），它們通過一個算法來 生成一系列看似隨機的數字。偽隨機數生成器的特點是可以重現生成的隨機數序列， 這是通過設置相同的隨機數種子來實現的。
設置隨機數種子，種子值可以是任何整數，通常是正整數。
特點：
????????1. 可重現性：通過設置相同的隨機數種子，每次程序運行時生成的隨機數序列都是 相同的。這對于調試程序、進行科學計算或模擬時保持實驗結果的一致性非常有 用。
????????2. 算法確定性：偽隨機數生成器是確定性的，這意味著給定的種子會總是產生相同 的隨機數序列，這與真正的隨機數生成器不同，后者總會生成不同的隨機數。
????????3. 種子來源：隨機數種子的值可以是任意的。在許多編程環境中，如果不顯式設置 種子，通常會使用當前時間作為種子，這樣每次程序運行時都會產生不同的隨機 數序列。
????????4. 跨平臺差異：不同的操作系統或硬件平臺可能會產生不同的隨機數序列，即使種 子相同。這是因為不同的平臺可能有不同的PRNG算法。
import numpy as np
np.random.seed(42)4.2、rand函數
生成均勻分布的隨機數（0到1之間），可以指定形狀。
numpy.random.rand(d0, d1, ..., dn)| 函數 | 說明 |
|---|---|
| d0, d1, ..., dn | 這些參數定義了輸出數組的形狀。它們是整數，指定了每個 維度的大小。例如，d0 是第一個維度的大小，d1 是第二個維度的大小，依此類 推。 |
import numpy as nparr1=np.random.rand(10)print(f'arr1===\n{arr1}')'''
arr1===
[0.92463939 0.94486905 0.74476479 0.25784553 0.85425486 0.571607250.95990865 0.36395052 0.41709035 0.82599918]
'''4.3、random函數
與?rand?類似，但提供更靈活的隨機數生成。
numpy.random.random(size=None)| 函數 | 說明 |
|---|---|
| size | 這是一個可選參數，用于指定輸出數組的形狀。它可以是一個整數，也 可以是一個元組。如果 size 是一個整數，則返回一個一維數組；如果 一個元組，則返回一個多維數組，其形狀與元組指定的一致 |
import numpy as nparr1=np.random.random(10)arr2=np.random.random((3,3))print(f'arr1===\n{arr1}')
print()
print(f'arr2===\n{arr2}')'''
arr1===
[0.62721499 0.21350623 0.83140219 0.41729457 0.70818569 0.550753530.57016909 0.42416555 0.11372102 0.7405065 ]arr2===
[[0.96151613 0.96612422 0.49951694][0.9377553 0.61001206 0.88551393][0.22225505 0.51794861 0.36731721]]
'''4.4、randn函數
生成標準正態分布（均值為0，標準差為1）的隨機數。
numpy.random.randn(d0, d1, ..., dn)| 函數 | 說明 |
|---|---|
| d0, d1, ..., dn | 這些參數指定了輸出數組的維度。如果你只提供一個數字， 它將返回一個一維數組；如果你提供多個數字，它將返回一個多維數組，其中每 個維度的大小由對應的參數指定 |
import numpy as nparr1=np.random.randn(10)arr2=np.random.randn(3,4)print(f'arr1===\n{arr1}')
print()
print(f'arr2===\n{arr2}')'''
arr1===
[-0.49202485 -0.26029324 0.46349285 -1.4871595 -1.15332575 0.48229266-1.04077328 0.52712378 -0.40422044 1.82175024]arr2===
[[ 0.0348239 0.96843211 0.41392382 0.51399037][ 1.13157601 -1.35735621 -2.2765836 -0.52266114][-0.8062335 -0.55222009 -1.00520723 -1.84433436]]
'''4.5、normal函數
生成給定均值和標準差的正態分布隨機數。
numpy.random.normal(loc=0.0, scale=1.0, size=None)| 函數 | 說明 |
|---|---|
| loc | 正態分布的均值，對應于分布的中心位置，默認值為 0.0 |
| scale | 正態分布的標準差，對應于分布的寬度，默認值為 1.0 |
| size | 輸出數組的形狀。如果是一個整數，返回一維數組。如果是一個元組，返回多維數組。默認為None返回一個隨機數 |
import numpy as nparr1=np.random.normal(size=10)arr2=np.random.normal(size=(3,4))print(f'arr1===\n{arr1}')
print()
print(f'arr2===\n{arr2}')'''
arr1===
[-0.23383662 0.97632058 0.48245764 -1.71405263 0.0625902 2.32371938-1.16770879 0.20876465 -2.16149186 -0.05048533]arr2===
[[-0.68925419 -2.12716386 -1.06562238 1.11568077][ 0.02078178 -0.31270599 -1.90545882 -0.850884 ][ 0.66213069 2.28670915 -0.88748761 0.13641803]]
'''4.6、randint函數
生成指定范圍內的隨機整數。
numpy.random.randint(low, high=None, size=None, dtype=int)| 函數 | 說明 |
|---|---|
| low | 生成隨機數的起始點（包含）。如果只提供了low參數而沒有提供high參數，那么隨機整數的范圍將是從 0 到low （不包含 low本身） |
| high | 生成隨機數的結束點（不包含） |
| size | 定義輸出數組形狀的整數或元組。例如，size(m，n)將生成 一個 m 行 n 列的數組 |
| dtype | 指定返回數組的數據類型，默認為int |
import numpy as nparr1=np.random.randint(0,10,size=10)arr2=np.random.randint(0,10,size=(3,4))print(f'arr1===\n{arr1}')
print()
print(f'arr2===\n{arr2}')'''
arr1===
[3 1 3 7 2 7 0 5 4 8]arr2===
[[4 7 9 6][3 8 2 0][2 0 4 5]]'''4.7、uniform函數
生成指定范圍內的均勻分布隨機數。
numpy.random.uniform(low=0.0, high=1.0, size=None)| 函數 | 說明 |
|---|---|
| low | 浮點數或類似浮點數的數組，表示樣本抽取區間的下限，默認值為 0 |
| high | 浮點數或類似浮點數的數組，表示樣本抽取區間的上限，默認值為 1 |
| size | 整數或元組，可選參數，表示輸出的形狀。如果未提供，則返回單個浮 點數。如果提供了一個整數，則返回一個一維數組；如果提供了一個元組，則返 回一個多維數組 |
import numpy as nparr1=np.random.uniform(0,10,size=5)arr2=np.random.uniform(0,10,size=(3,4))print(f'arr1===\n{arr1}')
print()
print(f'arr2===\n{arr2}')'''
arr1===
[7.96891358 0.19647614 5.42047937 1.49001317 9.04060667]arr2===
[[3.44988119 0.82911361 7.53272753 2.65165757][6.13385131 2.30715477 0.73983801 7.05093042][5.82714561 2.25635848 3.37875838 8.62424195]]
'''4.8、shuffle函數
對數組進行隨機重排，原地改變數組順序。
numpy.random.shuffle(x)| 函數 | 說明 |
|---|---|
| x | 要打亂的數組 |
import numpy as nparr1=np.array([[1,2,3],[4,5,6],[7,8,9]
])
print('改變之前')
print(f'arr1===\n{arr1}')np.random.shuffle(arr1)print('改變之后')
print(f'arr1===\n{arr1}')'''
arr1===
改變之前
arr1===
[[1 2 3][4 5 6][7 8 9]]
改變之后
arr1===
[[1 2 3][7 8 9][4 5 6]]'''五、思維導圖
