1. Johngo学长首页
  2. 技术点详细复盘专题
  3. Python

NumPy（一）—— 数据类型、创建数组

• Python • 阅读 30

Python模块——NumPy

NumPy（一）—— 数据类型及创建数组

大家可以关注 知乎或微信公众号的share16，我们也会同步更新此文章。

NumPy (Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：

  • 功能强大的N维数组对象；
  • 精密广播功能函数；
  • 集成 C/C+和Fortran 代码的工具；
  • 强大的线性代数、傅立叶变换和随机数等功能；

一、数据类型及创建数组

1.1 常量

NumPy（一）—— 数据类型、创建数组

; 1.2 数据类型(np.dtype)

NumPy（一）—— 数据类型、创建数组
NumPy（一）—— 数据类型、创建数组

1.3 时间日期(datetime64)

在numpy中，将字符串转换成时间日期类型： np.datetime64(str)

  1. 从字符串创建 datetime64 类型时，默认情况下，numpy 会根据字符串自动选择对应的单位；
  2. 从字符串创建 datetime64 类型时，可以强制指定使用的单位；
  3. 从字符串创建 datetime64 类型时，如果单位不统一，则一律转化成其中最小的单位；
  4. 使用 arange() 创建 datetime64 数组，用于生成日期范围( arange()：类似于range() )；
'''
(1). 从字符串创建 datetime64 类型时，默认情况下，numpy 会根据字符串自动选择对应的单位
'''
import numpy as np
a = np.datetime64('2022-04-20')
print(a, type(a), a.dtype, sep=', ')

b = np.datetime64('2022-04-20 16:06:06')
print(b, type(b), b.dtype, sep=', ')

'''
(2). 从字符串创建 datetime64 类型时，可以强制指定使用的单位
'''
c = np.datetime64('2022-04-20 16:06:06', 'Y')
print(c, type(c), c.dtype, sep=', ')

d = np.datetime64('2022-04', 'D')
print(d, type(d), d.dtype, sep=', ')

'''
(3). 从字符串创建 datetime64 类型时，如果单位不统一，则一律转化成其中最小的单位
'''
e = np.array(['2020-03', '2020-03-08', '2020-03-08 20:00'], dtype = 'datetime64')
print(e, type(e), e.dtype, sep=', ')

f = np.array(['2020-03', '2020-03-08', '2020-03-08 20:00'], dtype = np.datetime64)
print(f, type(f), f.dtype, sep=', ')

e == f

'''
(4). 使用 arange() 创建 datetime64 数组，用于生成日期范围
arange()：类似于range()
'''
a = np.arange('2022-04-01', '2022-04-20', dtype='datetime64')
print(a, type(a), a.dtype, sep='\n')

NumPy（一）—— 数据类型、创建数组

1.4 时间间隔(timedelta64)

timedelta64 表示两个 datetime64 之间的差。timedelta64 也是带单位的，并且和相减运算中的两个 datetime64 中的 较小的单位保持一致。

  1. 两个 datetime64 相减
  2. datetime64 加/减 timedelta64 (timedelta64的单位 要小于等于 datetime64的单位)
'''
(1).  两个 datetime64 相减
'''
import numpy as np
a = np.datetime64('2022-04-20') - np.datetime64('2022-04-02')
print(a, type(a), a.dtype,sep=', ')

b = np.datetime64('2022-04-20 20') - np.datetime64('2022-04-02 08:30')
print(b, type(b), b.dtype,sep=', ')

'''
(2).  datetime64 加/减 timedelta64  (timedelta64的单位 要小于等于 datetime64的单位)
'''
c = np.datetime64('2022-04-20') + np.timedelta64(2,'h')
print(c, type(c), c.dtype,sep=', ')

d = np.datetime64('2022-04-20') + np.timedelta64(2,'M')

timedelta64 的运算

import numpy as np
a = np.timedelta64(1, 'Y')
b = np.timedelta64(6, 'M')
c = np.timedelta64(1, 'W')
d = np.timedelta64(1, 'D')
e = np.timedelta64(10, 'D')
print(a, b, a + b, a - b, 2 * a, a / b, c / d, c % e, sep=',  ')

'''
生成 timedelta64时，要注意 年('Y')和月('M') 这两个单位，无法和其它单位进行运算（因为一年有几天？一个月有几个小时？这些都是不确定的)
'''

numpy.datetime64 与 datetime.datetime 相互转换

NumPy（一）—— 数据类型、创建数组 
import numpy as np
import datetime
a = '2020-04-20 09:09:09'
b = np.datetime64(a)
c = b.astype(datetime.datetime)
d = np.datetime64(c, 's')

lst = [a, b, c, d]

for i in lst:
    try:
        print(i, type(i), i.dtype, sep=' ,  ')
    except:
        print(i, type(i), sep=' ,  ')

工作日

NumPy（一）—— 数据类型、创建数组 
'''  '2022-04-15'：星期五
     roll：默认raise，它只会引发异常
     a1：a的下一个工作日
     a2：输入的日期不是工作日，提示错误
'''
import numpy as np
a1 = np.busday_offset('2022-04-15', offsets = 1)
print(a1, sep=', ')

a2 = np.busday_offset('2022-04-16', offsets = 0)


'''  roll：forward(求 未来日期)/backward(求 过去日期) '''
import numpy as np

a = np.datetime64('2022-04-15')
b = np.datetime64('2022-04-16')

a1 = np.busday_offset(a, offsets = 0, roll='forward')
a2 = np.busday_offset(a, offsets = 0, roll='backward')
b1 = np.busday_offset(b, offsets = 0, roll='forward')
b2 = np.busday_offset(b, offsets = 0, roll='backward')
print(a1, a2, b1, b2, sep=', ')

'''    offsets != 0
 (1).  (同offsets=0) 根据roll规则，跳到当前日期向前或向后最近的工作日；若是工作日，则返回当前日期；反之，则返回最近工作日；
 (2).  在(1)的结果上，再加上 'offsets个工作日'
'''
a3 = np.busday_offset(a, offsets = 1, roll='forward')
a4 = np.busday_offset(a, offsets = 1, roll='backward')
b3 = np.busday_offset(b, offsets = 1, roll='forward')
b4 = np.busday_offset(b, offsets = 1, roll='backward')
print(a3, a4, b3, b4, sep=', ')

a = np.datetime64('2022-04-01')
b = np.datetime64('2022-04-16')
print(np.is_busday(a),np.is_busday(b))

np.busday_count(a,b)

1.5 创建数组(ndarray)

  1. 通过 array() 进行创建；
  2. 通过 asarray() 进行创建；
  3. 通过 fromfunction() 进行创建；
  4. 其他方法，如下图所示；
''' array、asarray、fromfunction '''
import numpy as np

def func(x,y):
    return x+y

x = [[1,2,3], [1,2,3]]
a = np.array(x)
b = np.arange(1,5)
c = np.asarray(x, dtype=float)
d = np.fromfunction(func, (4,3), dtype='float64')
e = np.fromfunction(lambda x,y : x+2*y, (1,2), dtype='int64')
print(x, type(x), sep=', ', end='\n\n')
print(a, type(a), a.dtype, a.shape, a.ndim, a.size, sep=', ', end='\n\n')
print(b, type(b), b.dtype, b.shape, b.ndim, b.size, sep=', ', end='\n\n')
print(c, type(c), c.dtype, c.shape, c.ndim, c.size, sep=', ', end='\n\n')
print(d, type(d), d.dtype, d.shape, d.ndim, d.size, sep=', ', end='\n\n')
print(e, type(e), e.dtype, e.shape, e.ndim, e.size, sep=', ', end='\n\n')

'''运行结果：
[[1, 2, 3], [1, 2, 3]],

[[1 2 3]
 [1 2 3]], , int64, (2, 3), 2, 6

[1 2 3 4], , int64, (4,), 1, 4

[[1. 2. 3.]
 [1. 2. 3.]], , float64, (2, 3), 2, 6

[[0. 1. 2.]
 [1. 2. 3.]
 [2. 3. 4.]
 [3. 4. 5.]], , float64, (4, 3), 2, 12

[[0 2]], , int64, (1, 2), 2, 2
'''

NumPy（一）—— 数据类型、创建数组 
import numpy as np
a = np.arange(2,8)
b = np.linspace(0,100,num=5,endpoint=True,retstep=False)
c = np.logspace(0,4,num=4,base=2)
d = np.empty((4,4), dtype=int)
e = np.zeros((2,2))
f = np.ones((2,2))
g = np.eye(3,k=1)
h = np.identity(4)
i = np.diag(d)
j = np.full((3,2), round(np.pi,2))
k = np.full_like(j, [1,2], dtype=int)
print(a, b, c, d, e, f, g, h, i, j, k, sep='\n\n')

1.6 结构数组

结构数组：首先需要定义结构，然后利用 np.array() 来创建数组，其参数 dtype 为定义的结构。

  1. 利用 字典 来定义结构
  2. 利用 包含多个元组的列表 来定义结构
import numpy as np
personType = np.dtype( { 'names': ['name', 'age', 'weight'], 'formats': ['U30', 'i8', 'f8']} )
personType1 = np.dtype([('name', 'U30'), ('age', 'i8'), ('weight', 'f8')])

a = np.array([('Liming', 24, 63.9), ('Mike', 15, 67.), ('Jan', 34, 45.8)], dtype=personType)
b = np.array([('Liming', 24, 63.9), ('Mike', 15, 67.), ('Jan', 34, 45.8)], dtype=personType1)

print(a, b, sep=', ')
print(a[0], b[0], sep=', ')
print(a[-2:], b[-2:], sep=', ')
print(a['name'], b['name'], sep=', ')
print(a['age'], b['age'], sep=', ')
print(a['weight'], b['weight'], sep=', ')

1.7 数组的属性

NumPy（一）—— 数据类型、创建数组

; 1.8 小练习

1.8.1 以下表达式运行的结果分别是什么？


print('{0}的结果是：{1:^10}'.format(' 0.3 == 3 * 0.1 ', str(0.3 == 3 * 0.1)))

'''
 0 * np.nan 的结果是：   nan
 np.nan - np.nan 的结果是：   nan
 np.nan == np.nan 的结果是：  False
 np.inf > np.nan 的结果是：  False
 0.3 == 3 * 0.1 的结果是：  False
'''

1.8.2 创建一个长度为10并且除了第五个值为1的空向量

import numpy as np
a = np.zeros(10, dtype=int)
a[4] = 1
print(a)

1.8.3 创建随机数数组(np.random)

np.random.random([size]) ：生成 [0,1) 之间的随机小数，可通过size设置维度

import numpy as np
a0 = np.random.random()
a1 = np.random.random(6)
a2 = np.random.random((3,2))
a3 = np.random.random((3,2,3))
print(a0, a1, a2, a3, sep='\n\n')

np.random.randint(low [,high,size,dtype]) ：生成 [low,high) 的随机整数

import numpy as np
a0 = np.random.randint(10)
a1 = np.random.randint(10, size=2)
a2 = np.random.randint(10, 20, (3,2))
a3 = np.random.randint(10, 20, (2,2,3))
print(a0, a1, a2, a3, sep='\n\n')

np.random.randn(d0,d1, …, dn)：从标准正态分布中，返回(d0d1…*dn)个样本值

import numpy as np
a0 = np.random.randn()
a1 = np.random.randn(2)
a2 = np.random.randn(2,3)
a3 = np.random.randn(2,2,3)
print(a0, a1, a2, a3, sep='\n\n')

此外， np.random还有更多函数，大家可自行查询。

1.8.4 创建一个二维数组，其中边界值为1，其余值为0

import numpy as np

''' 0变成1 '''
a = np.zeros((5,6), dtype=int)
print(a)
print('\n')
a[0] = 1
a[-1] = 1
a[:,0] = 1
a[:,-1] =1
print(a)

''' 1变成0 '''
b = np.ones((5,6), dtype=int)
b[1:-1,1:-1] = 0
print(b)

1.8.5 创建长度为10的数组，从5开始，连续的数字之间的步长为3

import numpy as np
start = 5
num = 10
step = 3
stop = start + step * num
a = np.arange(start, stop, step)
print(a)

1.8.6 将本地图像导入并将其转换为数组

import numpy as np
from PIL import Image

img1 = Image.open('test.jpg')
a = np.array(img1)
print(a.shape, a.dtype)

谢谢大家🌹

Original: https://blog.csdn.net/weixin_42330887/article/details/124296602
Author: share16
Title: NumPy（一）—— 数据类型、创建数组

原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/759093/

转载文章受原作者版权保护。转载请注明原作者出处！

赞 (0)
0

【自取】最近整理的，有需要可以领取学习：



Linux核心资料大放送~

全栈面试题汇总（持续更新&可下载）

一个提高学习100%效率的工具！

【超详细】深度学习面试题目！

LeetCode Python刷题答案下载！

LeetCode Java版刷题答案下载！

LeetCode C++ 版本，抓紧保存！

LeetCode GO语言 刷题答案下载！

大家都在看

亲爱的 Coder【最近整理，可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球