• 索引操作和列表同理

  >>> arr = np.random.randint(1,100,size=(5,6))
  >>> arr
  array([[49, 26,  2, 75, 91, 93],
         [68, 49, 40, 40, 51, 54],
         [39, 49, 16, 93, 45,  2],
         [13, 43, 67, 52,  2, 46],
         [74, 20,  9, 73, 91, 21]])
  >>> arr[1]
  array([68, 49, 40, 40, 51, 54])
  >>> arr[[1,3,4]]
  array([[68, 49, 40, 40, 51, 54],
         [13, 43, 67, 52,  2, 46],
         [74, 20,  9, 73, 91, 21]])
  

• 切片操作

  • 切出前两行数据

    >>> arr[0:2]
    array([[49, 26,  2, 75, 91, 93],
           [68, 49, 40, 40, 51, 54]])
    
    

  • 切出前两列数据

    >>> arr[:,0:2]
    array([[49, 26],
           [68, 49],
           [39, 49],
           [13, 43],
           [74, 20]])
    

  • 切出前两行的前两列的数据

    >>> arr[0:2,0:2]
    array([[49, 26],
           [68, 49]])
    

  • 数组行翻转

    >>> arr[::-1]
    array([[74, 20,  9, 73, 91, 21],
           [13, 43, 67, 52,  2, 46],
           [39, 49, 16, 93, 45,  2],
           [68, 49, 40, 40, 51, 54],
           [49, 26,  2, 75, 91, 93]])
    

  • 数组列翻转

    >>> arr[::,::-1]
    array([[93, 91, 75,  2, 26, 49],
           [54, 51, 40, 40, 49, 68],
           [ 2, 45, 93, 16, 49, 39],
           [46,  2, 52, 67, 43, 13],
           [21, 91, 73,  9, 20, 74]])
    

  • 练习：将一张图片上下左右进行翻转操作

    import matplotlib.pyplot as plt
    img_arr = plt.imread('/Users/ivanlee/Desktop/女明星/IMG_1473.JPG')
    plt.imshow(img_arr) #将numpy数组进行可视化展示
    

    

    

  • 练习：将图片进行指定区域的裁剪

    

numpy变形

• reshape操作

  

级联操作

- 将多个numpy数组进行横向或者纵向的拼接

• axis轴向的理解

  • 0:列
  • 1:行

  

• 问题：

  • 级联的两个数组维度一样，但是行列个数不一样会如何？

    答：不一样就无法拼接

• 对图进行拼接

  arr_3 = np.concatenate((img_arr,img_arr,img_arr),axis=0)
  plt.imshow(arr_3)
  

  

  arr_3 = np.concatenate((img_arr,img_arr,img_arr),axis=1)
  plt.imshow(arr_3)
  

  

常用的聚合操作

• sum,max,min,mean

  

常用的数学函数

• NumPy 提供了标准的三角函数：sin()、cos()、tan()
• numpy.around(a,decimals) 函数返回指定数字的四舍五入值。
  • 参数说明：
    • a: 数组
    • decimals: 舍入的小数位数。 默认值为0。 如果为负，整数将四舍五入到小数点左侧的位置

常用的统计函数

• numpy.amin() 和 numpy.amax()，用于计算数组中的元素沿指定轴的最小、最大值。
• numpy.ptp():计算数组中元素最大值与最小值的差（最大值 - 最小值）。
• numpy.median() 函数用于计算数组 a 中元素的中位数（中值）
• 标准差std():标准差是一组数据平均值分散程度的一种度量。
  • 公式：std = sqrt(mean((x - x.mean())**2))
  • 如果数组是 [1，2，3，4]，则其平均值为 2.5。 因此，差的平方是 [2.25,0.25,0.25,2.25]，并且其平均值的平方根除以 4，即 sqrt(5/4) ，结果为 1.1180339887498949。
• 方差var()：统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数，即 mean((x - x.mean())** 2)。换句话说，标准差是方差的平方根

矩阵相关

• NumPy 中包含了一个矩阵库 numpy.matlib，该模块中的函数返回的是一个矩阵，而不是 ndarray 对象。一个 的矩阵是一个由行（row）列（column）元素排列成的矩形阵列。

• numpy.matlib.identity() 函数返回给定大小的单位矩阵。单位矩阵是个方阵，从左上角到右下角的对角线（称为主对角线）上的元素均为 1，除此以外全都为 0。

eye返回一个标准的单位矩阵

np.eye(6)

T 转置

矩阵相乘

• numpy.dot(a, b, out=None)
  • a : ndarray 数组
  • b : ndarray 数组