【Python进阶（六）】——随机数与数组，建议收藏！
该篇文章利用Python展示了随机数，数组的生成，以及其对应的Python处理方法和注意事项。
1 随机数
1.1 一次生成一个随机数
运行程序：
from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = "all" ##执行多输出 import random random.seed(3) random.randint(1, 100) #生成一个1-100之间的随机整数 random.uniform(-10, 10)#生成一个-10-10之间的浮点数 round(random.uniform(-10, 10),2) #生成一个-10-10之间的浮点数并保留两位有效小数
运行结果：
31 1.852818212543312 -7.39
1.2 一次生成一个随机数组
运行程序：
import numpy as np rand=np.random.RandomState(32)#参数32为种子数 x=rand.randint(0,10,(3,6))#0-10的整数随机数组，(3,6)为目标数组形状 x import numpy as np rand=np.random.RandomState(1) x=rand.rand(5) *10 #生成服从均匀分布的浮点数，5个数，rand.rand返回值范围为0-1，*10调整范围 x import numpy as np rand=np.random.RandomState(1) y= rand.randn(5) +5#生成数组服从正态分布，生成所有随机数+5 y x=np.linspace(0,10,20) #生成等距数组，范围为0-10，数量为20 x
运行结果：
array([[7, 5, 6, 8, 3, 7], [9, 3, 5, 9, 4, 1], [3, 1, 2, 3, 8, 2]]) array([4.17022005e+00, 7.20324493e+00, 1.14374817e-03, 3.02332573e+00, 1.46755891e+00]) array([6.62434536, 4.38824359, 4.47182825, 3.92703138, 5.86540763]) array([ 0. , 0.52631579, 1.05263158, 1.57894737, 2.10526316, 2.63157895, 3.15789474, 3.68421053, 4.21052632, 4.73684211, 5.26315789, 5.78947368, 6.31578947, 6.84210526, 7.36842105, 7.89473684, 8.42105263, 8.94736842, 9.47368421, 10. ])
2 数组
2.1 创建方法
运行程序：
import numpy as np #调用ndarray之前需要导入Numpy模块 MyArray1 = np.arange(1,20) #返回一个大于等于1，小于20的有序自然数数组 MyArray1 range(1,10,2) #返回值为一个迭代器 list(range(1,10,2))#将迭代器转化为列表 np.arange(1,10,2) #返回范围值，步长为2 MyArray2=np.array([1,2,3,4,3,5]) #返回值为array MyArray2 np.array(range(1,10,2))#返回值步长为2 MyArray3=np.zeros((5,5)) #返回5×5 0数组 MyArray3 MyArray4=np.ones((5,5))#返回5×5 1数组 MyArray4 np.full((3,5),2) #返回3×5 2数组 rand=np.random.RandomState(30) MyArray5=rand.randint(0,100,[3,5]) #3×5 0-100随机整数数组 MyArray5
运行结果：
array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]) range(1, 10, 2) [1, 3, 5, 7, 9] array([1, 3, 5, 7, 9]) array([1, 2, 3, 4, 3, 5]) array([1, 3, 5, 7, 9]) array([[0., 0., 0., 0., 0.], [0., 0., 0., 0., 0.], [0., 0., 0., 0., 0.], [0., 0., 0., 0., 0.], [0., 0., 0., 0., 0.]]) array([[1., 1., 1., 1., 1.], [1., 1., 1., 1., 1.], [1., 1., 1., 1., 1.], [1., 1., 1., 1., 1.], [1., 1., 1., 1., 1.]]) array([[2, 2, 2, 2, 2], [2, 2, 2, 2, 2], [2, 2, 2, 2, 2]]) array([[37, 37, 45, 45, 12], [23, 2, 53, 17, 46], [ 3, 41, 7, 65, 49]])
2.2 主要特征
运行程序：
import numpy as np MyArray4=np.zeros(shape=(2,15),dtype=np.int) #2×15列0数组，类型为整型 MyArray4 np.ones((3,5),dtype=float) #类型为浮点型 np.ones([3,5],dtype=float) #shape参数也可也取列表[3,5]
运行结果：
array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]]) array([[1., 1., 1., 1., 1.], [1., 1., 1., 1., 1.], [1., 1., 1., 1., 1.]]) array([[1., 1., 1., 1., 1.], [1., 1., 1., 1., 1.], [1., 1., 1., 1., 1.]])
2.3 切片/读取
运行程序：
import numpy as np myArray=np.array(range(1,10)) myArray myArray=np.arange(1,10) myArray myArray[0] #第1个数 myArray[-1]#倒数第一个数 import numpy as np myArray=np.array(range(0,10)) print("myArray=",myArray) print("myArray[1:9:2]=",myArray[1:9:2]) print("myArray[:9:2]=",myArray[:9:2]) print("myArray[::2]=",myArray[::2]) print("myArray[::]=",myArray[::]) print("myArray[:8:]=",myArray[:8:]) print("myArray[:8]=",myArray[0:8]) print("myArray[4::]=",myArray[4::]) print("myArray[9:1:-2]=",myArray[9:1:-2]) print("myArray[::-2]=",myArray[::-2]) print("myArray[[2,5,6]]=",myArray[[2,5,6]]) print("myArray[myArray>5]=",myArray[myArray>5]) myArray[0:2] myArray[1:5:2] myArray[::2] myArray[::-2] myArray myArray=np.array(range(1,11)) myArray myArray[[1,3,6]]#myArray[1,3,6]纠错 myArray myArray[:,np.newaxis] #定义一个新维度 myArray[:,np.newaxis].shape #查看形状 myArray2=np.arange(1,21).reshape([5,4])#5×4数组，1-20 myArray2 myArray2[[2,4],3] #多维数组的切片，第3、4行第4列 x=[2,4] myArray2[x,2]
运行结果：
array([1, 2, 3, 4, 5, 6, 7, 8, 9]) array([1, 2, 3, 4, 5, 6, 7, 8, 9]) 1 9 myArray= [0 1 2 3 4 5 6 7 8 9] myArray[1:9:2]= [1 3 5 7] myArray[:9:2]= [0 2 4 6 8] myArray[::2]= [0 2 4 6 8] myArray[::]= [0 1 2 3 4 5 6 7 8 9] myArray[:8:]= [0 1 2 3 4 5 6 7] myArray[:8]= [0 1 2 3 4 5 6 7] myArray[4::]= [4 5 6 7 8 9] myArray[9:1:-2]= [9 7 5 3] myArray[::-2]= [9 7 5 3 1] myArray[[2,5,6]]= [2 5 6] myArray[myArray>5]= [6 7 8 9] array([0, 1]) array([1, 3]) array([0, 2, 4, 6, 8]) array([9, 7, 5, 3, 1]) array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) array([2, 4, 7]) array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) array([[ 1], [ 2], [ 3], [ 4], [ 5], [ 6], [ 7], [ 8], [ 9], [10]]) (10, 1) array([[ 1, 2, 3, 4], [ 5, 6, 7, 8], [ 9, 10, 11, 12], [13, 14, 15, 16], [17, 18, 19, 20]]) array([12, 20]) array([11, 19])
2.4 浅拷贝与深拷贝
运行程序：
import numpy as np myArray1=np.array(range(0,10)) myArray2=myArray1 myArray2[1]=100 #修改第2个数 myArray1 #浅拷贝：复制过来的是引用，“复制对象和被复制对象共用一个存储空间” import numpy as np myArray1=np.array(range(0,10)) myArray2=myArray1.copy() myArray2[1]=200 myArray1 #深拷贝：复制过来的是值，复制对象和被复制对象占用两个不同空间 myArray2
运行结果：
array([ 0, 100, 2, 3, 4, 5, 6, 7, 8, 9]) array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) array([ 0, 200, 2, 3, 4, 5, 6, 7, 8, 9])
2.5 形状与重构
运行程序：
import numpy as np MyArray5=np.arange(1,21) MyArray5 MyArray5.shape MyArray6=MyArray5.reshape(4,5) #重构形状 MyArray6 MyArray5.reshape(5,4) MyArray5 MyArray5.resize(4,5) #resize不修改数组本身，即返回另一个数组，reshape就地修改原数组 MyArray5 MyArray5.swapaxes(0,1)#swapaxes方法进行轴调换，实现矩阵转置 MyArray5 MyArray5=MyArray5.swapaxes(0,1) MyArray5 MyArray5.flatten()#将多维数组转换为一维数组 MyArray5.tolist()#将多维数组转化为嵌套列表 MyArray5.astype(np.float) #重设数组元素数据类型 MyArray5 MyArray5.reshape(5,5) #reshape前提为可以reshape
运行结果：
array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20]) (20,) array([[ 1, 2, 3, 4, 5], [ 6, 7, 8, 9, 10], [11, 12, 13, 14, 15], [16, 17, 18, 19, 20]]) array([[ 1, 2, 3, 4], [ 5, 6, 7, 8], [ 9, 10, 11, 12], [13, 14, 15, 16], [17, 18, 19, 20]]) array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20]) array([[ 1, 2, 3, 4, 5], [ 6, 7, 8, 9, 10], [11, 12, 13, 14, 15], [16, 17, 18, 19, 20]]) array([[ 1, 6, 11, 16], [ 2, 7, 12, 17], [ 3, 8, 13, 18], [ 4, 9, 14, 19], [ 5, 10, 15, 20]]) array([[ 1, 2, 3, 4, 5], [ 6, 7, 8, 9, 10], [11, 12, 13, 14, 15], [16, 17, 18, 19, 20]]) array([[ 1, 6, 11, 16], [ 2, 7, 12, 17], [ 3, 8, 13, 18], [ 4, 9, 14, 19], [ 5, 10, 15, 20]]) array([ 1, 6, 11, 16, 2, 7, 12, 17, 3, 8, 13, 18, 4, 9, 14, 19, 5, 10, 15, 20]) [[1, 6, 11, 16], [2, 7, 12, 17], [3, 8, 13, 18], [4, 9, 14, 19], [5, 10, 15, 20]] array([[ 1., 6., 11., 16.], [ 2., 7., 12., 17.], [ 3., 8., 13., 18.], [ 4., 9., 14., 19.], [ 5., 10., 15., 20.]]) array([[ 1, 6, 11, 16], [ 2, 7, 12, 17], [ 3, 8, 13, 18], [ 4, 9, 14, 19], [ 5, 10, 15, 20]]) --------------------------------------------------------------------------- ValueError Traceback (most recent call last) Cell In[15], line 12 8 MyArray6 10 MyArray5.reshape(5,4) ---> 12 MyArray5.reshape(5,5) ValueError: cannot reshape array of size 20 into shape (5,5)
2.6 属性计算
运行程序：
np.rank(MyArray5) #计算数组的秩 np.ndim(MyArray5) #计算数组的秩 MyArray5.ndim #计算数组的秩 np.shape(MyArray5)#数组形状 MyArray5.shape #数组形状 MyArray5.size #数组元素个数 type(MyArray5) #查看数组类型
运行结果：
2 2 2 (5, 4) (5, 4) 20 numpy.ndarray
2.7 ndarray的计算
运行程序：
MyArray5 MyArray5*10 #数组的乘法 x=np.array([11,12,13,14,15,16,17,18]) x1,x2,x3=np.split(x,[3,5]) #横向拆分，[3,5]为拆分位置索引 print(x1,x2,x3) upper,lower=np.vsplit(MyArray5.reshape(4,5),[2])#纵向拆分 print("上半部分为\n",upper) print("\n\n下半部分为\n",lower) np.concatenate((lower,upper),axis=0) #数组的合并，逐列计算 np.vstack([upper,lower]) #行合并 np.hstack([upper,lower]) #列合并 np.add(MyArray5,1) #所有数加1
运行结果：
array([ 0, 100, 2, 3, 4, 5, 6, 7, 8, 9]) array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) array([ 0, 200, 2, 3, 4, 5, 6, 7, 8, 9])array([[ 1, 6, 11, 16], [ 2, 7, 12, 17], [ 3, 8, 13, 18], [ 4, 9, 14, 19], [ 5, 10, 15, 20]]) array([[ 10, 60, 110, 160], [ 20, 70, 120, 170], [ 30, 80, 130, 180], [ 40, 90, 140, 190], [ 50, 100, 150, 200]]) [11 12 13] [14 15] [16 17 18] 上半部分为 [[ 1 6 11 16 2] [ 7 12 17 3 8]] 下半部分为 [[13 18 4 9 14] [19 5 10 15 20]] array([[13, 18, 4, 9, 14], [19, 5, 10, 15, 20], [ 1, 6, 11, 16, 2], [ 7, 12, 17, 3, 8]]) array([[ 1, 6, 11, 16, 2], [ 7, 12, 17, 3, 8], [13, 18, 4, 9, 14], [19, 5, 10, 15, 20]]) array([[ 1, 6, 11, 16, 2, 13, 18, 4, 9, 14], [ 7, 12, 17, 3, 8, 19, 5, 10, 15, 20]]) array([[ 2, 7, 12, 17], [ 3, 8, 13, 18], [ 4, 9, 14, 19], [ 5, 10, 15, 20], [ 6, 11, 16, 21]])
2.8 ndarray的元素类型
运行程序：
#同一数组，所有元素类型必须一致，若不一致或无显式定义，则按dtype=object处理 np.zeros(10,dtype="int16") np.zeros(10,dtype="float") a1=np.array([1,2,3,None]) a1 a1=np.array([1,2,3,None,np.nan]) a1
运行结果：
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0], dtype=int16) array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]) array([1, 2, 3, None], dtype=object) array([1, 2, 3, None, nan], dtype=object)
2.9 插入与删除
运行程序：
import numpy as np myArray1=np.array([11,12,13,14,15,16,17,18]) np.delete(myArray1,2)#删除第3个数 np.insert(myArray1,1,88) #在第2个数位置增加元素88
运行结果：
array([11, 12, 14, 15, 16, 17, 18]) array([11, 88, 12, 13, 14, 15, 16, 17, 18])array([ 0, 100, 2, 3, 4, 5, 6, 7, 8, 9]) array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) array([ 0, 200, 2, 3, 4, 5, 6, 7, 8, 9])
2.10 缺失值处理
运行程序：
np.isnan(myArray)#判断数组每个元素是否为缺失值 np.any(np.isnan(myArray))#判断所有元素至少有一个缺失值 np.all(np.isnan(myArray))#判断数组中是否所有元素为缺失值 MyArray=np.array([1,2,3,np.nan]) np.nansum(MyArray) #np.nan可以参与算术运算 np.sum(MyArray)#在Numppy中，np.nan是浮点型，可以参加算术运算
运行结果：
array([False, False, False, False, False, False, False, False, False, False]) False False 6.0 nan
2.11 ndarray的广播规则
运行程序：
import numpy as np A1=np.array(range(1,10)).reshape([3,3]) A1 A2=np.array([10,10,10]) A2 A1+A2#若行数不一样，列数一样，以行为单位的广播操作，进行循环补齐 A3=np.arange(10).reshape(2,5) A3 A4=np.arange(16).reshape(4,4) A4 A3+A4#若列数不一致（除了列数为1），解释器报错
运行结果：
array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) array([10, 10, 10]) array([[11, 12, 13], [14, 15, 16], [17, 18, 19]]) array([[0, 1, 2, 3, 4], [5, 6, 7, 8, 9]]) array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11], [12, 13, 14, 15]]) --------------------------------------------------------------------------- ValueError Traceback (most recent call last) <ipython-input-139-27dab191cac1> in <module> 4 A4=np.arange(16).reshape(4,4) 5 A4 ----> 6 A3+A4#若列数不一致（除了列数为1），解释器报错 ValueError: operands could not be broadcast together with shapes (2,5) (4,4)
2.12 ndarray的排序
运行程序：
import numpy as np myArray=np.array([11,18,13,12,19,15,14,17,16]) myArray np.sort(myArray)#正序排序 np.argsort(myArray) #返回排序后的索引 MyArray=np.array([[21, 22, 23, 24,25], [35, 34,33, 32, 31], [ 1, 2, 3, 100, 4]]) np.sort(MyArray,axis=1) #行排序 np.sort(MyArray,axis=0)#列排序
运行结果：
array([11, 18, 13, 12, 19, 15, 14, 17, 16]) array([11, 12, 13, 14, 15, 16, 17, 18, 19]) array([0, 3, 2, 6, 5, 8, 7, 1, 4], dtype=int64) array([[ 21, 22, 23, 24, 25], [ 31, 32, 33, 34, 35], [ 1, 2, 3, 4, 100]]) array([[ 1, 2, 3, 24, 4], [ 21, 22, 23, 32, 25], [ 35, 34, 33, 100, 31]])
