内容

数据维度

NumPy

CSV文件

访问多维数据

NumPy的便捷式文件截取

NumPy的随机数函数子库

NumPy的统计函数

NumBy的梯度函数

图像的数组表示

图像变换

数据维度

• 方面：
  
• 一组数据的组织
  
• 一维数据
  
• 由对等关系中的有序或无序数据组成，以线性方式组织
  
• 列表和集合类型
  
• 列表和数组
  
• 大批
  
• 相同的数据类型
  
• 列表
  
• 数据类型可以不同
  
• 一组数据的有序结构
  
• 二维数据
  
• 它由多个一维数据组成，是一维数据的组合。
  
• 列表类型
  
• 床单
  
• 多维数据
  
• 一维数据或多维数据在新维度中的扩展
  
• 列表类型
  
• 高维数据
  
• 仅使用最基本的二元关系显示数据之间的复杂结构
  
• 字典类型或数据表示格式
  

NumPy

• NumPy是一个开源的Python科学计算基础库
  
• 一个强大的N维数组对象 ndarray
  
• 广播功能
  
• 整合C/C++/Fortran代码的工具
  
• 线性代数、傅里叶变换、随机数生成等功能
  
• NumPy引用:
  
• import numpy as np
  
• N维数组对象 ndarray
  
• 传统:for循环
  
• import numpy as npdef npSum(): a = np.array([0,1,2,3,4]) b = np.array([9,8,7,6,5]) c = a**2 + b**3 return cprint(npSum())
  
• 一个维度中的所有数据类型往往相同，数组对象使用相同的数据类型，有助于节省计算和存储空间
  
• 一般要求所有元素类型相同(同质),数组下标从0开始
  
• ndarray由两部分构成
  
• 实际数据
  
• 描述这些数据的元数据（数据维度、数据类型）
  
• 例子
  
• np.array() 生成一个ndarray数组
  
• ndarray在程序中的别名是:array
  
• np.array() 输出成[]形式,元素由空格分隔
  
• axis轴:数据维度
  
• rank秩:轴的数量
  
• ndarray对象的属性
  
• 
  
• ndarray的元素类型
  
• 
  
• 
  
• ndarray数组的创建方法
  
• 从Python中列表,元组等类型创建
  
• x=np.array(list/tuple)
  
• x=np.array(list/tuple,dtype=np.float32)
  
• 列表类型创建 元组类型创建 列表元组混合创建
  
• 使用NumPy中函数创建
  
• 
  
• 
  
• 
  
• 
  
• 
  
• ndarray数组的变换
  
• 维度变换
  
• 
  
• 
  
• 
  
• 元组类型转换
  
• 从字节流创建
  
• 从文件中读取特定格式
  
• ndarray数组的操作
  
• 数组的索引和切片
  
• 指数
  
• 获取数组中特定位置的元素的过程
  
• 片
  
• 获取数组元素子集的过程
  
• ndarray数组的运算
  
• 
  
• 
  
• 
  

CSV文件

• CSV(Comma-Separated Value,逗号分隔值)
  
• CSV是一种常见的文件格式,用来存储批量数据
  
• 格式
  
• np.savetxt( frame,array,fmt=’%.18e’,delimiter=None )
  
• frame:文件,字符串或产生器,可以是.gz或.bz2的压缩文件
  
• array:存入文件的数组
  
• fmt:写入文件的格式,如:%d %.2f %.18e
  
• delimiter:分隔字符串,默认是任何空格
  
• 例子：
  
• a = np.arange(100).reshape(5,20)np.savetxt(‘a.csv’,a,fmt = ‘%d’,delimiter=’,’)
  
• ​​
  
• 格式
  
• np.loadtxt(frame,dtype=np.float,delimiter=None,unpack=False)
  
• frame:文件,字符串或产生器,可以是.gz或.bz2的压缩文件
  
• dtype:数据类型,可选
  
• delimiter:分隔字符串,默认是任何空格
  
• unpack:如果True,读入属性将分别写入不同变量
  
• 例子
  
• b = np.loadtxt(‘a.csv’,delimiter = ‘,’)
  
• CSV文件的局限性
  
• CSV只能有效存储一维和二维数组
  
• np.savetxt() np.loadtxt() 只能有效存取一维和二维数组
  

访问多维数据

• a.tofile(frame,sep=”,format=’%s’)
  
• 没有维度信息，一一列出元素
  
• 二进制文件比文本文件占用更少的空间
  
• np.fromfile(frame,dtype=float,count=-1,sep=”)
  
• frame:文件,字符串
  
• dtype:读取的数据类型
  
• count:读取元素个数,-1表示读入整个文件
  
• sep:数据分割字符串,如果是空串,写入文件为二进制
  

NumPy的便捷式文件截取

• np.save(frame,array)或np.savez(fname,array)
  
• frame:文件名,以.npy为扩展名,压缩扩展名为,npz
  
• array:数组变量
  
• np.load(fname)
  
• fname:文件名,以.npy为扩展名,压缩扩展名为,npz
  

NumPy的随机数函数子库

• np.random的随机数函数
  
• 
  
• 
  
• 
  

NumPy的统计函数

NumBy的梯度函数

图像的数组表示

• RGB色彩模式
  
• 范围：
  
• 都是0-255
  
• PIL库
  
• from PIL import Image
  
• Image是PIL库中代表一个图像的类(对象)
  
• 图像是一个由像素组成的二维数组,每个元素是一个RGB值
  

图像变换