本文的主要內容是根據MOOC中嵩天老師的Python數據分析與展示課程進行總結的，可供讀者學習和複習numpy的基礎知識點。
MOOC中嵩天老師的課程鏈接：https://www.icourse163.org/learn/BIT-1001870002?tid=1206192225#/learn/announce
目錄
一、NumPy數組的創建與變換
1. 數組的創建
可以通過以下幾種方法創建數組
（1）從Python中的列表、元組等類型中創建ndarray數組；eg. a = np.array([1,2,3])或者a = np.array((1,2,3));
import numpy as np
a = np.array([1,2,3])
b = np.array((1,2,3))
（2）使用Numpy中函數創建ndarray
常用函數：
函數中shape的地方需要用元組表示，實例：
import numpy as np
a = np.arange(10) #生成0-9的數組
b = np.ones((3,4)) #生成3×4的全1數組
c = np.zeros((3,4)) #生成3×4的全0數組
d = np.full((2,3),6) #生成2×3的全是6的數組
e = np.eye(5) #生成單位矩陣
（3）生成等間隔數組和合並數組：
a = np.linspace(start,stop,N, endpoint=True)
作用：在起點和終點的區間範圍內生成N個數據，因爲endpoint=True，所以生成的數組包含最後一個點(默認包含);
temp = np.concatenate((a,b,c,...),axis=n)
作用：將a,b,c在第n個維度上進行合併，除了合併的維度可以不同，其他的維度必須相同才能進行合併，否則報錯。
import numpy as np
a = np.linspace(0,10,6,endpoint=True) #生成[0,2,4,6,8,10]
b = np.linspace(0,20,6)
temp = np.concatenate((a,b),axis=0)
（4）以某一數組爲藍本生成新數組：
import numpy as np
a = np.random.rand(3,4) #生成3×4的隨機數組
a1 = np.ones_like(a) #生成與a具有相同維度的全1數組
a2 = np.zeros_like(a) #生成與a具有相同維度的全1數組
a3 = np.full_like(a,val) #生成與a具有相同維度的值全爲val的數組
2. NumPy的屬性
import numpy as np
array = np.array([[1,2,3],[2,3,4]])
print(array)
print('number of dim:', array.ndim)
print('shape:',array.shape)
print('size:',array.size)
3. 數組的變換
數組元素類型的變換：a.astype(dtype)
eg. a = a.astype(int),可以將數組a的數據類型變爲整形；
數組變換到列表：list = a.tolist()
4. 數組的索引和切片
索引：維度的索引從0開始，a[0,1,3]表示索引數組a中由第1維第一層、第2維第二層和第3維第四層所確定的數據；
切片：a = np.arange(10), 則a[2:5]表示[2,3,4]; a[2:8:3]表示[2,5]; a[::2]表示[0,2,4,6,8];
5. 數組的運算和運算函數
二、NumPy的文件讀取和保存
1. CSV文件（用逗號分隔）
寫入：np.savetxt(frame, array, fmt='%.18e', delimiter=None)
frame:文件、字符串或產生器，可以是.gz或.bz2的壓縮文件；
array：存入文件的數組；
fmt：寫入文件的格式，例如：%d %.2f %.18e
delimiter：分割字符串，默認是任何空格，如果是CSV文件，則‘，’；
它可以生成任意帶有分割符的文件；
eg: np.savetxt('a.csv', a, fmt = '%d', delimiter = ','); 輸出整形
np.savetxt('a.csv', a, fmt = '%.1f', delimiter = ','); 輸出帶1位小數
讀取：np.loadtxt(frame, dtype=np.float, delimiter=None, unpack=False)
frame：需要讀取的文件，可以是壓縮文件；
dtype：需要將文件的數據轉化爲特定格式，由dtype指定；
delimiter：分割字符串，默認是任何空格，對於CSV文件是','；
unpack：如果True，讀入屬性將分別寫入不同變量；
np.savetxt和np.loadtxt只能存取一維或二維的數據；
2. 多維數據的存取
寫入：a.tofile(frame,sep=' ', format='%d')；
讀取：np.fromfile(frame, dtype=float, count=-1,sep='')；
frame：文件、字符串；
dtype：讀取的數據類型；
count：讀入元素個數，-1表示讀入整個文件；
sep：數據分割字符串，如果空串，用二進制讀入；
這種讀取方法要知道dtype和dim；那怎麼辦呢，新建一個文件說明；
3. Numpy的便捷文件存取
寫入：np.save(fname,array)或np.savez(fname,array)
讀取：np.load(fname)
fname：文件名，以.npy爲擴展名，壓縮擴展名爲.npz;
array：數組變量
三、NumPy隨機、統計、梯度函數的介紹
1. Numpy的隨機函數
隨機函數1
np.random.rand(d0,d1,...,dn)：產生n維的隨機數組，每個元素的值在[0,1)之間均勻分佈；
np.random.randn(d0,d1,...,dn)：產生n維的隨機數組，每個元素值爲標準正態分佈；
np.random.randint(low,high,shape)：生成一個shape形狀的在low和high之間隨機整數數組；
np.random.seed(s):隨機數種子，s是給定的種子值；在使用上述隨機函數前使用種子值，可以產生種子值對應的隨機數；種子值相同的隨機數是相同的。
隨機函數2
np.random.shuffle(a): 對a的第一維進行隨機排列，改變a；
np.random.permutation(a):產生第一軸亂序的新數組，不改變a本身；
np.random.choice(a,size,replace,p):從一維數組a中以概率p抽取元素，形成size形狀新數組，replace表示是否可以重用元素，默認爲True；p是和a同尺寸的概率矩陣；
eg: np.random.choice(a.flatten(),(6,8))
隨機函數3
np.random.uniform(low,high,shape): 產生具有均勻分佈的數組；
np.random.normal(loc,scale,shape): 產生具有正態分佈的數據，loc均值，scale標準差，shape形狀；
np.random.poission(lam,size): 產生具有泊松分佈的數組，lam隨機事件發生率，size形狀；
2. Numpy的統計函數
NumPy直接提供的統計類函數，如np.std(), np.var(), np.average();
np.sum(a,axis=None): 根據給定軸axis計算數組a相關元素之和，axis等於整數或元組；
np.mean(a,axis=None): 同理，計算平均值；
np.average(a,axis=None,weights=None): 可求加權平均值；
np.std(a,axis=None):計算標準差；
np.var(a,axis=None):計算方差；
np.min(a),np.max(a):計算a中元素的最小值、最大值；
np.argmin(a),np.argmax(a):計算數組中a中元素最小最大值的降一維後下標；
np.unravel_index(index,shape):根據shape將一維下標index轉換成多維下標；
np.ptp(a): 計算數組a中元素最大值與最小值的差；
np.median(a): 計算數組a中元素的中位數（中值）；
3. NumPy的梯度函數
np.gradient(f): 計算數組f中元素的梯度，當f爲多維時，返回每個維度梯度；
梯度：連續值之間的變化率，即斜率；
四、圖像的手繪效果
1. 圖像的數組表示
我們平時常見的圖像很適合用數組表示；灰度圖像就是二維數組，彩色圖像是三維圖像(在二維的基礎上每個元素變爲3個）；這裏使用PIL庫(Python Image Library)輔助處理圖像，PIL庫是一個具有強大圖像處理能力的第三方庫，常用於處理圖像。
引用：from PIL import Image
I = np.array(Image.open('1.jpg')), I就是一個保存着圖片數據的數組；
I.shape爲(x,y,3); I.dtype爲uint8
2. 圖像的變換
圖像是數組，對數組的操作即可改變圖像；
I = np.array(Image.open('1.jpg').convert('L')) 生成灰度圖像；
實現圖像反轉代碼：
import numpy as np
from PIL import Image
I = np.array(Image.open('1.jpg').convert('L'))
print(I.shape,I.dtype)
b = 255-I #如果是三維的彩色數據，則爲[255,255,255]-I
im = Image.fromarray(b.astype('uint8'))
im.save('3.jpg')
3. 圖像的顯示
①對於圖像類型的變量，直接運行變量本身就能在命令行中顯示圖像（本人在Spyder中運行的）；
②使用im.show('filename')可以打開一個窗口顯示圖像，窗口標題是輸入的'filename' ；
③另外一種是數組的可視化，圖像的可視化推薦使用matplotlib.pyplot中imshow()函數，使用方法如下：
import matplotlib.pyplot as plt
I = np.random.randint(0,255,(200,200)).astype(np.uint8) #產生隨機圖像
plt.imshow(I,cmap='gray') #以灰度顯示，默認會是僞彩色
結果：
