Numpy ——（一）ndarray对象

最新推荐文章于 2022-03-28 07:17:46 发布

Artoria____

最新推荐文章于 2022-03-28 07:17:46 发布

阅读量1.2k

点赞数 1

分类专栏： NLP # Numpy

本文链接：https://blog.csdn.net/Artoria_QZH/article/details/101561292

版权

NLP 同时被 2 个专栏收录

13 篇文章 0 订阅

订阅专栏

Numpy

4 篇文章 0 订阅

订阅专栏

ndarray英文全称：n-dimensional array object，它是存储单一数据类型的多维数组

一、创建

通过给array()函数传递Python的序列对象来创建数组，如果传递的是多层嵌套的序列，将创建多维数组

a = np.array([1, 2, 3, 4])
b = np.array((5, 6, 7, 8))
c = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [7, 8, 9, 10]])
print(a)
print('')
print(b)
print('')
print(c)

在这里插入图片描述

可以通过shape属性获得数组的形状

print(a.shape)
print('')
print(b.shape)
print('')
print(c.shape)
print('')

在这里插入图片描述

还可以通过修改数组的shape，在保持数组元素个数不变的情况下，改变数组每个轴的长度。
切记只是改变长度，不是转置

c.shape = 4,3
print(c)

在这里插入图片描述

当设置某个轴的元素个数为-1时，会自动计算此轴的长度

c.shape = 2,-1
print(c)

在这里插入图片描述
c中有12个元素，因此当shape设为2,-1时，c的shape改成了(2,6)

使用reshape，可以创建指定形状的新数组，原数组的形状保持不变

d = a.reshape(2,2)

print(d)
print('')
print(a)

在这里插入图片描述

二、元素类型

数组的元素类型可以通过dtype属性获得。也可在创建数组是通过dtype参数指定元素类型。

需要注意的是：
float类型是64位的双精度浮点类型，complex类型是128位的双精度复数类型

ai32 = np.array([1, 2, 3, 4], dtype=np.int32)
af = np.array([1, 2, 3, 4], dtype=float)
ac = np.array([1, 2, 3, 4], dtype=complex)
print(ai32.dtype)
print('')
print(af.dtype)
print('')
print(ac.dtype)

在这里插入图片描述

可以通过以下语句查看完整的类型

set(np.typeDict.values())          # 通过set进行去重

在这里插入图片描述

可以使用astype()对数组的元素类型进行转换

t1 = np.array([1, 2, 3, 4], dtype=np.float)
t2 = np.array([1, 2, 3, 4], dtype=np.complex)
t3 = t1.astype(np.int32)
t4 = t2.astype(np.complex64)
print(t3.dtype)
print('')
print(t4.dtype)

在这里插入图片描述
可以看出，t1、t2的类型分别转换成了int32和complex64

三、自动生成数组

Numpy提供了很多专门用于创建函数数组的函数

arange()类似于range()

np.arange(0, 1, 0.1)

在这里插入图片描述

linspace()通过制定开始值、终值和元素个数来创建表示等差数列的一维数组

np.linspace(0, 1, 10) # 步长为1/9

在这里插入图片描述
还可以通过endpoint来控制是否包含终值，默认为True

np.linspace(0, 1, 10, endpoint=False) # 步长为1/10

在这里插入图片描述

logspace()和linspace()类似，不过创建的是等比数列

np.logspace(0, 2, 5)

在这里插入图片描述
即 $10^0$ 、 $10^{0.5}$ 、 $10^1$ 、 $10^{1.5}$ 、 $10^2$

也可以设置endpoint，默认为True

np.logspace(0, 2, 5, endpoint = False)

在这里插入图片描述

基数通过base参数指定，默认值为10

若想创建一个比例为 $2^{1/12}$ 的等比数列

np.logspace(0, 1, 12, base=2, endpoint=False)

在这里插入图片描述

zeros、ones、empty可以创建指定形状和类型的数组

empty

empty()只分配数组所使用的的内存，不对数组元素进行初始化操作

np.empty((2,3), np.int)

在这里插入图片描述

ones & zeros

zeros()将数组元素初始化为0，ones()将数组元素初始化为1

np.zeros(4, np.int)

在这里插入图片描述

np.ones(4, np.int)

在这里插入图片描述

full

full()将数组元素初始化为指定的值

np.full(4, np.pi)

在这里插入图片描述

此外，zeros_like()、ones_like、empty_like()、full_like()等函数创建和参数数组的形状和类型相同的数组。
因此，zeros_like(a)和zeros(a.shape, a.dtype)是等价的。

除了这些还可以通过fromfunction(fun,np)以函数的形式对数组进行运算

def func2(i, j):
    return (i + 1) * (j + 1)
np.fromfunction(func2, (9,9))

在这里插入图片描述
可以看出，返回的是一个九九乘法表

四、存取元素

可以使用和列表相同的方式对数组的元素进行存取

a = np.arange(10)
print(a)
print('')
print(a[5])                  # 用整数作为下表获取数组中的某个元素
print('')
print(a[3:5])                # 用切片作为下表获取数组的一部分
print('')
print(a[:5])                 # 切片中省略开始的下标
print('')
print(a[:-1])                # 下标为负数表示从最后往前数

在这里插入图片描述

下标还可以用来修改元素的值

a[2:4] = 100, 101
print(a)

在这里插入图片描述

当使用整数列表对数组元素进行存取时，将使用列表中的每个元素作为下标。使用列表作为下标得到的数组不和原始数组共享数据

x = np.arange(10, 1, -1)
print(x)
print('')
a = x[[3, 3, 1, 8]]               # 获取x中下标为3、3、1、8的数并组成一个新的数组
b = x[[3, 3, -3, 8]]              # 下标同样也可以是hi负数
print(a)
print('')
print(b)

在这里插入图片描述
修改b[2]的值，但是由于和x不共享内存，x的值不变

b[2] = 100
print(b)
print('')
print(x)

在这里插入图片描述

当使用布尔数组b作为下标存取x中的元素时，将获得x中与b中True对应的元素。
注意只对应布尔数组，不能对应布尔列表

x = np.arange(5,0,-1)
print(x)
print('')
print(x[np.array([True, False, True, False, False])])       # 返回第0个和第2个

在这里插入图片描述

五、多维数组

多维数组以嵌套列表的形式创建

x = np.array([[0,1,2,3,4], [6,7,8,9,10]])
print(x)

在这里插入图片描述

在一定情况下还可以通过以下方式创建

a = np.arange(0, 60, 10).reshape(-1, 1) + np.arange(0, 6)
print(a)

在这里插入图片描述
其本质其实就是有纵向量(0, 10, 20, 30, 40, 50)和横向量(0, 1, 2, 3, 4, 5)相加而得。

多维数组以元组作为下标存取

x = np.array([[0,1,2,3,4], [6,7,8,9,10]])
print(x)
print('')
print(x[0,2])                                   # x[0,2]等价于x[(0,2)]

在这里插入图片描述

为什么使用元组作为下标？

Python的下标语法(用[])本身并不支持多维，但是可以使用任何对象作为下标，因此NumPy使用元组作为下标存取数组中的元素，使用元组可以很方便地表示多个轴的下标。

在多维数组的下标中，也可以使用整数元组或列表、整数数组和布尔数组

# 整数数组
a = np.arange(0, 60, 10).reshape(-1, 1) + np.arange(0, 6)
print(a)
print('')
print(a[(0,1,2,3),(1,2,3,4)])

在这里插入图片描述
a[(0,1,2,3),(1,2,3,4)]实际上也是一个由元组存取，
等价于a[0,1]、a[1,2]、a[2,3]、a[3,4]

# 整数数组
a = np.arange(0, 60, 10).reshape(-1, 1) + np.arange(0, 6)
print(a)
print('')
print(a[3:, [0,2,5]])                       # 第3：行，第0、2、5列

在这里插入图片描述

# 布尔数组
a = np.arange(0, 60, 10).reshape(-1, 1) + np.arange(0, 6)
print(a)
print('')
mask = np.array([1,0,1,0,0,1], dtype=np.bool)
print(a[mask, 2])                          # 第0、2、5行，第2列

在这里插入图片描述

Artoria____

关注

1
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
Numpy ——（一）ndarray对象

ndarray英文全称：n-dimensional array object，它是存储单一数据类型的多维数组目录一、创建二、元素类型三、自动生成数组一、创建通过给array()函数传递Python的序列对象来创建数组，如果传递的是多层嵌套的序列，将创建多维数组a = np.array([1, 2, 3, 4])b = np.array((5, 6, 7, 8))c = np.arr...
复制链接

扫一扫