Python之numpy：数组定义&ndarray操作

最新推荐文章于 2024-04-02 21:59:57 发布
最新推荐文章于 2024-04-02 21:59:57 发布
阅读量1.2k 收藏 12
点赞数 23
分类专栏： Python基础 文章标签： python numpy 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/YBK233/article/details/137184297
版权

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

一、numpy

numpy是Python的科学计算包，包含了多维数组及多维数组的操作
numpy与Python原生array区别：

  • numpy数组在创建时有固定大小，更改ndarray的大小将创建一个新的数组并删除原始数据，不同于Python列表（可以动态增长）
  • numpy数组中的元素都需要具有相同的数据类型
  • 数组的元素也是数组（可以是Python的原生array，也可以是ndarray）的情况下，构成了多维数组
  • numpy数组操作比使用Python内置的序列可能更有效和更少的代码行

1、构建ndarray

在这里插入图片描述
之所以出现warning，是因为数组c中列表长度不一致，如图所示
在这里插入图片描述
创建ndarray时，也可指定类型，如下图：
在这里插入图片描述

2、类型转换

在这里插入图片描述

3、常用数组

1）、np.arange()

用来创建一个线性序列数组，在给定间隔内返回均匀间隔的值，格式：
arange([start,]stop[,step],dtype=None)
在这里插入图片描述

2）、np.linspace()

np.linspace(start,stop,num=50,endpoint=True)

  • 在指定的间隔内返回均匀间隔的数字，用作相同间隔采样
  • start：标量，序列起始值
  • stop：标量，除非endpoint设置为false，否则为序列的结束值
  • num：int，可选。要生成的样本数，默认值为50，必须为非负数
    ![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/75bd23499f4345e8b474fb6e68c6b6aa.png

3）、np.zeros()

定义一个为0的数组，与之相对应的是np.ones()
在这里插入图片描述

4）、np.eye()

返回一个二维数组，其对角线为1
在这里插入图片描述

5）、np.full()

返回给定性质和类型的数组，填充fill_value
np.full(shape,full_value,dtype)

  • shape:int或int的序列新数组的性质
  • full_value：标量填充值
  • dtype:数据类型，可选数组所需的数据类型默认值为‘None’
    在这里插入图片描述

4、随机数组

1）、np.random.randint()

将随机数从‘低’（包括）返回到“高”（不包括）
语法：randint（low,high=None,size=None,dtype）

  • 使用方法1：将随机整数从低返回到高，左闭右开
  • 使用方法2：返回特定形状的随机整数
    在这里插入图片描述

2）、np.random.random()

  • 语法：np.random.random(size=None)
  • 返回随机浮点数，在半开区间(0.0,1.0)中
    在这里插入图片描述

3）、np.random.randn()

  • 语法：np.random.randn(形状)
  • 从标准正态分布中返回一个样本
    在这里插入图片描述

4）、np.random.normal()

  • 语法：np.random.normal(平均值，标准差，形状)
  • 作用：从正态分布中随机抽取样本
  • 如果平均值和标准差为0和1，或者不写这2个参数，就等同于np.random.randn()
    在这里插入图片描述

5）、np.random.choice()

从给定的1-D阵列生成随机样本

  • choice(a,size=None,replace,p=None)
  • a:1-D数组或int
    如果是ndarray，则从其元素生成随机样本
    如果是int，则生成随机样本，就像a是np.arrange(a)
  • size:int或int的元组，可选
    输出形状，如果给定的形状是例如(m,n,k)，那么绘制了mnk样本，默认值为None，在这种情况下返回单个值
  • p:1-D数组，可选与a中每个条目相关的概率。如果没有给出样品则假定均匀分布一个条目
    在这里插入图片描述

6）、np.random.shuffle()

  • 通过混洗其内容来就地修改序列，此功能仅沿着a的第一轴洗牌
  • np.random.shuffle(x),x:array_like(要洗牌的数组或列表)
    在这里插入图片描述

二、ndarray操作

1、ndarray常用属性

1）、np.random.seed()

np.random.seed(Num)可以设置一组种子值，确保每次程序执行时都能生成同样的随机数组
第一次执行：
在这里插入图片描述
第二次执行
在这里插入图片描述
设置随机种子后，第一次执行：
在这里插入图片描述
第二次执行：
在这里插入图片描述
从结果不难看出，设置随机种子后，不管执行几次，生成的随机数组结果都一样。

2）、ndarray.shape

ndarray.shape()查看数组信息
在这里插入图片描述

3）、ndarray.ndim

ndarray.ndim()查看数组维度
在这里插入图片描述

4）、ndarray.size

ndarray.size查看数组元素个数
在这里插入图片描述

2、数组索引、切片

1）、一维数组

在这里插入图片描述

2）、二维数组

在这里插入图片描述

2）、修改数组元素值

在这里插入图片描述

3、数组变形

1）、ndarray.reshape()

ndarray.reshape()可以进行数据转换，比如从一维数组转换为三维数组，但是reshape不改变原数据，而是返回修改后的数组
在这里插入图片描述
小技巧：当其中一个维度不知道时，可以使用-1代替，程序会自动计算，但-1只能出现一次，否则报错
在这里插入图片描述

2）、ndarray.shape

  • 查看数组形状
  • 修改数组形状，与reshape不同，shape之间改变原数组
    在这里插入图片描述

3）、ndarray.resize()

与shape相同改变原数组

在这里插入图片描述

4）、ndarray.ravel()

  • 数组的平铺
  • 不管多少维，返回全部铺开变成一维数组，但不改变原数组
    在这里插入图片描述

4）、ndarray.T

  • 和数学意义上的转置相同
  • 不改变原数组

在这里插入图片描述

4、数组拼接

1）、np.concatenate()

np.concatenate((a1,a2,),axis=0,out=None)沿着现有轴加入一系列数据

  • a1,a2，…：array_like的序列
    除尺寸外，阵列必须具有相同形状

  • axis：int，可选，数组为一维时，只能横向合并，为二维及多维时，axis=0为横向合并，axis为1时为纵向合并
    数组连接的轴，如果axis为none，数组在使用前是扁平的，默认值为0
    在这里插入图片描述
    多维数组时，拼接思路如下：
    在这里插入图片描述
    维度不同的数组合并时，会报错：
    在这里插入图片描述
    在这里插入图片描述
    备注：
    222:每个三维数组有2个二维数组，每个二维数组有两个一维数组，每个一维数组有两个元素
    422:每个三维数组有4个二维数组，每个二维数组有两个一维数组，每个一维数组有两个元素
    242:每个三维数组有2个二维数组，每个二维数组有四个一维数组，每个一维数组有两个元素

  • 一维数组：如果有一个操作需要设置轴，一维数组只有一个轴，为轴0
    axis=0：基本操作单位为一维数组里的一个个元素

  • 二维数组：如果有一个操作需要设置轴，二维数组有两个轴，为轴0、轴1
    axis=0：基本操作单位为二维数组里的一个个一维数组
    axis=1：基本操作单位为一维数组里的一个个元素

  • 三维数组：如果有一个操作需要设置轴，三维数组有三个轴，为轴0、轴1、轴2
    axis=0：基本操作单位为三维数组里的一个二维数组
    axis=1：基本操作单位为二维数组里的一个个一维数组
    axis=2：基本操作单位为一维数组里的一个个元素

2）、np.vstack()

  • 垂直堆叠数组
  • np.vstack(tup)
    tup:ndarrays的序列
    除了第一个轴外，阵列必须具有相同形状
    在这里插入图片描述

3）、np.hstack()

水平直堆叠数组
在这里插入图片描述

5、数组分割

  • 讲一个数组分成几个较小的数组
  • 既然有多个数组堆叠，也相应有一个数组拆分成几个小数组
  • 和拼接有以下对应关系
    split ——>concatenate
    hsplit ——>hstack
    vsplit ——>vstack

1）、np.split()

语法：np.split(array,indices_or_sections,axis=0)
作用：将数组拆分为多个子数组，不改变原数组
axis：int，可选。要拆分的轴，默认为0
在这里插入图片描述

2）、np.vplit()

语法：np.vplit(any,indices_or_sections)
作用：将数组垂直拆分为多个数组（按行）
相当于np.split中axis=0
在这里插入图片描述

3）、np.hplit()

在这里插入图片描述

YBK233
关注
  • 23
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Python数据分析系列（四 ）：python数据结构 — Numpy中的ndarray（数组）的使用
sodaloveer的博客
04-30 1391
本文主要介绍 Numpy中的ndarray（数组）的使用，其中包括用于数组创建，常用的数组算法（如排序集合运算），数组描述统计，数据聚合或分组运算，数据集的合并/连接运算的数据对齐和关系型数据运算等等。
Numpy：数组对象（Ndarray）的定义和创建
shield911的博客
04-10 6195
数组（ndarray)定义和创建，根据功能分类列出了所有创建数组的函数，对常用创建函数进行语法详解和示例演示
初学python之Numpy的数组对象ndarray
wyy22752387的博客
06-14 2506
python Numpy ndarray
python定义numpy数组_Numpy数组的创建及其属性
weixin_36061828的博客
01-11 6963
在《Python Numpy基础：多维数组ndarray对象》我们对 ndarray 数组对象有了基本的认识，ndarray 数组由数据本身以及描述性元数据构成，且分开存放，从而减少对数据本身的访问频率，进而优化了效率，ndarray 数组，也可以称为 Numpy 数组，该数组所有的数据类型必相同，即具有同质性；且数组的下标也是从 0 开始的。在上一节中大多数情况下是生成的是随机数组但是这与我们的...
Python numpy 创建数组 ndarray 方式
好记性不如烂笔头
09-21 1612
1. 基于 list 的 ndarray 创建 2. 基于元组 tuple 的 ndarray 创建 3. 基于迭代器的 ndarray 创建 5. zeros 创建0填充的数组。 6. ones 创建1填充的数组。 7. eye 创建一个对角线全为1的矩阵。 8. diag 创建对角线数组。 9. arange 在给定间隔内返回均匀间隔的值。 10. linspace 创建等差数列 11. logspace 创建等比数列 三、读取文件创建数组 四、ndarray的重要属性
python numpy创建数组_Python NumPy 创建数组(ndarray)
weixin_39933484的博客
12-05 1883
1、创建一个NumPy ndarray对象NumPy用于处理数组。 NumPy中的数组对象称为ndarray。我们可以使用array()函数创建一个NumPyndarray对象。例如：import numpy as nparr = np.array([1, 2, 3, 4, 5])print(arr)print(type(arr))type()：此内置的Python函数告诉我们传递给它的对象的类型...
python多维数据分析_Python 数据分析：numpy 多维数组 ndarray
weixin_39954698的博客
12-17 803
下面的文章中，将使用约定俗成的模块名 np 来表示 NumPy 库。1. 多维数组的创建NumPy 提供了许多常用的函数来创建多维数组，先概览这些函数的名称及功能。函数说明array将输入数据转换为ndarray，可显式指定dtype。asarray将输入转换为ndarray，如果输入本身为ndarray则不复制。arange类似于range函数，返回的是ndarray而不是列表。ones、one...
python中定义数组_Python NumPy 创建数组的N种方法 详解
weixin_39575565的博客
11-26 1374
上之前Python NumPy基础介绍中，我们使用嵌套Python列表来初始化一个numpy数组，并使用方括号来访问元素，如下。ndarray 数组除了可以使用底层 numpy.array 构造器来创建外，也可以通过以下几种方式来创建。numpy.emptynumpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：语法参数shape：数组形状 。dty...
numpy 建立空数组_NumPy ndarray数组的创建
weixin_32328999的博客
12-24 2706
NumPy 是 Python 的外部库，不在标准库中，若要使用它，需要先导入 NumPy：import numpy as np导入 NumPy 库后，可通过np.+Tab键查看可使用的函数，如果对其中一些函数的使用不是很清楚，还可以在对应函数加上?，再运行，就可以很方便地看到如何使用函数的帮助信息。输入np.然后按 Tab 键，将出现如下界面：图1：查看 NumPy 可以使用的函数运行如下命令，便...
Python使用numpy模块创建数组操作示例
01-20
本文实例讲述了Python使用numpy模块创建数组操作。分享给大家供大家参考，具体如下： 创建数组 创建ndarray 创建数组最简单的方法就是使用array函数。它接收一切序列型的对象（包括其他数组），然后产生一个新的含有...
Python numpy多维数组实现原理详解
09-17
Python中的NumPy库是进行数值计算的核心工具，它提供了丰富的多维数组操作功能，极大地提升了数据处理的效率。NumPy的多维数组，也就是ndarray，是其核心数据结构，适用于处理大规模的矩阵和向量数据。 首先，让...
python中numpy包使用教程之数组和相关操作详解
09-21
此外，Numpy数组还支持一些属性查询，如`ndarray.ndim`、`ndarray.shape`、`ndarray.size`、`ndarray.dtype`和`ndarray.itemsize`，它们分别提供关于数组的维度、形状、元素数量、元素类型和每个元素的字节大小的...
Python数据分析实践：NumPy数组常用操作new.pdf
06-14
这些操作可以通过两种方式实现：一是使用ndarray类定义的方法，二是通过NumPy提供的函数。 对于形状改变，最重要的操作是`reshape()`方法。它允许我们在不改变数组元素数量的前提下修改数组的形状。例如，如果有一...
Python Numpy 控制台完全输出ndarray的实现
12-20
在Python的科学计算库NumPy中，`ndarray`（多维数组）是核心数据结构，用于高效地处理大量的数值数据。然而，当数组的维度过大或者元素过多时，直接在控制台输出整个数组可能会遇到一个问题，即中间部分会被省略，只...
python编辑器选择
YBK233
05-16 2133
一、Linux环境和Windows环境下 个人推荐推荐使用geany，个人认为这个编辑器优于pycharm，pycharm破解起来异常麻烦，而且它体积小，能够运行几乎所有的程序（而无需终端来运行）。也可以选择anaconda作为geany当做python的编辑器 Linux中安装的命令如下：sudo apt-get geany windows中，可以点击链接https://www.geany.or...
Python基础之pandas：文件读取与数据处理
最新发布
YBK233
04-02 1457
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档。
Python基础之pandas：Series和DataFrame定义及使用
YBK233
03-31 1274
pandas有两种基本对象：Series、DataFrameseries和字典非常类似，我们可以将index看成key，对应值为value如果在series中找不到要找的值，则返回预设的默认值。
numpy.ndarray
07-10
ndarray是Python中的一种多维数组，可以用来存储和操作大量的数值数据。它具有许多有用的属性和方法，可以让用户更容易地处理数据。`numpy.ndarray` 是 NumPy 库中的一个类，用于表示 N 维数组（即多维数组）。它是 NumPy 的核心数据结构之一，提供了许多高效的操作，例如数组索引、切片、算术运算、数学函数等等。 在使用 `numpy.ndarray` 时，通常需要先导入 NumPy 库，然后通过 `numpy.array()` 函数将 Python 列表或元组转换成 N 维数组，例如： ```python import numpy as np # 从列表创建一个一维数组 a = np.array([1, 2, 3]) print(a) # 输出：[1 2 3] # 从元组创建一个二维数组 b = np.array([(1, 2, 3), (4, 5, 6)]) print(b) # 输出： # [[1 2 3] # [4 5 6]] ``` 可以通过 `ndarray.shape` 属性获取数组的维度信息，通过 `ndarray.dtype` 属性获取数组元素的数据类型，例如： ```python # 获取数组的形状 print(a.shape) # 输出：(3,) print(b.shape) # 输出：(2, 3) # 获取数组元素的数据类型 print(a.dtype) # 输出：int64 print(b.dtype) # 输出：int64 ``` 还可以使用各种方法对数组进行操作，例如： ```python # 数组加法 c = a + b print(c) # 输出： # [[2 4 6] # [5 7 9]] # 数组乘法 d = a * b print(d) # 输出： # [[ 1 4 9] # [ 4 10 18]] # 数组转置 e = b.T print(e) # 输出： # [[1 4] # [2 5] # [3 6]] ``` 这些只是 `numpy.ndarray` 类提供的一些基本功能，NumPy 库还有更多高级的特性和函数可以探索。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值